Dealing with Data for RE: Mitigating Challenges while using NLP and Generative AI

要約

今日のダイナミックなビジネス環境において、企業はますます多様化する課題に直面しています。
これには、絶えず進化する規制環境、ソフトウェア アプリケーション内でのパーソナライゼーションに対する需要の高まり、ガバナンスの重要性の高まりなどが含まれます。
こうした多面的な需要に応えて、大企業は中核となるビジネスプロセスの最適化から顧客エクスペリエンスの向上に至るまで自動化を導入しています。
実際、人工知能 (AI) は現代のソフトウェア システムの極めて重要な要素として浮上しています。
この文脈において、データは不可欠な役割を果たします。
教師あり学習に基づく AI 中心のソフトウェア システムを産業規模で運用するには、効果的に実行するために大量のトレーニング データが必要です。
さらに、生成 AI の導入により、適切な評価ベンチマークに対する要求が高まっています。
この分野での私たちの経験から、トレーニングと評価に大規模なデータセットが必要なため、多くの複雑な課題が生じることが明らかになりました。
この本の章では、AI 統合が特徴的なこの時代における、ソフトウェア エンジニアリング (SE) 一般、特に要件エンジニアリング (RE) の進化する状況を探ります。
自然言語処理 (NLP) と生成 AI をエンタープライズ クリティカルなソフトウェア システムに統合する際に生じる課題について説明します。
この章では、実践的な洞察、ソリューション、例を提供し、NLP を中核としたソリューションを効果的に構築するために必要な知識とツールを読者に提供します。
また、これらのテキスト データ中心のタスクが従来の RE プロセスとどのように連携しているかについても考察します。
また、ソフトウェア システムの開発に関わるテキスト データ中心性がますます重要になっていることに対処するために必要となる可能性のある新しい RE タスクも取り上げます。

要約(オリジナル)

Across the dynamic business landscape today, enterprises face an ever-increasing range of challenges. These include the constantly evolving regulatory environment, the growing demand for personalization within software applications, and the heightened emphasis on governance. In response to these multifaceted demands, large enterprises have been adopting automation that spans from the optimization of core business processes to the enhancement of customer experiences. Indeed, Artificial Intelligence (AI) has emerged as a pivotal element of modern software systems. In this context, data plays an indispensable role. AI-centric software systems based on supervised learning and operating at an industrial scale require large volumes of training data to perform effectively. Moreover, the incorporation of generative AI has led to a growing demand for adequate evaluation benchmarks. Our experience in this field has revealed that the requirement for large datasets for training and evaluation introduces a host of intricate challenges. This book chapter explores the evolving landscape of Software Engineering (SE) in general, and Requirements Engineering (RE) in particular, in this era marked by AI integration. We discuss challenges that arise while integrating Natural Language Processing (NLP) and generative AI into enterprise-critical software systems. The chapter provides practical insights, solutions, and examples to equip readers with the knowledge and tools necessary for effectively building solutions with NLP at their cores. We also reflect on how these text data-centric tasks sit together with the traditional RE process. We also highlight new RE tasks that may be necessary for handling the increasingly important text data-centricity involved in developing software systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google