論文の概要: AI Application Operations -- A Socio-Technical Framework for Data-driven Organizations
- arxiv url: http://arxiv.org/abs/2601.06061v1
- Date: Tue, 23 Dec 2025 13:16:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.61113
- Title: AI Application Operations -- A Socio-Technical Framework for Data-driven Organizations
- Title（参考訳）: AI Application Operations - データ駆動型組織のための社会技術的フレームワーク
- Authors: Daniel Jönsson, Mattias Tiger, Stefan Ekberg, Daniel Jakobsson, Mattias Jonhede, Fredrik Viksten,
- Abstract要約: 我々は,多様な組織からの実体験に基づいて,AIAppOps(AI AppOps)の総合的なフレームワークを概説する。
データ駆動プロジェクトは、開発サイクルと運用サイクルにまたがるデータに依存しているため、組織に新たな課題をもたらす。
- 参考スコア（独自算出の注目度）: 1.9652313502216219
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We outline a comprehensive framework for artificial intelligence (AI) Application Operations (AIAppOps), based on real-world experiences from diverse organizations. Data-driven projects pose additional challenges to organizations due to their dependency on data across the development and operations cycles. To aid organizations in dealing with these challenges, we present a framework outlining the main steps and roles involved in going from idea to production for data-driven solutions. The data dependency of these projects entails additional requirements on continuous monitoring and feedback, as deviations can emerge in any process step. Therefore, the framework embeds monitoring not merely as a safeguard, but as a unifying feedback mechanism that drives continuous improvement, compliance, and sustained value realization-anchored in both statistical and formal assurance methods that extend runtime verification concepts from safety-critical AI to organizational operations. The proposed framework is structured across core technical processes and supporting services to guide both new initiatives and maturing AI programs.
- Abstract（参考訳）: 我々は,多様な組織からの実体験に基づいて,AIAppOps(AI AppOps)の総合的なフレームワークを概説する。
データ駆動プロジェクトは、開発サイクルと運用サイクルにまたがるデータに依存しているため、組織に新たな課題をもたらす。
これらの課題に対処するために、私たちは、データ駆動ソリューションのアイデアから本番環境への移行に関わる主なステップと役割を概説するフレームワークを紹介します。
これらのプロジェクトのデータ依存関係は、どのようなプロセスステップでも逸脱が発生する可能性があるため、継続的監視とフィードバックに関する追加の要件を必要とする。
したがって、このフレームワークは監視をセーフガードとしてだけでなく、継続的改善、コンプライアンス、持続的な価値実現を促進する統一的なフィードバックメカニズムとして、安全クリティカルなAIから組織運用までランタイム検証の概念を拡張する統計的および正式な保証方法の両方に組み込んでいる。
提案されたフレームワークは、コア技術プロセスと、新たなイニシアティブとAIプログラムの成熟をガイドするサービスをサポートするために構成されている。
関連論文リスト
- Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - Empowering Real-World: A Survey on the Technology, Practice, and Evaluation of LLM-driven Industry Agents [63.03252293761656]
本稿では,大規模言語モデル(LLM)に基づく産業エージェントの技術,応用,評価手法を体系的にレビューする。
エージェント能力の進歩を支える3つの重要な技術柱として,記憶,計画,ツール利用について検討する。
本稿では,デジタル工学,科学的発見,具体的インテリジェンス,協調ビジネス実行,複雑なシステムシミュレーションといった実世界の領域における産業エージェントの応用の概要について述べる。
論文 参考訳（メタデータ） (2025-10-20T12:46:55Z) - AI Asset Management for Manufacturing (AIM4M): Development of a Process Model for Operationalization [0.0]
本稿では,製造におけるAI資産のライフサイクル管理のための新しいプロセスモデルを提案する。
提案されたプロセスモデルは、AI資産をライフサイクル全体にわたって体系的に開発、デプロイ、管理する組織を支援することを目的としている。
論文 参考訳（メタデータ） (2025-09-15T08:45:17Z) - Bridging the Mobile Trust Gap: A Zero Trust Framework for Consumer-Facing Applications [51.56484100374058]
本稿では,信頼できないユーザ制御環境で動作するモバイルアプリケーションを対象としたZero Trustモデルを提案する。
デザインサイエンスの方法論を用いて、この研究は、実行時の信頼の強制をサポートする6つのピラーフレームワークを導入した。
提案したモデルは,デプロイ前コントロールを越えてモバイルアプリケーションをセキュアにするための,実用的で標準に準拠したアプローチを提供する。
論文 参考訳（メタデータ） (2025-08-20T18:42:36Z) - Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。
当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
論文 参考訳（メタデータ） (2025-07-03T02:45:51Z) - Cross-Functional AI Task Forces (X-FAITs) for AI Transformation of Software Organizations [9.847963830982241]
クロスファンクションAIタスクフォース(X-FAIT)は、戦略的AIの野心と運用実行のギャップを埋めることを目的としている。
X-FAITは、フォースフィールド分析、エグゼクティブスポンサーシップ、クロスファンクショナル統合、システマティックリスクアセスメント戦略を採用している。
論文 参考訳（メタデータ） (2025-05-15T07:07:14Z) - Semantic Integrity Constraints: Declarative Guardrails for AI-Augmented Data Processing Systems [39.23499993745249]
セマンティッククエリにおけるLLM出力に対する正当性条件を指定・強制するためのセマンティック整合性制約(SIC)を導入する。
SICは、従来のデータベース整合性制約をセマンティックセッティングに一般化し、グラウンド、サウンドネス、排他といった一般的なタイプの制約をサポートする。
本稿では,SICをクエリ計画と実行環境に統合するシステム設計について述べる。
論文 参考訳（メタデータ） (2025-03-01T19:59:25Z) - AIOps Solutions for Incident Management: Technical Guidelines and A Comprehensive Literature Review [0.29998889086656577]
本研究では,AIOpsの用語と分類について提案し,構造化されたインシデント管理手順を確立し,AIOpsフレームワークを構築するためのガイドラインを提供する。
目標は、インシデント管理のためのAIOpsの技術的および研究的な側面の包括的なレビューを提供することであり、知識を構造化し、ギャップを特定し、この分野における将来の発展の基礎を確立することを目的としている。
論文 参考訳（メタデータ） (2024-04-01T17:32:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。