論文の概要: Governance by Design: Architecting Agentic AI for Organizational Learning and Scalable Autonomy

• arxiv url: http://arxiv.org/abs/2605.20210v1
• Date: Fri, 17 Apr 2026 09:03:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.974958
• Title: Governance by Design: Architecting Agentic AI for Organizational Learning and Scalable Autonomy
• Title（参考訳）: 設計によるガバナンス: 組織的学習とスケーラブルな自律性のためのエージェントAIの構築
• Authors: Nelly Dux, Cristina Alaimo, Philippe Roussiere, Abhishek Kumar Mishra,
• Abstract要約: エージェントAIシステムは、多段階計画とツールによる行動を通じて目標を追求することができる。 この移行は、実装、スケーリング、ガバナンスにおける緊張をもたらす。 ガバナンスは、システムが何をすることを許すかを決定する具体的なアーキテクチャと作業のアレンジによって実装されていることを示す。
• 参考スコア（独自算出の注目度）: 0.3499870393443268
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Agentic AI systems - systems that can pursue goals through multi-step planning and tool-mediated action with limited direct supervision - are moving from experimental prototypes to enterprise deployments. This transition introduces tensions in implementation, scaling, and governance: organizations seek scalable autonomy for knowledge and coordination work, yet must preserve accountability, safety, cost control, and responsibility as systems initiate actions, access enterprise data, and evolve through iterative updates. Building on an in-depth qualitative case of a large IT services company's 2025 development and staged rollout of an agentic system integrated with enterprise tools; we show that governance is implemented through concrete architectural and working arrangements that determine what the system is allowed to do, which tools and data it can use, how memory is handled, and how performance improvements are introduced over time. We then distill seven lessons that explain how to build effective governance into agentic AI during operationalization and scaling.
• Abstract（参考訳）: エージェントAIシステム – マルチステップの計画とツールによる行動を通じて目標を追求できるシステム – は,試験的なプロトタイプから企業展開へと移行している。 組織は知識と調整作業のためにスケーラブルな自律性を求めるが、システムはアクションを開始し、エンタープライズデータにアクセスし、反復的な更新を通じて進化するので、説明責任、安全性、コスト管理、責任を保たなければならない。 大規模ITサービス企業の2025年の開発と、エンタープライズツールと統合されたエージェントシステムの段階的なロールアウトの詳細な定性的なケースに基づいて、ガバナンスは、システムが何をするか、どのようなツールやデータを使用できるか、メモリをどのように扱うか、そして、時間とともにパフォーマンス改善をどのように導入するかを決定する具体的なアーキテクチャと作業のアレンジによって実装されていることを示す。 次に、運用とスケーリングの間、エージェントAIに効果的なガバナンスを構築する方法を説明する7つの教訓を掘り下げます。

関連論文リスト

• Data-driven and distributed governance of building facilities management using decentralized autonomous organization, digital twin, and large language models [1.6767862854236946]
  本稿では,スマートビルディング管理のための新しいAIとデータ駆動型分散ガバナンスフレームワークを紹介する。 このフレームワークは、分散自律組織(DAO)、デジタルツイン、大規模言語モデル(LLM)、ブロックチェーン技術を統合する。
  論文  参考訳（メタデータ） (2026-04-16T20:10:35Z)
• AI Governance Control Stack for Operational Stability: Achieving Hardened Governance in AI Systems [0.0]
  本稿では、トレーサブルでレジリエントなAIシステムの動作を保証するために設計された階層型ガバナンスアーキテクチャである、運用安定のためのAIガバナンス制御スタックを紹介する。 提案したコントロールスタックには,システム・オブ・レコーズ・バージョン管理,エビデンスに基づく検証,意思決定時の説明可能性ロギング,テレメトリ監視,モデルドリフト検出,ガバナンスエスカレーションという,6つの補完的なガバナンスレイヤが統合されている。
  論文  参考訳（メタデータ） (2026-03-12T19:01:42Z)
• A Practical Guide to Agentic AI Transition in Organizations [4.085087405595323]
  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。
  論文  参考訳（メタデータ） (2026-01-27T10:49:59Z)
• 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)
• Autonomous Data Agents: A New Opportunity for Smart Data [50.02229219403014]
  DataAgentsは、自律的なデータから知識システムへのパラダイムシフトを表している、とReportは主張する。 DataAgentsは、複雑で非構造化されたデータをコヒーレントで行動可能な知識に変換する。 エージェントAIとデータ・トゥ・ナレッジシステムの収束が重要なトレンドとなっている理由を最初に検討する。
  論文  参考訳（メタデータ） (2025-09-23T06:46:41Z)
• 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)
• 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)
• The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey [0.0]
  本稿では,AIエージェントの実装の最近の進歩について考察する。 推論、計画、ツールの実行能力の強化を必要とする複雑な目標を達成する能力に重点を置いている。
  論文  参考訳（メタデータ） (2024-04-17T17:32:41Z)
• 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)

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。