論文の概要: Knowledge Activation: AI Skills as the Institutional Knowledge Primitive for Agentic Software Development
- arxiv url: http://arxiv.org/abs/2603.14805v1
- Date: Mon, 16 Mar 2026 04:10:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:36.045529
- Title: Knowledge Activation: AI Skills as the Institutional Knowledge Primitive for Agentic Software Development
- Title（参考訳）: 知識活性化:エージェントソフトウェア開発のための制度的知識プリミティブとしてのAIスキル
- Authors: Gal Bakal,
- Abstract要約: 本稿では、エージェント消費可能な知識のオープンスタンダードであるAIスキルを、構造化されたガバナンス対応の原子知識ユニット(AKU)に専門化するフレームワークを紹介する。
AKUは、実行時にトラバースを行う構成可能な知識グラフを形成する。
この論文は、このアーキテクチャに必要なリソースの制約を形式化し、AKUスキーマとデプロイメントアーキテクチャを規定し、知識コモンズの実践における長期の保守を基礎としています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Enterprise software organizations accumulate critical institutional knowledge - architectural decisions, deployment procedures, compliance policies, incident playbooks - yet this knowledge remains trapped in formats designed for human interpretation. The bottleneck to effective agentic software development is not model capability but knowledge architecture. When any knowledge consumer - an autonomous AI agent, a newly onboarded engineer, or a senior developer - encounters an enterprise task without institutional context, the result is guesswork, correction cascades, and a disproportionate tax on senior engineers who must manually supply what others cannot infer. This paper introduces Knowledge Activation, a framework that specializes AI Skills - the open standard for agent-consumable knowledge - into structured, governance-aware Atomic Knowledge Units (AKUs) for institutional knowledge delivery. Rather than retrieving documents for interpretation, AKUs deliver action - ready specifications encoding what to do, which tools to use, what constraints to respect, and where to go next - so that agents act correctly and engineers receive institutionally grounded guidance without reconstructing organizational context from scratch. AKUs form a composable knowledge graph that agents traverse at runtime - compressing onboarding, reducing cross - team friction, and eliminating correction cascades. The paper formalizes the resource constraints that make this architecture necessary, specifies the AKU schema and deployment architecture, and grounds long - term maintenance in knowledge commons practice. Organizations that architect their institutional knowledge for the agentic era will outperform those that invest solely in model capability.
- Abstract（参考訳）: エンタープライズソフトウェア組織は、アーキテクチャ決定、デプロイメント手順、コンプライアンスポリシー、インシデントプレイブックといった重要な制度的知識を蓄積します。
効果的なエージェント型ソフトウェア開発のボトルネックは、モデル能力ではなく、知識アーキテクチャである。
自律的なAIエージェント、新たに搭載されたエンジニア、あるいはシニア開発者といった知識消費者が、制度的な文脈なしにエンタープライズタスクに遭遇した場合、結果は推測作業、修正カスケード、手動で推論できないものを供給しなければならない上級エンジニアに対する不公平な税である。
本稿では、AIスキル(エージェント消費可能な知識のオープンスタンダード)を専門とするフレームワークであるKnowledge Activationを、組織的知識提供のための構造化されたガバナンス対応の原子知識ユニット(AKU)に導入する。
解釈のためのドキュメントを取得する代わりに、AKUはアクションを提供する - 何を行うべきか、どのツールを使うか、どの制約を尊重するか、次に何をするかをコーディングする準備の整った仕様 - エージェントが正しく行動し、エンジニアが組織コンテキストをゼロから再構築することなく、制度的に根底からガイダンスを受け取るようにする。
AKUは、実行時にトラバースを処理し、オンボーディングを圧縮し、クロスチーム摩擦を低減し、修正カスケードを削除する、構成可能なナレッジグラフを形成する。
この論文は、このアーキテクチャに必要なリソースの制約を形式化し、AKUスキーマとデプロイメントアーキテクチャを規定し、知識コモンズの実践における長期の保守を基礎としています。
エージェント時代の制度的な知識を設計する組織は、モデル能力にのみ投資する組織よりも優れています。
関連論文リスト
- Context Engineering: From Prompts to Corporate Multi-Agent Architecture [0.0]
関連性, 十分性, 孤立性, 経済性, 証明性, およびエージェントのオペレーティングシステムとしてのコンテキストフレームの5つの品質基準を提案する。
Intent Engineeringは、組織目標、価値、トレードオフ階層をエージェントインフラストラクチャにエンコードする。
仕様工学は、大規模にマルチエージェントシステムの自律的な運用を可能にする企業方針と標準の機械可読コーパスを作成する。
論文 参考訳（メタデータ） (2026-03-10T12:58:31Z) - Developing an AI Assistant for Knowledge Management and Workforce Training in State DOTs [0.6445594641258019]
本稿では,知識管理と意思決定を支援するマルチエージェントアーキテクチャを備えたRAG(Retrieval-Augmented Generation)フレームワークを提案する。
従来のシングルパスRAGシステムとは異なり、提案フレームワークは検索、回答生成、評価、クエリ改善のために複数の特殊エージェントを使用する。
論文 参考訳（メタデータ） (2026-02-07T20:00:07Z) - AgenticAKM : Enroute to Agentic Architecture Knowledge Management [2.625250413679978]
アーキテクチャ知識管理(AKM)は、ソフトウェアプロジェクトにおいて、現在かつ包括的なソフトウェアアーキテクチャ知識(AK)を維持するために不可欠である。
本稿では,AKM のエージェント的アプローチである AgenticAKM を提案し,アーキテクチャ回復とドキュメントの複雑な問題を,管理可能なサブタスクに分解する。
論文 参考訳（メタデータ） (2026-02-04T11:16:07Z) - From Scattered to Structured: A Vision for Automating Architectural Knowledge Management [0.9310318514564274]
さまざまなアーティファクトからアーキテクチャ知識を体系的に抽出する自動化パイプラインを構想する。
この知識基盤は、アーキテクチャ適合性チェックや変更影響分析などの重要な活動を可能にする。
論文 参考訳（メタデータ） (2026-01-27T12:42:16Z) - Toward a Theory of Agents as Tool-Use Decision-Makers [89.26889709510242]
真の自律性は、エージェントが、彼らが知っていること、必要なこと、そしてその知識を効率的に獲得する方法を統治する、一貫性のある疫学の枠組みに根ざす必要がある、と我々は主張する。
本研究では,内的推論と外的行動を等価な疫学ツールとして扱う統一理論を提案し,エージェントが内観と相互作用を体系的に調整することを可能にする。
この視点は、エージェントの設計を単なるアクションエグゼクタから知識駆動インテリジェンスシステムにシフトさせ、適応的で効率的でゴール指向の行動が可能な基礎エージェントを構築するための原則化された道筋を提供する。
論文 参考訳（メタデータ） (2025-06-01T07:52:16Z) - Agentic Knowledgeable Self-awareness [79.25908923383776]
KnowSelfはデータ中心のアプローチで、人間のような知識のある自己認識を持つエージェントを応用する。
我々の実験により、KnowSelfは、外部知識を最小限に使用して、様々なタスクやモデルにおいて、様々な強力なベースラインを達成できることが実証された。
論文 参考訳（メタデータ） (2025-04-04T16:03:38Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language
Models [100.4659557650775]
構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。
どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
論文 参考訳（メタデータ） (2023-05-02T17:33:28Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
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。