論文の概要: A Practical Guide to Agentic AI Transition in Organizations

• arxiv url: http://arxiv.org/abs/2602.10122v1
• Date: Tue, 27 Jan 2026 10:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.710985
• Title: A Practical Guide to Agentic AI Transition in Organizations
• Title（参考訳）: 組織におけるエージェントAI移行の実践的ガイド
• Authors: Eranga Bandara, Ross Gore, Sachin Shetty, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Ravi Mukkamala, Peter Foytik, Safdar H. Bouk, Abdul Rahman, Xueping Liang, Amin Hass, Tharaka Hewa, Ng Wee Keong, Kasun De Zoysa, Aruna Withanage, Nilaan Loganathan,
• Abstract要約: エージェントAIは、組織内でのインテリジェンスの適用方法に大きな変化をもたらします。 本稿では,手動プロセスから自動エージェントAIシステムへ組織機能を移行するための実用的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 4.085087405595323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agentic AI represents a significant shift in how intelligence is applied within organizations, moving beyond AI-assisted tools toward autonomous systems capable of reasoning, decision-making, and coordinated action across workflows. As these systems mature, they have the potential to automate a substantial share of manual organizational processes, fundamentally reshaping how work is designed, executed, and governed. Although many organizations have adopted AI to improve productivity, most implementations remain limited to isolated use cases and human-centered, tool-driven workflows. Despite increasing awareness of agentic AI's strategic importance, engineering teams and organizational leaders often lack clear guidance on how to operationalize it effectively. Key challenges include an overreliance on traditional software engineering practices, limited integration of business-domain knowledge, unclear ownership of AI-driven workflows, and the absence of sustainable human-AI collaboration models. Consequently, organizations struggle to move beyond experimentation, scale agentic systems, and align them with tangible business value. Drawing on practical experience in designing and deploying agentic AI workflows across multiple organizations and business domains, this paper proposes a pragmatic framework for transitioning organizational functions from manual processes to automated agentic AI systems. The framework emphasizes domain-driven use case identification, systematic delegation of tasks to AI agents, AI-assisted construction of agentic workflows, and small, AI-augmented teams working closely with business stakeholders. Central to the approach is a human-in-the-loop operating model in which individuals act as orchestrators of multiple AI agents, enabling scalable automation while maintaining oversight, adaptability, and organizational control.
• Abstract（参考訳）: エージェントAIは、AI支援ツールを越えて、推論、意思決定、ワークフロー間の協調的なアクションが可能な自律システムへと、組織内でのインテリジェンスの適用方法を大きく変えている。 これらのシステムが成熟するにつれて、手動の組織プロセスのかなりの部分を自動化することができ、作業の設計、実行、管理の方法を根本的に変えることができます。 多くの組織は生産性を向上させるためにAIを採用しているが、ほとんどの実装は独立したユースケースと人間中心のツール駆動ワークフローに限られている。 エージェントAIの戦略的重要性に対する認識が高まる一方で、エンジニアリングチームと組織リーダーは、効果的に運用する方法に関する明確なガイダンスを欠いていることが多い。 主な課題は、従来のソフトウェアエンジニアリングプラクティスへの過度な依存、ビジネスドメイン知識の限定的な統合、AI駆動ワークフローの明確な所有、持続可能な人間とAIのコラボレーションモデルがないことである。 その結果、組織は実験を超えてエージェントシステムをスケールし、具体的なビジネス価値と整合させることに苦労しています。 本稿では,複数の組織やビジネスドメインにまたがってエージェントAIワークフローを設計・展開する実践的な経験に基づいて,手動プロセスから自動エージェントAIシステムへ組織機能を移行するための実践的なフレームワークを提案する。 このフレームワークは、ドメイン駆動のユースケース識別、AIエージェントへのタスクの体系的な委譲、エージェントワークフローの構築、ビジネスステークホルダーと密接に連携するAI拡張された小さなチームを強調している。 このアプローチの中心は、個人が複数のAIエージェントのオーケストレータとして機能し、監視、適応性、組織管理を維持しながらスケーラブルな自動化を可能にする、ループ内の人間運用モデルである。

関連論文リスト

• Adaptation of Agentic AI [162.63072848575695]
  我々は、急速に拡大する研究環境を、エージェント適応とツール適応の両方にまたがる体系的な枠組みに統一する。 エージェントAIにおける適応戦略の設計空間を明らかにする上で,本フレームワークが有効であることを示す。 次に、各カテゴリの代表的アプローチをレビューし、その強みと限界を分析し、主要なオープン課題と今後の機会を強調します。
  論文  参考訳（メタデータ） (2025-12-18T08:38:51Z)
• A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows [4.3073750462661256]
  Agentic AIは、自律システムがマルチステップタスクを推論、計画、実行する方法において大きな変化を示す。 本稿では、生産品質の高いエージェントAIシステムを設計、開発、展開するための実用的でエンドツーエンドのガイドを提供する。
  論文  参考訳（メタデータ） (2025-12-09T16:23:05Z)
• Agentic AI for Mobile Network RAN Management and Optimization [0.0]
  エージェントAIは、大型AIモデル(LAM)を使用して複雑なシステムを自動化するための新しいパラダイムである。 本稿では,従来のエージェントからエージェントAIへの進化をたどることで,5Gおよび6GネットワークにおけるエージェントAIの継続的な研究に貢献する。 コアデザインパターン(リフレクション、計画、ツールの使用、マルチエージェントのコラボレーション)が説明され、インテリジェントな振る舞いがどのように編成されているかが説明されます。
  論文  参考訳（メタデータ） (2025-11-04T12:34:57Z)
• AssetOpsBench: Benchmarking AI Agents for Task Automation in Industrial Asset Operations and Maintenance [7.110126223593506]
  本稿では,これまで異なる専門知識と手動調整を必要としていたタスクを,AIエージェントが自律的に管理する未来を想定する。 AssetOpsBench - ドメイン固有のエージェントの開発、オーケストレーション、評価をガイドするために設計された、統合されたフレームワークと環境。 我々は,このような包括的システムに対する重要な要件を概説し,実世界の産業活動に対する認識,推論,制御を統合するエージェント構築に関する実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2025-06-04T10:57:35Z)
• AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [3.7414278978078204]
  このレビューは、AIエージェントとエージェントAIを批判的に区別し、構造化された概念分類、アプリケーションマッピング、そして、異なる設計哲学と能力を明らかにするための機会と課題の分析を提供する。
  論文  参考訳（メタデータ） (2025-05-15T16:21:33Z)
• TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
  我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。 最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。 これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
  論文  参考訳（メタデータ） (2024-12-18T18:55:40Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。