論文の概要: Governing Technical Debt in Agentic AI Systems
- arxiv url: http://arxiv.org/abs/2605.29129v1
- Date: Wed, 27 May 2026 21:42:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.536002
- Title: Governing Technical Debt in Agentic AI Systems
- Title（参考訳）: エージェントAIシステムにおける技術的負債の回避
- Authors: Muhammad Zia Hydari, Raja Iqbal, Narayan Ramasubbu,
- Abstract要約: Agentic Technical Debtは,プロンプトやメモリ,ツールスキーマ,オーケストレーショングラフ,コントロールポリシ,可観測性ルーチンが,検証や標準化,管理よりも高速にパッチされる場合に発生する,累積的な負債として定義します。
我々は,納税を,許容範囲内に確率的エージェントの挙動を維持することの繰り返し運用負担として定義する。
マネージャが軽量ダッシュボードとガバナンスコントロールを通じて、見えるようにする方法を概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic AI systems are increasingly being explored as production infrastructure: they reason over multiple steps, call tools, act through workflows, and adapt through memory and feedback. These systems create governance challenges that are not fully captured by traditional software or predictive ML technical debt. We define Agentic Technical Debt as the accumulated liability created when prompts, memory, tool schemas, orchestration graphs, control policies, and observability routines are patched together faster than they can be validated, standardized, and governed. We define Stochastic Tax as the recurring operating burden of keeping probabilistic agent behavior within acceptable bounds. The distinction matters: debt is a stock of design and governance liability, while the tax is a flow of operating cost that arises because stochastic agents act through tools and workflows. We outline how managers can make both visible through lightweight dashboards and governance controls.
- Abstract（参考訳）: エージェントAIシステムは、複数のステップを理由付け、ツールを呼び出し、ワークフローを通じて行動し、メモリとフィードバックを通じて適応するという、運用インフラストラクチャとしてますます研究されている。
これらのシステムは、従来のソフトウェアや予測的ML技術的負債によって完全に捉えられていないガバナンスの課題を生み出します。
Agentic Technical Debtは、プロンプト、メモリ、ツールスキーマ、オーケストレーショングラフ、コントロールポリシ、可観測性ルーチンが、検証、標準化、管理よりも早くパッチが当てられる場合に発生する累積的負債として定義します。
我々は,確率的エージェントの挙動を許容範囲内に維持する作業の繰り返し負担として,確率的税を定めている。
負債は設計とガバナンスの負債のストックであり、税は運用コストの流れであり、それは確率的エージェントがツールやワークフローを通じて作用するためである。
マネージャが軽量ダッシュボードとガバナンスコントロールを通じて、見えるようにする方法を概説する。
関連論文リスト
- Modeling Agentic Technical Debt and Stochastic Tax: A Standalone Framework for Measurement, Simulation, and Dashboarding [0.0]
このノートは、エージェント技術的負債と税を区別する形式的かつ管理的に使用可能なモデルを開発する。
2つの構造は関連しているが、それらは同じではない: 負債は税を増幅でき、一方、負債が最小化されても税は肯定的である。
論文 参考訳（メタデータ） (2026-05-26T17:28:30Z) - Redrawing the AI Map: A Theory of Accountability Boundaries in Agentic Ecosystems [0.0]
エージェント生態系における説明責任境界配置の能力レベル理論を開発する。
検証コストと責任伝達性は、実行と説明責任の境界が一緒に動けるかどうかを決定する。
この理論は、デジタルモジュール化が組織的解体にまで拡張され、説明責任が機能の統合を維持していることを説明している。
論文 参考訳（メタデータ） (2026-05-22T02:57:55Z) - ContextFlow: Hierarchical Task-State Alignment for Long-Horizon Embodied Agents [41.517468049737936]
ロングホライゾンの実施するエージェントは、ナビゲーション、探索、アプローチ、操作を専門家に委任する傾向にある。
タスク状態の不整合(Task-state misalignment)、すなわち、プランナーのアクティブステージ、実行時のエビデンス、記憶されたコンテキスト、委任されたエグゼクティブが、もはや同じ次のステップの決定を正当化しないタスクレベルの整合性障害(Task-level consistency failure)について研究する。
我々は,段階を明示的な契約として表現し,実行時の観察結果をエビデンスパケットに変換し,スコープ付き更新を適用する検査可能なアライメントフレームワークであるContextFlowを提案する。
論文 参考訳（メタデータ） (2026-05-19T03:49:17Z) - Going Headless? On the Boundaries of Vertical AI Firms [0.0]
汎用AIエージェントがこのパッケージを解き放ち、創業者や投資家は「ヘッドレス化」を主張
この記事は、ヘッドレス化は企業によっては正しいし、他の企業にとっては破壊的だ、と論じている。
セクターではなくタスク・アカウンタビリティ・レジームによって決定される3つの分類法を提案する。
論文 参考訳（メタデータ） (2026-05-18T03:38:29Z) - From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation [45.37258918150899]
本稿では,操作タスクを有向タスクグラフとしてモデル化するエージェントシステムであるAgentChordを紹介する。
実行前に、このグラフには、コンテキスト対応の修正動作を指定する予測リカバリブランチが組み込まれている。
多様な長距離双方向操作タスクに関する実証研究は、AgentChordが成功率と実行効率を大幅に改善することを示した。
論文 参考訳（メタデータ） (2026-05-12T11:00:45Z) - Accountable Agents in Software Engineering: An Analysis of Terms of Service and a Research Roadmap [10.967845122224299]
本稿では、広く使われているAIコーディングアシスタントとエージェント対応開発ツールについて、サービス規約の比較分析を行う。
分析の結果,ユーザの正当性,安全性,法的コンプライアンスに対する責任が一貫した傾向が明らかとなった。
既存のポリシーフレームワークは、ますますエージェントによる、自律的なソフトウェア開発と不整合である、と私たちは主張する。
論文 参考訳（メタデータ） (2026-05-06T06:18:59Z) - Governance by Design: Architecting Agentic AI for Organizational Learning and Scalable Autonomy [0.3499870393443268]
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。
論文 参考訳（メタデータ） (2026-04-17T09:03:42Z) - When Should a Robot Think? Resource-Aware Reasoning via Reinforcement Learning for Embodied Robotic Decision-Making [68.12864562049957]
身体ロボットシステムは、高レベルの推論をサポートするために、大規模言語モデル(LLM)ベースのエージェントにますます依存している。
エージェントはいつ、いつ、いつ行動すべきか?
本稿では,エンボディエージェントのリソース・アウェア・オーケストレーションのための階層的なフレームワークであるRARRL(Resource-Aware Reasoning via Reinforcement Learning)を提案する。
論文 参考訳（メタデータ） (2026-03-17T15:38:50Z) - Beyond the 'Diff': Addressing Agentic Entropy in Agentic Software Development [42.371764229953165]
エージェントによる決定が時間やツールコール,アーキテクチャ境界を越えてどのように展開されるかを明らかにする,プロセス指向の説明可能性フレームワークを提案する。
私たちのアプローチは、既存のレビュープラクティスを置き換えるのではなく、補完するインテントレベルのテレメトリを提供します。
認知的ドリフトをコード品質と並んで第一級の関心事として扱うことで、エージェントの監視に必要な人間の理解の最小レベルを安定的に維持する。
論文 参考訳（メタデータ） (2026-03-03T12:55:28Z) - Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。
我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。
この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文 参考訳（メタデータ） (2025-12-27T01:52:06Z)
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。