이해관계자 대화로부터 잠재적 요구사항의 LLM 기반 발견: 산업 현장의 예비 결과

이해관계자 인터뷰는 요구사항 도출 (Requirements Elicitation)을 위한 중요한 정보원이나, 많은 관련 요구사항들이 이러한 대화 속에 암묵적으로 남아 있습니다. 이해관계자들은 이를 해결할 수 있는 소프트웨어 기능(Software Capabilities)을 명시적으로 설명하지 않고, 워크플로, 과제 및 운영 관행을 빈번하게 설명하곤 합니다. 최근 연구에서는 대화 데이터를 분석하고 이해관계자 인터뷰에서 요구사항을 추출하기 위해 LLM (Large Language Models)을 사용하는 방안을 고려해 왔습니다. 그러나 기존 방식들은 주로 명시적으로 언급된 요구사항을 식별하는 데 집중되어 있어, 암묵적인 기회들은 대부분 탐구되지 않은 채로 남아 있습니다. 본 논문에서는 이해관계자 인터뷰 녹취록을 분석하여 명시적 요구사항을 추출할 뿐만 아니라 추가적인 잠재적 요구사항 (Latent Requirements)을 추론하는 접근 방식인 LENS (LLM-Enabled Needs Discovery from Stakeholder Interviews)를 제시합니다. LENS는 조직의 도구 및 인프라에 관한 문맥 정보(Contextual Information)와 이해관계자의 진술을 함께 추론함으로써 이러한 추론을 수행합니다. 추출된 요구사항과 추론된 요구사항 모두 사용자 스토리 (User Stories)로 표현되며, 추적성 (Traceability)을 보장하기 위해 녹취록 발췌본과 연결됩니다. 우리는 사이버 보안 운영이 포함된 산업 환경에서 수집된 12개의 이해관계자 인터뷰 녹취록을 사용하여 LENS에 대한 예비 평가를 수행합니다. 우리는 LENS가 명시적 요구사항 추출에서 평균 84.4%의 F1-score를 달성하는 동시에, LENS가 식별한 잠재적 요구사항의 평균 75%가 도메인 전문가들에 의해 유용한 자동화 또는 시간 절약 잠재력을 제공하는 것으로 인식되었음을 보여줍니다.