要点：大規模言語モデル（LLM）は研究者の自然な言葉を実行可能な処理に変えられます。しかし科学的なワークフローでは再現性や記録（プロベナンス）、運用上の統制が必要です。本論文は「スキーマゲーティング」方式を提案し、会話で指示する柔軟さと実行の決定性（再現性）を分けて保つことで、このギャップを埋めようとしています。スキーマとは、機械で検査できる実行仕様のことです。完全なアクションがそのスキーマに合致しない限り、何も動かしません。

研究で行ったこと：著者らは産業の研究開発部門から18人の専門家を含む10の利害関係者に対し半構造化面談を実施しました。面談の内容を体系的に解析し、ワークフロー設計に関する17のテーマを抽出しました。その分析から「実行の決定性（Execution Determinism、ED）」と「会話的柔軟性（Conversational Flexibility、CF）」という二つの相反する要求が浮かび上がりました。さらに、代表的な20のシステムを5つのアーキテクチャ群に分け、EDとCFの軸で評価しました。

評価方法と結果の要点：システム評価はマルチモデルのプロトコルで行われ、3つの異なるLLMファミリーを用いて15回の独立セッションを実施しました。モデル間の一致度は、EDでKrippendorffのα=0.80、CFでα=0.98と報告され、複数モデルによる評価が人間の専門家パネルの代替になり得ることを示唆しています。評価の全体像では、柔軟性と決定性の両方を高く満たすシステムは見つからず、トレードオフの実証的なパレート前線が現れました。ただし、生成系（柔軟寄り）とワークフロー中心（決定性寄り）の中間に「収束ゾーン」があることも示されました。

スキーマゲーティングの仕組みと実務原則：提案するアーキテクチャは会話の権限と実行の権限を分離します。ユーザーは自然言語でやり取りできますが、実際に計算やツールを動かす前に「アクション全体」が機械検査可能なスキーマで検証されます。論文はこの考えを運用化するために三つの原則を示します：実行前に不明点を明確にする（clarification-before-execution）、計画と実行を制約付きで連携させる（constrained plan–act orchestration）、およびツール単位ではなくワークフロー単位でのゲーティング（tool-to-workflow-level gating）です。

注意点と限界：論文内で指摘されている限界として、面談参加者はIntellegensの職業ネットワーク経由で募った「便宜抽出」であり、機械学習支援ワークフローに投資している組織が過剰に含まれている可能性があると書かれています。また、評価は提案アーキテクチャの概念実証を示す段階であり、スキーマゲーティング自体の実装と実地検証が今後の重要な課題とされています。加えて、プロンプト駆動のコード生成は既に再現性や追跡性の問題、プロンプト注入やデータ漏えいなどのガバナンスリスクを生んでいる点にも注意が必要です。