論文の概要: Agentic ERP: Multi-Agent Large Language Model Architecture for Autonomous Enterprise Resource Planning
- arxiv url: http://arxiv.org/abs/2607.17331v1
- Date: Sun, 19 Jul 2026 16:40:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.430113
- Title: Agentic ERP: Multi-Agent Large Language Model Architecture for Autonomous Enterprise Resource Planning
- Title（参考訳）: Agentic ERP: 自律型エンタープライズリソース計画のためのマルチエージェント大規模言語モデルアーキテクチャ
- Abstract要約: Agentic ERPは、ロール整列型大規模言語モデル(LLM)エージェントとリスク階層のヒューマン・イン・ザ・ループ・ハーネスを組み合わせたエキスパート・システムアーキテクチャである。
このシステムは、シナリオベースのタスクスイート、クロスファンクショナル危機タスクに関する6つのオーケストレーションパラダイムの比較、365日間のエージェント・イン・ザ・ループシミュレーションの3つのレベルで評価されている。
- 参考スコア（独自算出の注目度）: 15.444798962796158
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Enterprise Resource Planning (ERP) systems record transactions reliably but still delegate almost all operational decision-making to human specialists, because classical rule-based automation cannot reason about exceptions and monolithic AI assistants degrade when asked to coordinate across functional boundaries. This paper presents Agentic ERP, an expert-system architecture that combines role-aligned large-language-model (LLM) agents with a risk-tiered human-in-the-loop harness and a graph-based orchestrator to execute end-to-end business workflows on a production ERP backend. First, autonomous ERP operation is formulated as a constrained sequential-decision problem over a structured enterprise state, with a decomposition argument linking role-aligned agents to a measurable reduction in per-step tool-selection complexity. Second, a graph-based Planner--Executor--Reflector--Responder orchestration decouples generation from evaluation through externalised grading criteria and sprint contracts, packaging recent harness-engineering principles as inspectable expert-system artefacts. Third, the system is evaluated at three levels: a scenario-based task suite, a comprehensive comparison of six orchestration paradigms on cross-functional crisis tasks, and a 365-day agent-in-the-loop simulation against rule-based RPA and no-intervention baselines. Across these levels the proposed multi-agent method is significantly better than the baseline, and the system sustains a simulated year of operation with zero stockouts while the rule-based baseline accumulates hundreds under the same demand stream. The work shows that role-aligned LLM agents under human oversight can move an ERP system from passively recording transactions to actively executing operational decisions, and it provides a reference architecture and an evaluation protocol for autonomous enterprise resource planning.
- Abstract（参考訳）: エンタープライズリソース計画(ERP)システムはトランザクションを確実に記録するが、古典的なルールベースの自動化では例外を推論できないため、機能境界を越えた調整を求められると、モノリシックなAIアシスタントが劣化する。
本稿では,役割整合型大規模言語モデル(LLM)エージェントとリスク階層型ヒューマン・イン・ザ・ループ・ハーネスとグラフベースのオーケストレータを組み合わせて,実運用ERPバックエンド上でエンドツーエンドのビジネスワークフローを実行する,専門家システムアーキテクチャであるAgentic ERPを提案する。
第一に、自律ERP操作は、構造化された企業状態上の制約付きシーケンシャル決定問題として定式化され、ステップごとのツール選択の複雑さの計測可能な低減とロール整合性エージェントをリンクする分解論が導かれる。
第二に、グラフベースのPlanner--Executor--Reflector--Responderオーケストレーションは、外部のグレーティング基準とスプリント契約を通じて評価から分離し、最近のハーネスエンジニアリング原則を検査可能なエキスパートシステムアーチファクトとしてパッケージングする。
第3に、シナリオベースのタスクスイート、クロスファンクショナル危機タスクに関する6つのオーケストレーションパラダイムの包括的な比較、ルールベースのRPAと非干渉ベースラインに対する365日間のエージェント・イン・ザ・ループのシミュレーションである。
これらのレベル全体では,提案手法はベースラインよりもはるかに優れており,ルールベースベースベースラインは同じ要求ストリーム下で数百個を蓄積するのに対して,システムはストックアウトをゼロとする模擬運用を1年間継続する。
人間の監視下でのロールアラインなLLMエージェントは、ERPシステムがトランザクションを受動的に記録するから、運用上の決定を積極的に実行し、自律的なエンタープライズリソース計画のためのリファレンスアーキテクチャと評価プロトコルを提供する。
関連論文リスト
- EASy: Towards Efficient LLM-Based Agentic System [54.10819421625103]
強化学習によるタスク性能と計算効率を協調的に最適化する訓練可能なエージェントフレームワークであるEASyを提案する。
EASyはLLMベースのオーケストレータに異種エグゼキュータの能力とコストプロファイルを明確に把握し、パフォーマンスのみのルーティング以上のコンテキスト依存的な調整を可能にする。
さらに、複雑なタスクを管理可能なマイルストーンに分解し、依存性を意識した実行グラフを構築し、適切なエグゼキュータを割り当て、その後の決定を中間的な結果に適用しながら、独立したステップを並列化するマイルストーン計画実行ワークフローも導入されている。
論文 参考訳（メタデータ） (2026-08-05T08:50:36Z) - Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting [7.670757733138505]
アクチュアリーは現在、従来のルールベースの自動化から大規模言語モデルまで、幅広い設計領域に直面しています。
本稿では,これらの新しいアーキテクチャが,透明性や監査可能性,ループ内ガバナンスなど,アクチュアリな優先事項をどのようにサポートするかを検討する。
論文 参考訳（メタデータ） (2026-07-08T18:43:34Z) - Orchestra-o1: Omnimodal Agent Orchestration [72.34907006336108]
Orchestra-o1は、複数のモダリティをまたいだ効率的なエージェントコラボレーションをサポートするように設計された、オムニモーダルなエージェントオーケストレーションフレームワークである。
本研究は,モダリティを意識したタスクの分解,オンラインサブエージェントの特殊化,並列サブタスク実行を可能にする統一的なオーケストレーション機構を導入する。
このスケーラブルな設計により、エージェントシステムは異種情報ソースを含む複雑な現実世界のタスクに効果的に取り組むことができ、OmniGAIAベンチマークの精度は10.3%向上した。
論文 参考訳（メタデータ） (2026-06-10T04:50:35Z) - Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution [1.509090088899154]
プロダクショングレードのマルチテナントプラットフォームから抽出した制御実行プロトコルであるDynamic Tiered AgentRunnerを提案する。
本フレームワークは,(1)タスクリスクプロファイルに基づいて動的に計算資源を割り当てるリスク適応型タイリング,(2)物理的に分離された独立したエージェントによって提案,レビュー,実行,検証を行うパワーズアーキテクチャの分離,(3)障害を第一級システム状態として扱う検証器-回復閉ループによるレジリエンス・バイ・デザインの3つのコアメカニズムを紹介する。
論文 参考訳（メタデータ） (2026-05-11T09:03:48Z) - Decision-Theoretic Safety Assessment of Persona-Driven Multi-Agent Systems in O-RAN [0.2873445316250935]
自律型ネットワーク管理のためのペルソナ駆動型マルチエージェントフレームワークを提案する。
我々は2つのORAN最適化課題に対して486のペルソナ構成を評価した。
その結果、ペルソナエージェントのアライメントは、個々のパフォーマンスと創発的マルチエージェントのコーディネーションに大きな影響を及ぼすことが示された。
論文 参考訳（メタデータ） (2026-04-03T15:20:16Z) - OrgAgent: Organize Your Multi-Agent System like a Company [75.47076168155817]
企業スタイルの階層型マルチエージェントフレームワークであるOrgAgentを紹介します。
企業スタイルの階層で組織されたマルチエージェントシステムは、一般的に他の組織構造よりも優れています。
論文 参考訳（メタデータ） (2026-04-01T15:21:14Z) - Lemon Agent Technical Report [12.663220335253529]
Lemon Agentは、新しく提案されたAgentCortexフレームワーク上に構築されたマルチエージェントオーケストレータ・ワーカシステムである。
システムには階層的な自己適応型スケジューリング機構が組み込まれており,オーケストレータ層とワーカ層の両方で動作する。
この2層アーキテクチャにより,グローバルタスクコーディネートとローカルタスク実行の相乗的バランスを実現する。
論文 参考訳（メタデータ） (2026-02-06T10:09:49Z) - MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。
エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
論文 参考訳（メタデータ） (2026-01-12T13:25:33Z) - Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。
具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。
我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2025-11-21T12:25:47Z) - FinRobot: Generative Business Process AI Agents for Enterprise Resource Planning in Finance [6.494553545846438]
我々は、ERPシステムのための最初のAIネイティブフレームワークを提示し、生成ビジネスプロセスAIエージェントの新しいアーキテクチャを導入する。
提案システムは、生成AIとビジネスプロセスモデリングとマルチエージェントオーケストレーションを統合し、エンドツーエンドの自動化を可能にする。
GBPAは処理時間の最大40%削減、エラー率94%削減、規制コンプライアンスの改善を実現している。
論文 参考訳（メタデータ） (2025-06-02T08:22:28Z) - Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。
本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。
大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
論文 参考訳（メタデータ） (2024-10-03T04:07:51Z)
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。