論文の概要: Is US Defense Acquisition Ready to Acquire AI-Enabled Capabilities? Assessing the DoD Software Acquisition Pathway Through a Scenario-Based Policy Analysis

• arxiv url: http://arxiv.org/abs/2606.07393v1
• Date: Fri, 05 Jun 2026 15:30:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.828471
• Title: Is US Defense Acquisition Ready to Acquire AI-Enabled Capabilities? Assessing the DoD Software Acquisition Pathway Through a Scenario-Based Policy Analysis
• Title（参考訳）: 米国国防軍によるAI能力獲得の準備は整っているか?シナリオベースの政策分析によるDoDソフトウェア獲得の道の評価
• Authors: Daniel Lugo, James C. Davis,
• Abstract要約: アメリカ国防総省はAdaptive Acquisition Frameworkを通じてその買収プロセスを近代化した。 本稿では、SWPがAI獲得のユニークな要求に対応するのに十分であるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 6.962685892199527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As AI systems transition from experimental prototypes to mission-critical tools, their dependence on dynamic data, evolving models, and governance raises questions about whether existing acquisition pathways can keep pace. The U.S. Department of Defense has modernized its acquisition processes through the Adaptive Acquisition Framework, with the Software Acquisition Pathway (SWP) serving as the primary mechanism for acquiring software-intensive capabilities. This paper evaluates whether SWP is sufficient to address the unique demands of AI acquisition. In this work, we perform a scenario-based evaluation that traces a notional AI-enabled program through key SWP planning activities to assess how policy translates into program artifacts and decisions. We use Policy Scenario Analysis to examine whether the SWP-centered governance stack provides sufficient actionable support for AI acquisition. The governance stack provides a viable foundation for iterative delivery and AI testing. However, we identify a recurring actionability problem in the core guidance. AI-specific controls for data provenance, lifecycle management, and human oversight remain distributed across supplemental documents rather than embedded in the program-facing mechanisms through which SWP is executed. This disconnect leaves program offices reliant on inconsistent local interpretation. We conclude by recommending an AI-supporting sub-path and targeted artifact refinements to better bridge this policy-to-artifact gap.
• Abstract（参考訳）: AIシステムが実験的なプロトタイプからミッションクリティカルなツールへと移行するにつれて、彼らの動的データへの依存、モデルの進化、ガバナンスは、既存の取得パスがペースを保てるかどうかという疑問を提起する。 アメリカ国防総省はAdaptive Acquisition Frameworkを通じて買収プロセスを近代化し、Software Acquisition Pathway (SWP) がソフトウェア集約能力の獲得の主要なメカニズムとなっている。 本稿では、SWPがAI獲得のユニークな要求に対応するのに十分であるかどうかを評価する。 本研究は,プログラムのアーティファクトや決定に政策がどのように変換されるかを評価するため,重要なSWP計画活動を通じてAI対応プログラムをトレースするシナリオベースの評価を行う。 SWP中心のガバナンススタックが、AI獲得に十分な実用的なサポートを提供するかどうかを調べるために、ポリシシナリオ分析を使用します。 ガバナンススタックは、反復デリバリとAIテストのための実行可能な基盤を提供する。 しかし,本研究のコアガイダンスでは,繰り返し発生する行動可能性の問題が指摘されている。 データプロファイランス、ライフサイクル管理、ヒューマン監視のためのAI固有のコントロールは、SWPが実行されるプログラムが対象とするメカニズムに埋め込まれるのではなく、補足的なドキュメントに分散されている。 この切り離しは、プログラムオフィスが矛盾したローカルな解釈に依存しているままである。 私たちは、AIをサポートするサブパスと、このポリシーとアーティファクトのギャップを埋めるために、対象とするアーティファクトの洗練を推奨することで、締めくくります。

関連論文リスト

• When AI Meets Wall Street: A Survey on Trustworthy AI in Fintech [32.022055126183865]
  我々は、金融AIのための統一的でライフサイクル中心的でメカニズム駆動のフレームワークを提案する。 金融AIをトレーニング、更新、デプロイメント、推論、運用、監視、フィードバックの3つのライフサイクルステージに分割します。 各サブタイプについて、アルゴリズム戦略、実現可能性制約、ステルスと永続性、下流の財務効果を分析します。
  論文  参考訳（メタデータ） (2026-05-28T23:10:04Z)
• Toward Third-Party Assurance of AI Systems: Design Requirements, Prototype, and Early Testing [16.53658640529767]
  我々は,AI評価のギャップに対処する,サードパーティのAI保証フレームワークを導入する。 我々は、利害の衝突を防ぎ、プロセスの信頼性と説明責任を確保するために、第三者の保証に焦点を当てる。 私たちの発見は、AI保証フレームワークが健全で包括的で、さまざまな組織的コンテキストで使用できるという、初期の証拠を示しています。
  論文  参考訳（メタデータ） (2026-01-30T00:37:12Z)
• Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
  課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。 SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。 本稿では,この新興領域を体系的に調査する。
  論文  参考訳（メタデータ） (2026-01-15T18:55:03Z)
• Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
  我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。 我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
  論文  参考訳（メタデータ） (2025-12-16T18:51:23Z)
• QOC DAO - Stepwise Development Towards an AI Driven Decentralized Autonomous Organization [0.0]
  本稿では、分散型自治組織(DAO)における意思決定改善のための構造的アプローチを紹介する。 人間の主導による評価から、完全に自律的でAI駆動のプロセスへと進化する、段階的なガバナンスフレームワークを概説する。
  論文  参考訳（メタデータ） (2025-11-10T12:55:23Z)
• Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned [45.44933002008943]
  この白書は、T"UV AUSTRIA Trusted AIフレームワークを提示する。 エンド・ツー・エンドの監査カタログであり、機械学習システムの評価と認定のための方法論である。 セキュアなソフトウェア開発、機能要件、倫理とデータプライバシという3つの柱の上に構築されているのは、EU AI Actの高レベルの義務を、特定かつテスト可能な基準に翻訳するものです。
  論文  参考訳（メタデータ） (2025-09-08T17:52:08Z)
• Towards Log Analysis with AI Agents: Cowrie Case Study [0.23332469289621785]
  本研究では,自動ログ解析におけるAIエージェントの利用について検討する。 我々はCowrie honeypotログを処理するための軽量で自動化されたアプローチを提案する。 予備的な結果は、手作業の削減と攻撃パターンの特定におけるパイプラインの有効性を示している。
  論文  参考訳（メタデータ） (2025-08-22T16:50:59Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)

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。