論文の概要: A Formal Framework for Declarative Agentic AI in Business Process Analysis
- arxiv url: http://arxiv.org/abs/2606.15291v1
- Date: Sat, 13 Jun 2026 13:12:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.25773
- Title: A Formal Framework for Declarative Agentic AI in Business Process Analysis
- Title（参考訳）: ビジネスプロセス分析における宣言型エージェントAIのための形式的フレームワーク
- Authors: Mohammad Azarijafari, Luisa Mich, Michele Missikoff,
- Abstract要約: 本稿では,AGO手法によるエージェントBP解析の形式的枠組みを提案する。
AGOは、誰が行動しているか(エージェント)、なぜそれが実行されるのか(ゴール)、関連するエンティティが何であるか(オブジェクト)という観点でモデリングの視点を捉えます。
その結果、BPKBは構造化クエリ、インクリメンタルアップデート、BPの自動生成をサポートする。
- 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 opens new opportunities for automating Business Process (BP), enabling autonomous decision-making and dynamic adaptation. However, realising this potential requires BP entities and their interactions to be defined with formal precision. This paper presents a formal framework for Agentic BP analysis through the AGO methodology. AGO captures the modelling perspective in terms of who is acting (Agents), why it is carried out (Goals), and what the relevant entities are (Objects). Grounded in set theory and mathematical logic, we formally define the AGO entity types and their interactions, organising all definitions into a BP Knowledge Base (BPKB). The resulting BPKB supports structured querying, incremental updates, and automatic generation of BP workflows, while ensuring soundness and completeness of the derived paths.
- Abstract（参考訳）: Agentic AIはビジネスプロセス(BP)を自動化する新たな機会を開き、自律的な意思決定と動的適応を可能にする。
しかし、このポテンシャルを実現するためには、BPエンティティとその相互作用を正式な精度で定義する必要がある。
本稿では,AGO手法によるエージェントBP分析の形式的枠組みを提案する。
AGOは、誰が行動しているか(エージェント)、なぜそれが実行されるのか(ゴール)、関連するエンティティが何であるか(オブジェクト)という観点でモデリングの視点を捉えます。
集合論と数学的論理に基礎を置き、AGOエンティティタイプとその相互作用を正式に定義し、すべての定義をBP知識ベース(BPKB)にまとめる。
BPKBは構造化クエリ、インクリメンタル更新、BPワークフローの自動生成をサポートし、導出経路の健全性と完全性を保証する。
関連論文リスト
- Position: agentic AI orchestration should be Bayes-consistent [92.04373485710285]
本稿では,エージェントシステムのオーケストレーションレベルにおいて,一貫性のある意思決定にはベイズ原理が必要であることを論じる。
信念とユーティリティ対応ポリシーがエージェントAIオーケストレーションをどのように改善するかを説明するための例とデザインパターンを提供する。
論文 参考訳（メタデータ） (2026-05-01T15:43:43Z) - GDPR Auto-Formalization with AI Agents and Human Verification [2.103620138032182]
本研究では,大規模言語モデルを用いた規定の自動定式化のプロセス全体について検討する。
我々は、AIコンポーネントが法的シナリオ、正式なルール、そして原子的事実を生成する役割特化ワークフローを採用する。
以上の結果から, 信頼性の高い法的形式化には, 構造化された検証と対象の人間の監視が不可欠であることが示唆された。
論文 参考訳（メタデータ） (2026-04-16T04:26:18Z) - The Auton Agentic AI Framework [5.410458076724158]
人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。
大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。
本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
論文 参考訳（メタデータ） (2026-02-27T06:42:08Z) - Agentic Problem Frames: A Systematic Approach to Engineering Reliable Domain Agents [0.0]
大きな言語モデル(LLM)は、自律的なエージェントへと進化していますが、現在の"フレームワークレス"な開発は、あいまいな自然言語に基づいています。
本研究では,内部モデルインテリジェンスからエージェントと環境間の構造的相互作用に焦点を移すシステム工学フレームワークであるエージェント問題フレーム(APF)を提案する。
論文 参考訳（メタデータ） (2026-02-22T06:32:32Z) - Executable Ontologies in Game Development: From Algorithmic Control to Semantic World Modeling [51.56484100374058]
我々は,実行可能オントロジー(EO)が,アルゴリズム行動プログラミングからセマンティックワールドモデリングへ移行したことを論じる。
本稿では,EOが明示的なプリエンプションロジックではなく,データフロー条件によるタスク割り込みを優先的に行う方法を示す。
論文 参考訳（メタデータ） (2026-01-12T19:57:35Z) - Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms [51.56484100374058]
ロボット行動のモデリングには,インペラティブ・ビヘイビア・ツリー(BT)と宣言的実行可能オントロジー(EO)の2つのアプローチを比較した。
一方、EOはデータフロールールによって駆動される時間的イベントベースのセマンティックグラフとしてドメインを表現している。
論文 参考訳（メタデータ） (2025-11-19T09:38:01Z) - Affordance Representation and Recognition for Autonomous Agents [64.39018305018904]
本稿では,構造化データを用いた世界モデリングのためのパターン言語を提案する。
DOMトランスダクションパターンは、Webページの複雑さの課題に対処する。
Hypermedia Affordances Recognition Patternは、エージェントがその世界モデルを動的に強化することを可能にする。
論文 参考訳（メタデータ） (2025-10-28T14:27:28Z) - 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) - Agentic AI for Intent-Based Industrial Automation [0.6906005491572401]
この研究は、エージェントAIとインテントベースのパラダイムを統合する概念的フレームワークを提案する。
このフレームワークは意図に基づく処理に基づいて、人間のオペレーターが自然言語でハイレベルなビジネスや運用目標を表現できるようにする。
CMAPSSデータセットとGoogle Agent Developer Kit (ADK)を使って概念実証を行った。
論文 参考訳（メタデータ） (2025-06-05T12:50:54Z) - HADA: Human-AI Agent Decision Alignment Architecture [0.0]
HADAはプロトコルとフレームワークのリファレンスアーキテクチャであり、大きな言語モデル(LLM)エージェントとレガシーアルゴリズムの両方を組織的目標と値に一致させる。
技術的および非技術的アクターは、戦略的、戦術的、リアルタイムな地平線を越えて、あらゆる決定をクエリ、ステア、監査、または競合することができる。
論文 参考訳（メタデータ） (2025-06-01T14:04:52Z)
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。