従来のエンタープライズAIシステムは、ユーザーからの問い合わせに対して反応する「リアクティブ」な設計が主流でした。しかし本論文が主張するのは、真の生産性向上には、ユーザーが質問する前に関連する情報を積極的に提示する「プロアクティブ」なエージェントが必要だということです。論文は、このプロアクティブな動作を実現するための包括的なアーキテクチャとして「Context Graph（文脈グラフ）」を提案しています。 Context Graphは、エンタープライズ内の様々なエンティティ（契約、プロジェクト、人物など）、それらの相互関係、そして時間経過に伴う状態変化をモデル化する動的な関係データ構造です。このグラフを基盤として、システムは複数のコンポーネントで構成されます。Delta Detection Engineは状態変化を継続的に監視し、Proactivity Scorerは候補となる洞察を緊急度、関連性、ユーザープロファイルの適合性によってランク付けします。その上で、LLMを搭載した Surfacing Layerが、根拠を付けた通知をランク順に配信します。 実装面では、NetworkXとAnthropicのClaude APIを用いたエンドツーエンドのPython実装が提供されています。評価は契約ライフサイクル管理、エンジニアリング事故対応、営業パイプラインの最適化という3つのエンタープライズユースケースで実施されており、Precision@5で0.83、誤検知率0.11を達成し、情報の提示時間を従来のリアクティブ基準の47分から30秒以下に短縮したという優れた成果が示されています。