論文の概要: Beyond Text-to-SQL: An Agentic LLM System for Governed Enterprise Analytics APIs

• arxiv url: http://arxiv.org/abs/2605.21027v1
• Date: Wed, 20 May 2026 11:00:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.633883
• Title: Beyond Text-to-SQL: An Agentic LLM System for Governed Enterprise Analytics APIs
• Title（参考訳）: テキストからSQLへ - オーバテッドなエンタープライズアナリティクスAPIのためのエージェントLLMシステム
• Authors: Gundeep Singh, Parsa Kavehzadeh, Jing Xia, Xue-Yong Fu, Julien Bouvier Tremblay, Md Tahmid Rahman Laskar, Vincent Lum, Shashi Bhushan TN,
• Abstract要約: Analytic Agentは、自然言語の意図をエンタープライズ分析APIとのセキュアなインタラクションに変換する。 ドメインの専門家が構築した90の実際のエンタープライズユースケースの評価。 マルチステップ推論とポリシ対応オーケストレーションを通じて、準拠した視覚化を生成する。
• 参考スコア（独自算出の注目度）: 8.013702022150422
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Enterprise analytics aims to make organizational data accessible for decision-making, yet non-technical users still face barriers when using traditional business intelligence tools or Text-to-SQL systems. While recent Text-to-SQL approaches based on Large Language Models (LLMs) promise natural language access to structured data, they fall short in enterprise settings where analytics pipelines rely on governed APIs rather than raw databases. In practice, these APIs encapsulate complex business logic to ensure consistency, auditability, and security. However, delegating mathematical or aggregation logic to an LLM introduces reliability and compliance risks. To this end, we present Analytic Agent, an LLM-based agentic system that translates natural language intents into secure interactions with enterprise analytics APIs. Evaluated on 90 real enterprise use cases constructed by domain experts, it reliably interprets user goals, validates permissions, executes governed queries, and generates compliant visualizations through multi-step reasoning and policy-aware orchestration.
• Abstract（参考訳）: エンタープライズ分析は、意思決定のために組織データをアクセスできるようにすることを目的としているが、従来のビジネスインテリジェンスツールやテキストからSQLシステムを使用する場合、技術的でないユーザは依然として障壁に直面している。 最近のLarge Language Models(LLMs)に基づくText-to-SQLアプローチでは、構造化データへの自然言語アクセスが保証されているが、分析パイプラインが生データベースではなく管理APIに依存しているエンタープライズ環境では不足している。 実際には、これらのAPIは複雑なビジネスロジックをカプセル化して、一貫性、監査可能性、セキュリティを保証する。 しかし、数学的論理や集約論理を LLM に委譲すると、信頼性とコンプライアンスのリスクが生じる。 そこで本研究では,LLMをベースとしたエージェントシステムであるAnalytic Agentについて述べる。 ドメインの専門家によって構築された90の実際のエンタープライズユースケースに基づいて評価され、ユーザ目標を確実に解釈し、パーミッションを検証し、管理されたクエリを実行し、多段階の推論とポリシー対応のオーケストレーションを通じて準拠した視覚化を生成する。

関連論文リスト

• PMAx: An Agentic Framework for AI-Driven Process Mining [44.712128560040384]
  仮想プロセスアナリストとして機能する自律エージェントフレームワークであるPMAxを提案する。 プロセスモデルの生成や解析結果の計算にLLMに頼るのではなく、プライバシを保存するマルチエージェントアーキテクチャを採用している。
  論文  参考訳（メタデータ） (2026-03-16T14:35:39Z)
• LLM and Agent-Driven Data Analysis: A Systematic Approach for Enterprise Applications and System-level Deployment [17.572976426351318]
  ジェネレーティブAIとエージェント技術は、エンタープライズデータ管理と分析を変革している。 従来のデータベースアプリケーションとシステムデプロイメントは、AI駆動のツールによって根本的に影響を受ける。 データセキュリティとコンプライアンスは、AI技術を採用する組織にとって最優先事項である。
  論文  参考訳（メタデータ） (2025-11-21T07:16:31Z)
• LAFA: Agentic LLM-Driven Federated Analytics over Decentralized Data Sources [35.235993431071286]
  大規模言語モデル(LLM)は、自然言語クエリを解釈することで、データ分析タスクを自動化するという大きな可能性を示しています。 既存のLLMベースの分析フレームワークは、集中型データアクセスの前提で運用されており、プライバシー保護はほとんど、あるいは全く提供されない。 LLMをベースとしたデータ分析とフェデレーション分析を統合した最初のシステムであるLAFAを提案する。
  論文  参考訳（メタデータ） (2025-10-21T09:56:25Z)
• Transparent, Evaluable, and Accessible Data Agents: A Proof-of-Concept Framework [0.0]
  本稿では、AIエージェントの開発と評価のためのモジュール型コンポーネントベースのアーキテクチャについて述べる。 このシステムは、技術的でないユーザが複雑なデータウェアハウスと対話できるようにすることによって、データアクセシビリティにおける中核的な課題に対処する。 設計の要点は、多層推論フレームワークを通じて達成される透明な意思決定へのコミットメントである。
  論文  参考訳（メタデータ） (2025-09-28T23:54:41Z)
• LLM/Agent-as-Data-Analyst: A Survey [54.08761322298559]
  大規模言語モデル(LLM)とエージェント技術は、データ分析タスクの機能と開発パラダイムに根本的な変化をもたらした。 LLMは複雑なデータ理解、自然言語、意味分析機能、自律パイプラインオーケストレーションを可能にする。
  論文  参考訳（メタデータ） (2025-09-28T17:31:38Z)
• IDA-Bench: Evaluating LLMs on Interactive Guided Data Analysis [60.32962597618861]
  IDA-Benchは、多ラウンドの対話シナリオで大規模言語モデルを評価する新しいベンチマークである。 エージェント性能は、最終的な数値出力と人間由来のベースラインを比較して判断する。 最先端のコーディングエージェント(Claude-3.7-thinkingなど)でさえ50%のタスクを成功させ、シングルターンテストでは明らかでない制限を強調している。
  論文  参考訳（メタデータ） (2025-05-23T09:37:52Z)
• A Framework for Testing and Adapting REST APIs as LLM Tools [11.757827071584737]
  大きな言語モデル(LLM)は、外部ツールで複雑なタスクを実行する自律エージェントを構築するために、ますます使われています。 現在のベンチマークではこれらの課題を見落としており、エージェント駆動自動化のためのAPI準備性の評価のギャップが残っている。 LLMエージェント用のPythonツールとしてラップされたエンタープライズAPIを体系的に評価するテストフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T02:52:08Z)
• UQE: A Query Engine for Unstructured Databases [71.49289088592842]
  構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。 本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
  論文  参考訳（メタデータ） (2024-06-23T06:58:55Z)

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。