論文の概要: A Reference Architecture for Integrating Agentic AI into Enterprise Software: Responsibilities, Interactions, and Variability

• arxiv url: http://arxiv.org/abs/2610.14818v1
• Date: Sat, 10 Oct 2026 11:29:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.1216
• Title: A Reference Architecture for Integrating Agentic AI into Enterprise Software: Responsibilities, Interactions, and Variability
• Title（参考訳）: エージェントAIをエンタープライズソフトウェアに統合するための参照アーキテクチャ:責任、相互作用、変数
• Abstract要約: Agentic AIは、生成AIアプリケーションを推論、企業コンテキスト、モデル推論、外部アクションを協調するシステムへと移行する。 既存の研究と産業アーキテクチャは、これらの懸念の多くに対処するが、スコープ、抽象化、責任組織、相互作用の表現、必要な機能に関する仮定が異なる。 本稿では,エンタープライズエージェントAI統合のための技術ニュートラル参照アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 9.504994522762454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic AI moves generative AI applications toward systems that coordinate reasoning, enterprise context, model inference, and external actions. Integrating these capabilities into enterprise software introduces diverse architectural concerns, from orchestration, knowledge and memory, and model access to tools and actions, security, runtime infrastructure, and evaluation. Existing research and industry architectures address many of these concerns but differ in scope, abstraction, responsibility organization, interaction representation, and assumptions about which capabilities are required. This paper presents a technology-neutral reference architecture for enterprise agentic AI integration. We synthesize architectural capabilities from research publications, industry architecture guidance, and interoperability specifications by architectural purpose, organize them into ten responsibilities, and define boundary invariants, typed cross-responsibility interactions, and variation points that distinguish responsibilities from condition-dependent capabilities and replaceable realization mechanisms. We instantiate the architecture as an ESG portfolio-analysis and pre-trade compliance agent over an existing service-oriented ESG metric computation and reporting system, and complement the case with a mapping of an independently published agentic architecture. The case realizes seven of the ten responsibilities; different questions take different interaction paths, controls activate only under their conditions, and the probed boundary invariants hold. The independent architecture maps onto the proposed responsibilities without requiring an additional one. These results provide initial evidence for the architecture's organization and applicability rather than its completeness. The deployment and recorded results are available as a replication package.
• Abstract（参考訳）: Agentic AIは、生成AIアプリケーションを推論、企業コンテキスト、モデル推論、外部アクションを協調するシステムへと移行する。 これらの機能をエンタープライズソフトウェアに統合することは、オーケストレーション、知識とメモリ、ツールやアクションへのモデルアクセス、セキュリティ、ランタイムインフラストラクチャ、評価など、さまざまなアーキテクチャ上の懸念をもたらす。 既存の研究と産業アーキテクチャは、これらの懸念の多くに対処するが、スコープ、抽象化、責任組織、相互作用の表現、必要な機能に関する仮定が異なる。 本稿では,エンタープライズエージェントAI統合のための技術ニュートラル参照アーキテクチャを提案する。 研究出版物からアーキテクチャ機能、産業アーキテクチャガイダンス、相互運用性仕様をアーキテクチャ目的により合成し、それらを10の責務に編成し、境界不変性、型付き相互責任相互作用、そして責任を条件に依存した能力と置き換え可能な実現メカニズムとを区別する変動点を定義する。 我々は、既存のサービス指向ESGメトリック計算およびレポートシステム上で、ESGポートフォリオ分析および事前取引コンプライアンスエージェントとしてアーキテクチャをインスタンス化し、独立に公開されたエージェントアーキテクチャのマッピングでそれを補完する。 異なる質問は異なる相互作用経路を取り、制御はそれらの条件下でのみ活性化され、探索された境界不変量は保持される。 独立したアーキテクチャは、追加の責務を必要とせずに、提案された責任にマップする。 これらの結果は、アーキテクチャの完全性よりも、アーキテクチャの組織と適用性に関する最初の証拠を提供する。 デプロイメントと記録された結果は、レプリケーションパッケージとして利用できる。

関連論文リスト

• ANASSA: From High-Level Framework to Low-Level Architecture for Spatial Agentic AI [0.0]
  本稿では、ANASSAフレームワークを高レベルアーキテクチャ(HLA)の責務から低レベルアーキテクチャ(LLA)へと洗練する。 結果として生じる設計は、責任境界を維持しながら、実行可能なアーキテクチャ構造に翻訳する。 アーキテクチャはエンドツーエンドの実行トレースを通じて実証され、要求トレーサビリティ、内部整合性、責任保存、技術独立性について分析的に評価される。
  論文  参考訳（メタデータ） (2026-10-09T23:03:33Z)
• Value-Preserving Architectures for Agentic AI Systems [44.64398176188818]
  アーキテクチャの選択はMASの機能や性能に影響を及ぼすだけでなく、価値指向システムの振る舞いを促進することができると論じる。 i) フェデレーショントポロジを持つプライバシ対応アーキテクチャ、(ii) 多重性と多様性を促進する分散アーキテクチャ、(iii) 不公平を検知・緩和するガードエージェントアーキテクチャ、について論じる。
  論文  参考訳（メタデータ） (2026-09-03T14:36:23Z)
• Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence [115.91847478507736]
  LLMは言語ジェネレータから、複雑な長距離タスクが可能な自律エージェントへと進化してきた。 多くのタスクにはヘテロジニアスな専門知識、相互依存サブタスク、並列実行、独立検証、永続状態が必要である。 私たちはこれをシステムインテリジェンス(System Intelligence)と呼び、複数のインテリジェントなコンポーネントを一貫した適応的な全体へと整理し、コーディネートするエージェントシステムの能力である。
  論文  参考訳（メタデータ） (2026-08-21T14:27:57Z)
• 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)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Distinguishing Autonomous AI Agents from Collaborative Agentic Systems: A Comprehensive Framework for Understanding Modern Intelligent Architectures [0.0]
  大規模言語モデルの出現は、人工知能の2つの異なる相互接続パラダイム、すなわちスタンドアロンAIエージェントと協調エージェントAIエコシステムを触媒した。 本研究は, 運用原則, 構造構成, 配置方法論の体系的解析を通じて, これらのアーキテクチャを識別するための決定的な枠組みを確立する。
  論文  参考訳（メタデータ） (2025-06-02T08:52:23Z)
• Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents [28.406492378232695]
  ファンデーションモデルに基づくエージェントは、ファンデーションモデルの能力から自律性を引き出す。 本稿では,基礎モデルに基づくエージェントの設計におけるガイダンスとして機能するパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-22T04:21:47Z)

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。