プロアクティブエンタープライズエージェントのためのコンテキストグラフ
本論文は、エンタープライズエンティティ、その関係、時間経過に伴う状態遷移をモデル化するライブリレーショナルデータ構造「コンテキストグラフ」を提案する。これに基づき、デルタ検出エンジン、プロアクティビティスコアラー、LLM駆動の表面化レイヤーを定義し、作業者が問い合わせる前に情報を提示するプロアクティブエージェントを実現する。3つのエンタープライズケーススタディでの評価では、Precision@5が0.83、偽陽性率0.11、平均提示時間が47分（リアクティブベースライン）から30秒未満に短縮された。
近年、RAGやエージェントフレームワークの発展によりエンタープライズAIは大きく進歩しましたが、エージェントは依然としてユーザーのクエリを待ってから行動する受動的な存在に留まっています。これに対し、本論文はコンテキストグラフ（Context Graph）を中核とするプロアクティブエージェントを提案し、従業員が質問する前に必要な情報を提示する仕組みを実現します。
コンテキストグラフは、エンタープライズ内のエンティティ（従業員、契約、プロジェクト、インシデントなど）とその関係、さらに時間経過に伴う状態遷移をリアルタイムでモデル化する生きたデータ構造です。例えば、契約管理では、契約条件の変更、承認状況、担当者などの情報をグラフとして保持し、変化を即座に捉えます。このグラフ上で、デルタ検出エンジンが継続的に状態変化を監視し、プロアクティビティスコアラーがその変化の緊急度、関連性、ペルソナ適合度に基づいて優先順位を付けます。そして、LLMを利用した表面化レイヤーが、順位付けされた通知を自然な文章で説明付きで提供します。
論文では、各コンポーネントを形式化し、統合プロアクティビティスコア関数を導出。NetworkXとAnthropic Claude APIを用いた完全なPython実装も公開されています。3つのエンタープライズケース（契約ライフサイクル管理、エンジニアリングインシデント対応、セールスパイプラインハイジーン）での評価では、Precision@5が0.83、偽陽性率が0.11、平均提示時間が受動的ベースラインの47分から30秒未満に短縮されました。
この研究は、受動的なAIから能動的なAIへのパラダイムシフトを示すものであり、今後のエンタープライズAIの方向性に大きな影響を与えるでしょう。