論文の概要: Building AI That Works: ESnet's Pragmatic Approach to AI-Driven Operational Excellence
- arxiv url: http://arxiv.org/abs/2607.22948v1
- Date: Fri, 24 Jul 2026 23:20:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.946001
- Title: Building AI That Works: ESnet's Pragmatic Approach to AI-Driven Operational Excellence
- Title（参考訳）: 機能するAIの構築 - ESnetのAI駆動操作能力に対する実践的なアプローチ
- Abstract要約: ORBITはESnetの主要なインシデント管理プラットフォームであるServiceNowに統合されたエージェントAIシステムである。
この設計では、中央集権的な推論ハブ、ESnetデータソースのMPPへのアクセス、セマンティックサーチ層、オペレーター向けチャットインターフェースを含むモジュール型の階層アーキテクチャを使用している。
ORBITは6つの初期タスクの全てを成功させ、アーキテクチャはNOCエンジニアによって提案された2つの追加タスクの迅速な開発を可能にした。
- 参考スコア（独自算出の注目度）: 0.909937273720124
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The ORBIT (Operations Responses and Business Intelligence Toolkit) project was initiated to assess agentic AI for the upcoming ESnet 7 initiative and to address persistent operational pain points in the Network Operations Center (NOC) workflow. ESnet operators experience slow retrieval from siloed data sources, incidents described in lengthy and difficult-to-parse tickets, and context loss across shift handoffs. These challenges increase cognitive load and prolong incident resolution times. ORBIT therefore targets routine automation, cross-source synthesis, and actionable insights delivered directly within operators' existing tooling. ORBIT is an agentic AI system integrated into ServiceNow, ESnet's primary incident management platform. The design uses a modular, layered architecture comprising a centralized reasoning hub, tool access via MCPs for ESnet data sources, a semantic search layer, and an operator-facing chat interface. To manage the complexity and stochasticity of the AI toolchain, ORBIT follows industry best practices by structuring task logic as versioned, tested "skills" that guide the system in performing bounded responsibilities. This improves reliability and predictability compared to fully unconstrained agent behavior. Key results show that ORBIT successfully delivered all six initial tasks, and the architecture enabled rapid development of two additional tasks proposed by NOC engineers. We observed strong organic adoption of general-purpose infrastructure components, especially the chat interface and LiteLLM model gateway, including high request volumes from outside the project. Experiments with skills indicate that this approach can reduce task completion steps while eliminating observed error modes.
- Abstract（参考訳）: ORBIT(Operations Responses and Business Intelligence Toolkit)プロジェクトは、次のESnet 7イニシアチブのためのエージェントAIの評価と、ネットワークオペレーションセンター(NOC)ワークフローにおける永続的な運用上の問題点に対処するために開始された。
ESnetオペレータは、サイロ化されたデータソースからのゆっくりとした検索、長くて扱いにくいチケットで記述されたインシデント、シフトハンドオフ間のコンテキストロスを経験する。
これらの課題は認知負荷を増大させ、インシデント解決時間を長くする。
したがって、ORBITは、ルーチン自動化、クロスソース合成、およびオペレーターの既存のツール内で直接配信される実行可能な洞察をターゲットにしている。
ORBITはESnetの主要なインシデント管理プラットフォームであるServiceNowに統合されたエージェントAIシステムである。
この設計では、中央集権的な推論ハブ、ESnetデータソース用のMSP経由のツールアクセス、セマンティック検索層、オペレーター向けチャットインターフェースを含むモジュール型の階層アーキテクチャを使用している。
AIツールチェーンの複雑さと確率性を管理するため、ORBITは、タスクロジックをバージョン管理されたテストされた“スキル”として構成することで、システムのバウンダリ責任実行を導くことで、業界のベストプラクティスに従う。
これにより、完全に制約のないエージェントの動作に比べて信頼性と予測性が向上する。
ORBITは6つの初期タスクの全てを成功させ、アーキテクチャはNOCエンジニアによって提案された2つの追加タスクの迅速な開発を可能にした。
汎用インフラストラクチャコンポーネント,特にチャットインターフェースとLiteLLMモデルゲートウェイの強力な有機的採用を,プロジェクトの外部からの要求量を含めて観察した。
スキルを用いた実験は、この手法が観察されたエラーモードを排除しながらタスク完了のステップを減らすことができることを示している。
関連論文リスト
- Autonomous Incident Resolution at Hyperscale: An Agentic AI Architecture for Network Operations [0.33842793760651557]
本稿では,大規模ネットワーク運用における自律的インシデント解決のためのエージェントAIアーキテクチャを提案する。
我々のシステムは、人間の介入なしにネットワークインシデントを検出し、診断し、修正するために、専門のAIエージェントが協力するマルチエージェントオーケストレーションフレームワークを採用している。
論文 参考訳（メタデータ） (2026-06-08T07:15:53Z) - Building Effective AI Coding Agents for the Terminal: Scaffolding, Harness, Context Engineering, and Lessons Learned [9.127884945730019]
この新しいパラダイムに特化して設計された,オープンソースのコマンドラインコーディングエージェントであるOPENDEVについて紹介する。
ワークロード特化モデルルーティングを備えた複合AIシステムアーキテクチャを通じて、これらの課題を克服する。
自動記憶システムを使用して、セッション間でプロジェクト固有の知識を蓄積し、命令フェードアウトに対処する。
論文 参考訳（メタデータ） (2026-03-05T16:21:08Z) - Agentic Assistant for 6G: Turn-based Conversations for AI-RAN Hierarchical Co-Management [11.369638196554929]
RANとエッジAIの共同管理はギャップであり、ターンベースのヒューマンインタラクションを必要とする階層的および動的問題を生成する。
ここでは,人間の意図に基づくクエリを理解可能なエージェントネットワークマネージャとターンベースの会話アシスタントを作成する。
これらの結果から幻覚の普遍的課題が示唆された。
論文 参考訳（メタデータ） (2026-02-14T19:58:20Z) - Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する
このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。
エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
論文 参考訳（メタデータ） (2025-12-04T03:09:33Z) - AI-Enhanced Operator Assistance for UNICOS Applications [41.99844472131922]
このプロジェクトは、CERNの統一産業制御システムであるUNICOSのためのAI強化オペレーターの開発を探求する。
予備評価では、ウィジェットをデコードし、根本原因分析を行い、複雑なDPEをトレースできることが示唆されている。
論文 参考訳（メタデータ） (2025-09-16T03:43:54Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - 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) - Towards a Playground to Democratize Experimentation and Benchmarking of AI Agents for Network Troubleshooting [48.131257144711576]
ネットワークトラブルシューティングにおけるAIエージェントの適用に焦点を当てる。
標準化され、再現可能で、オープンなベンチマークプラットフォームの必要性について詳しく説明します。
論文 参考訳（メタデータ） (2025-07-01T08:46:37Z) - AIOpsLab: A Holistic Framework to Evaluate AI Agents for Enabling Autonomous Clouds [12.464941027105306]
AI for IT Operations(AIOps)は、障害のローカライゼーションや根本原因分析といった複雑な運用タスクを自動化することを目的としており、人間の作業量を削減し、顧客への影響を最小限にする。
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、エンドツーエンドとマルチタスクの自動化を可能にすることで、AIOpsに革命をもたらしている。
マイクロサービスクラウド環境をデプロイし、障害を注入し、ワークロードを生成し、テレメトリデータをエクスポートするフレームワークであるAIOPSLABを紹介します。
論文 参考訳（メタデータ） (2025-01-12T04:17:39Z) - SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering [79.07755560048388]
SWEエージェント(SWE-agent)は、LMエージェントが自律的にコンピュータを使用してソフトウェア工学のタスクを解決するシステムである。
SWEエージェントのカスタムエージェントコンピュータインタフェース(ACI)は、エージェントがコードファイルを作成し編集し、リポジトリ全体をナビゲートし、テストやその他のプログラムを実行する能力を著しく向上させる。
我々はSWE-benchとHumanEvalFixのSWE-agentを評価し、それぞれ12.5%と87.7%のパス@1レートで最先端の性能を実現した。
論文 参考訳（メタデータ） (2024-05-06T17:41:33Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳（メタデータ） (2024-02-07T01:45:14Z)
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。