Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LLM을 활용한 요구사항 도출 과정이 산출물의 품질에 미치는 영향을 비교 분석한 실증 연구입니다. 실험 결과, 인간의 협업과 AI의 합성을 결합한 방식이 전통적인 방식보다 더 명확하고 실행 가능한 요구사항을 생성함을 확인했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기요구사항 도출 (Requirements elicitation)은 이해관계자들이 요구사항을 전달하고, 우선순위를 협상하며, 소프트웨어 요구사항 산출물 (artifacts)로 변환될 수 있는 지식을 협력적으로 구축하는 과정을 필요로 합니다. 최근 LLM (Large Language Models)의 발전은 AI 지원 협업 및 자동화된 산출물 생성을 통해 이러한 활동을 지원할 수 있는 기회를 창출했습니다. 그러나 AI 지원 협업 환경이 요구사항 도출 결과에 어떠한 영향을 미치는지에 대한 실증적 증거는 제한적입니다. 본 연구에서는 네 가지 요구사항 도출 접근 방식을 비교하는 혼합 방법론 (mixed-method) 통제 실험을 수행했습니다: AI 지원 없는 협업적 도출, Strateegia 플랫폼과 GPT 기반의 Writer 애플릿 (applet)에 의해 지원되는 협업적 도출, 대규모 언어 모델 (Large Language Model)을 사용한 직접적인 요구사항 생성, 그리고 대규모 언어 모델을 사용하여 협업 토론 전사본 (transcripts)으로부터 요구사항을 생성하는 방식입니다. 우리는 ISO/IEC/IEEE 29148에서 도출된 품질 기준을 사용하여 결과 산출물을 평가하였으며, 도출 과정에 대한 참가자들의 인식을 수집했습니다. 연구 결과, 이해관계자의 협업과 AI 지원 합성을 결합한 접근 방식이 가장 높은 평가를 받은 요구사항 산출물을 생성하였으며, 전통적인 협업적 도출보다 더 명확하고 실행하기 쉬운 것으로 인식되었습니다. 이 결과는 생성형 AI (generative AI)가 이해관계자 참여의 가치를 보존하면서, 협업을 통해 생성된 지식을 구조화된 요구사항 문서로 변환하는 것을 지원할 수 있음을 시사합니다. 우리는 요구사항 공학 (Requirements Engineering) 분야에서의 AI 지원 요구사항 도출 및 인간-AI 협업 (human-AI collaboration)에 대한 시사점을 논의합니다.