arXiv cs.AIが2026年10月6日(現地時間)付けで、自然言語の分析リクエストから検証可能なダッシュボードを生成するプロトタイプ「Text2Dashboard」に関する論文を公開した。これは、エンタープライズデータ環境「DataBrain」に特化して設計されたもので、スキーマ制約のあるモデル決定と決定論的なHooksを組み合わせたエージェントアーキテクチャを採用している。論文では、その機能と評価結果が詳細に記されている。
Text2Dashboardは、自然言語による分析リクエストを検査可能なダッシュボードに変換するDataBrain固有のプロトタイプである。このシステムは、インストール可能なCodexプラグインとスタンドアロンのAgent Runtimeを組み合わせ、スキーマ制約のあるモデル決定を、型付けされたツール、永続状態、そして承認、監査、チェックポイント、リカバリー、および障害処理のための決定論的なHooksと統合している。
Text2Dashboardのパイプラインは、エンティティの解決、メタデータの発見、読み取り専用SQLの適用、ダッシュボードの構成、静的チェック、動的プリフライト、およびブラウザ検査を実行する。モデルはアクションを提案し、決定論的なソフトウェアが実行を制御し、状態遷移を記録する。
論文では、フリーズされた実際のDataBrainタスクと制御されたHooksの障害シナリオを用いてワークフローを評価した。メタデータおよびSQLタスクでは8件中6件で厳密な成功を記録し、メタデータ選択は4件全てをパスした。全てのSQLタスクは意味論的基準を満たし、そのうち2件が出力列契約に合致した。
最終リリースでは、シングルパネルダッシュボードタスク4件、ツーパネルタスク1件、既存ダッシュボードの改善1件をパスした。パラメータ化されたタスクはステップ制限を超過した。また、10件の障害シナリオ全てにおいて、未承認の外部副作用なしに指定された結果が達成された。観測されたランタイムの97%以上をモデル推論が占めた。研究者らは、これらの小規模かつDataBrain固有の結果は、本番環境での準備状況、一般的なtext-to-SQLの精度、または手動によるダッシュボード構築に対する効率上の優位性を確立するものではないと述べている。
参考: arXiv cs.AI — 2026年10月7日 13:00 (JST)
原文ハイライト"Text2Dashboard is a DataBrain-specific prototype that turns natural-language analytic requests into inspectable dashboards."