プライバシー保護交渉のためのデバイスネイティブ自律自律エージェント

arXiv:2601.00911v3 Announce Type: replace-cross 抽象：保険およびビジネス対ビジネス（B2B）取引における自動化された交渉には多大な課題が存在する。現在のシステムは、集中されたサーバーを通じて機密的な金融データをルーティングすることで、利便性とプライバシーの間に妥協点を強いるとともに、セキュリティリスクを増大させ、ユーザーの信頼を損なう。本研究は、プライバシー保護交渉のためにデバイスネイティブな自律的 Agentic AI システムを導入した。提案されたシステムはユーザーハードウェアのみで稼働し、機密制約をローカルに維持しながらリアルタイムの交渉を可能にする。ゼロ知識証明を統合することでプライバシーを確保し、オンデバイスでの高度な推論をサポートするためにディストルワールドモデルを採用する。アーキテクチャは Agentic AI ワークフロー内に 6 つの技術的コンポーネントを統合する。エージェントは交渉戦略を自律的に計画し、セキュリティに配慮した多者交渉を行い、ユーザーデータを外部サーバーに曝露することなしに暗号化監査トレイルを生成する。システムは多様なデバイス構成における保険および B2B 調達シナリオで評価された。結果は、87% の平均成功率、クラウドベースラインに比べ 2.4 倍の低遅延、そしてゼロ知識証明による強力なプライバシー保持を示した。ユーザー研究では、意思決定トレイルが利用可能な場合に 27% 高い信頼スコアが示された。これらの発見は、プライバシーセンシティブな金融分野における信頼性の高い自律エージェントの基礎を確立した。

arXiv:2601.00911v3 Announce Type: replace-cross Abstract: Automated negotiations in insurance and business-to-business (B2B) commerce encounter substantial challenges. Current systems force a trade-off between convenience and privacy by routing sensitive financial data through centralized servers, increasing security risks, and diminishing user trust. This study introduces a device-native autonomous Agentic AI system for privacy-preserving negotiations. The proposed system operates exclusively on user hardware, enabling real-time bargaining while maintaining sensitive constraints locally. It integrates zero-knowledge proofs to ensure privacy and employs distilled world models to support advanced on-device reasoning. The architecture incorporates six technical components within an Agentic AI workflow. Agents autonomously plan negotiation strategies, conduct secure multi-party bargaining, and generate cryptographic audit trails without exposing user data to external servers. The system is evaluated in insurance and B2B procurement scenarios across diverse device configurations. Results show an average success rate of 87 %, a 2.4x reduction in latency relative to cloud baselines, and strong privacy preservation through zero-knowledge proofs. User studies show 27 % higher trust scores when decision trails are available. These findings establish a foundation for trustworthy autonomous agents in privacy-sensitive financial domains.