TwinBI：ビジネスインテリジェンスダッシュボードとの効率的な拡張インタラクションのためのエージェンティックデジタルツイン

ビジネスインテリジェンス（BI）は、ダッシュボード操作と大規模言語モデル（LLM）ベースの支援を組み合わせることが増えていますが、これら2つのモードは多段階分析中にしばしば同期しなくなります。ユーザーが直接ダッシュボードを操作したり自然言語でクエリを実行したりする際に、フィルター、階層、メトリクス、チャートコンテキストにわたって一貫した分析状態を維持することが困難になります。この問題に対処するため、研究者らはLLMベースのエージェントシステムと実行可能なBIダッシュボード状態を結合するエージェンティックデジタルツインフレームワーク「TwinBI」を提案しました。

TwinBI の中心的な革新は、統一された対話ログから再構築された共有分析状態を通じて、会話操作、ダッシュボード操作、意味的グラウンディング、来歴追跡を統合する点にあります。これにより、分析プロセス全体の一貫性が確保されます。さらに、TwinBI はスキーマビュー、SQL、ログ、および状態に基づいた分析サマリーを提供する /insights コマンドなどのアーティファクトを公開します。

TwinBI の有効性を評価するために、研究チームは2つの補完的な方法を採用しました。制御されたA/Bベンチマークでは、同じバックボーンエージェントを使用して、ダッシュボード単体と比較して、TwinBI は完全一致精度を43.3%から63.3%に、部分一致精度を48.3%から70.8%に向上させ、タイムアウト率を40.0%から10.0%に大幅に削減しました。ユーザビリティ研究では、参加者は統合ダッシュボードとチャットワークフローの恩恵を受け、高いタスク精度、適度なワークロード、状態認識インタラクション機構への好意的な評価を示しました。

これらの結果は、TwinBI が可視ダッシュボード状態をよりリッチなアクション可能なコンテキストに変換することで、エージェントレベルの分析信頼性とユーザー向け分析サポートの両方を向上させることを示唆しています。研究チームはデータセットとソースコードをGitHubで公開しており、コミュニティによるさらなる探求と検証を可能にしています。