[論文レビュー] Generative AI for Requirements Engineering: A Systematic Literature Review

Haowei Cheng, Jati H. Husen+5 more|arXiv (Cornell University)|Sep 10, 2024

Big Data and Business Intelligence被引用数 5

ひとこと要約

An SLR を対象とした Generative AI を Requirements Engineering に適用する27件の主要研究を分析し、抽出/分析への焦点、GPT-era の支配、そして領域特異性、解釈可能性、倫理に関する継続的な課題を強調する。

ABSTRACT

Introduction: Requirements engineering faces challenges due to the handling of increasingly complex software systems. These challenges can be addressed using generative AI. Given that GenAI based RE has not been systematically analyzed in detail, this review examines related research, focusing on trends, methodologies, challenges, and future directions. Methods: A systematic methodology for paper selection, data extraction, and feature analysis is used to comprehensively review 238 articles published from 2019 to 2025 and available from major academic databases. Results: Generative pretrained transformer models dominate current applications (67.3%), but research remains unevenly distributed across RE phases, with analysis (30.0%) and elicitation (22.1%) receiving the most attention, and management (6.8%) underexplored. Three core challenges: reproducibility (66.8%), hallucinations (63.4%), and interpretability (57.1%) form a tightly interlinked triad affecting trust and consistency. Strong correlations (35% cooccurrence) indicate these challenges must be addressed holistically. Industrial adoption remains nascent, with over 90% of studies corresponding to early stage development and only 1.3% reaching production level integration. Conclusions: Evaluation practices show maturity gaps, limited tool and dataset availability, and fragmented benchmarking approaches. Despite the transformative potential of GenAI based RE, several barriers hinder practical adoption. The strong correlations among core challenges demand specialized architectures targeting interdependencies rather than isolated solutions. The limited deployment reflects systemic bottlenecks in generalizability, data quality, and scalable evaluation methods. Successful adoption requires coordinated development across technical robustness, methodological maturity, and governance integration.

研究の動機と目的

• Requirements Engineering (RE) における GenAI アプリケーションの現状を評価する。
• GenAI-for-RE 研究の動向、掲載媒体、地理的分布を特定する。
• GenAI-for-RE に用いられる主要な手法、モデル、技術を整理する。
• 既存の GenAI-for-RE 研究の質と限界を評価する。
• RE 実践における将来の研究方針と責任ある AI の統合を提案する。

提案手法

• RE プロセスに対する ISO/IEC/IEEE 29148:2018 に沿った系統的文献レビュー。
• 主な検索ソースとして Scopus を用い、ArXiv と Google Scholar を補完する。
• 含める基準: GenAI in RE に関連する査読付き英語論文（2019–2024）; 除外: 査読なし、関連性がない、重複、グレー文献。
• 42 論文をスクリーニングし、独立した3名の研究者により 27 件の主要研究を含めた。
• データ抽出と統合は、RE の段階、GenAI のモデル/技術、実装/採用の課題に焦点を当てた。
• GenAI-for-RE における将来の方向性、倫理的配慮、ヒューマン–AI の協働を論じた。

実験結果

リサーチクエスチョン

• RQ1 RQ1: GenAI を RE に適用する際の現在の研究動向は何か（出版媒体、時系列、地理的分布）？
• RQ2 RQ2: GenAI-for-RE における主なアプローチと技術は何か（モデル、プロンプト設計、ファインチューニング、ワークフロー）？
• RQ3 RQ3: 現在の GenAI-for-RE 研究の質はどのように評価されているか（方法論、目的、厳密さ）？
• RQ4 RQ4: GenAI を RE に適用する際の主な課題と将来の方向性（技術的、倫理的、実務的な側面）は何か？

主な発見

• 初期の RE 段階、特に elicitation と分析に主に焦点が当てられている。
• 大規模言語モデル、特に GPT-series が GenAI-for-RE の分野を支配している。
• ドメイン特化型の適用、解釈可能性、AI生成出力の信頼性に関する課題が依然として存在する。
• 倫理、セキュリティ、プライバシー、バイアスの懸念が、RE における GenAI の繰り返しの課題である。
• 包括的な評価フレームワークと人間とAI の協働モデルの改善が求められている。