論文の概要: The Agentic Automation Canvas: a structured framework for agentic AI project design
- arxiv url: http://arxiv.org/abs/2602.15090v1
- Date: Mon, 16 Feb 2026 16:46:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 16:03:17.868301
- Title: The Agentic Automation Canvas: a structured framework for agentic AI project design
- Title（参考訳）: Agentic Automation Canvas:エージェントAIプロジェクト設計のための構造化フレームワーク
- Authors: Sebastian Lobentanzer,
- Abstract要約: 本稿ではエージェントシステム設計のための構造化フレームワークであるエージェント自動化Canvas(AAC)について述べる。
AACは自動化プロジェクトの6つの側面を捉えている。定義とスコープ、定量化された利益指標によるユーザ期待、開発者の実現可能性評価、ガバナンスのステージングである。
リアルタイムのバリデーションを備えたクライアントサイドのWebアプリケーションを通じてアクセスすることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic AI prototypes are being deployed across domains with increasing speed, yet no methodology for their structured design, governance, and prospective evaluation has been established. Existing AI documentation practices and guidelines - Model Cards, Datasheets, or NIST AI RMF - are either retrospective or lack machine-readability and interoperability. We present the Agentic Automation Canvas (AAC), a structured framework for the prospective design of agentic systems and a tool to facilitate communication between their users and developers. The AAC captures six dimensions of an automation project: definition and scope; user expectations with quantified benefit metrics; developer feasibility assessments; governance staging; data access and sensitivity; and outcomes. The framework is implemented as a semantic web-compatible metadata schema with controlled vocabulary and mappings to established ontologies such as Schema.org and W3C DCAT. It is made accessible through a privacy-preserving, fully client-side web application with real-time validation. Completed canvases export as FAIR-compliant RO-Crates, yielding versioned, shareable, and machine-interoperable project contracts between users and developers. We describe the schema design, benefit quantification model, and prospective application to diverse use cases from research, clinical, and institutional settings. The AAC and its web application are available as open-source code and interactive web form at https://aac.slolab.ai
- Abstract（参考訳）: エージェントAIプロトタイプは、スピードを増してドメイン全体にデプロイされているが、構造化された設計、ガバナンス、将来的な評価のための方法論は確立されていない。
既存のAIドキュメントのプラクティスとガイドライン – モデルカード,データシート,あるいはNIST AI RMF – は,レトロスペクティブあるいはマシン可読性と相互運用性の欠如のいずれかである。
本稿では,エージェント・オートメーション・Canvas(AAC)について紹介する。エージェント・システムの将来設計のための構造化されたフレームワークであり,ユーザと開発者のコミュニケーションを容易にするツールである。
AACは自動化プロジェクトの6つの側面を捉えている。定義とスコープ、定量化された利益指標によるユーザ期待、開発者のフィージビリティアセスメント、ガバナンスのステージング、データアクセスと感度、結果。
このフレームワークはセマンティックなWeb互換メタデータスキーマとして実装され、制御された語彙とSchema.orgやW3C DCATといった既存のオントロジーにマッピングされる。
リアルタイムのバリデーションを備えた、プライバシ保護と完全なクライアントサイドのWebアプリケーションを通じてアクセスすることができる。
完全なキャンバスはFAIR準拠のRO-Cratesとしてエクスポートされ、ユーザと開発者の間でバージョン管理され、共有可能で、マシンで相互運用可能なプロジェクトコントラクトが提供される。
本稿では, スキーマ設計, 利益定量化モデル, および研究, 臨床, 制度的な状況から, 多様なユースケースへの将来的応用について述べる。
AACとそのWebアプリケーションは、https://aac.slolab.ai.comでオープンソースコードとインタラクティブWebフォームとして利用可能である。
関連論文リスト
- ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - Enterprise Identity Integration for AI-Assisted Developer Services: Architecture, Implementation, and Case Study [0.0]
本稿では, OAuth 2.0 と OpenID Connect (OIDC) を MCP 対応開発環境に組み込んだ実用的アーキテクチャを提案する。
PythonベースのMPPサーバであるVisual Studio Codeと、OIDC準拠のIdPを使ったプロトタイプ実装は、実現可能性を示している。
このアプローチは、ID保証と監査性を維持しながら、AI支援の開発者ツールを採用する組織に対して、デプロイ可能なパターンを提供する。
論文 参考訳（メタデータ） (2026-01-06T04:17:52Z) - Affordance Representation and Recognition for Autonomous Agents [64.39018305018904]
本稿では,構造化データを用いた世界モデリングのためのパターン言語を提案する。
DOMトランスダクションパターンは、Webページの複雑さの課題に対処する。
Hypermedia Affordances Recognition Patternは、エージェントがその世界モデルを動的に強化することを可能にする。
論文 参考訳（メタデータ） (2025-10-28T14:27:28Z) - Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support [1.506501956463029]
リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。
ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
論文 参考訳（メタデータ） (2025-10-10T10:58:15Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。
既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。
協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
論文 参考訳（メタデータ） (2025-07-24T09:17:41Z) - HADA: Human-AI Agent Decision Alignment Architecture [0.0]
HADAはプロトコルとフレームワークのリファレンスアーキテクチャであり、大きな言語モデル(LLM)エージェントとレガシーアルゴリズムの両方を組織的目標と値に一致させる。
技術的および非技術的アクターは、戦略的、戦術的、リアルタイムな地平線を越えて、あらゆる決定をクエリ、ステア、監査、または競合することができる。
論文 参考訳（メタデータ） (2025-06-01T14:04:52Z) - Quantitative Assurance and Synthesis of Controllers from Activity
Diagrams [4.419843514606336]
確率的モデル検査は、定性的および定量的な性質を自動検証するために広く用いられている形式的検証手法である。
これにより、必要な知識を持っていない研究者やエンジニアにはアクセスできない。
本稿では,確率時間の新しいプロファイル,品質アノテーション,3つのマルコフモデルにおけるADの意味論的解釈,アクティビティ図からPRISM言語への変換ルールのセットなど,ADの総合的な検証フレームワークを提案する。
最も重要なことは、モデルをベースとした手法を用いて、完全自動検証のための変換アルゴリズムを開発し、QASCADと呼ばれるツールで実装したことです。
論文 参考訳（メタデータ） (2024-02-29T22:40:39Z) - CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in
Cyber-Physical Production Systems [1.5701326192371183]
CAAIは、サイバー物理生産システムにおける人工知能の認知アーキテクチャである。
CAAIの中核は、ユーザの宣言的な目標を処理する認知モジュールである。
パイプラインの性能を評価する性能基準に対する一定の観察と評価を行う。
論文 参考訳（メタデータ） (2020-02-26T16:27:07Z)
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。