[논문 리뷰] AI in Software Engineering: A Survey on Project Management Applications

Talia Crawford, Scott Duong외 6명|arXiv (Cornell University)|2023. 07. 27.

Software Engineering Techniques and Practices인용 수 5

한 줄 요약

이 종합 검토는 1992년에서 2022년까지의 11개의 연구를 분석하여 소프트웨어 공학 프로젝트 관리 분야에서 인공지능과 기계학습의 적용을 조사한다. 자동화된 분석을 통해 위험 완화, 비용 추정, 요구사항 할당 향상 잠재력이 밝혀지며, 모델 훈련, 데이터 품질, 윤리적 통합의 과제들이 제기된다.

ABSTRACT

Artificial Intelligence (AI) refers to the intelligence demonstrated by machines, and within the realm of AI, Machine Learning (ML) stands as a notable subset. ML employs algorithms that undergo training on data sets, enabling them to carry out specific tasks autonomously. Notably, AI holds immense potential in the field of software engineering, particularly in project management and planning. In this literature survey, we explore the use of AI in Software Engineering and summarize previous works in this area. We first review eleven different publications related to this subject, then compare the surveyed works. We then comment on the possible challenges present in the utilization of AI in software engineering and suggest possible further research avenues and the ways in which AI could evolve with software engineering in the future.

연구 동기 및 목표

• 1992년에서 2022년까지 소프트웨어 공학 프로젝트 관리 분야에서 인공지능과 기계학습의 발전과 현재 상태를 검토하기 위해.
• 위험 평가, 노력 추정, 요구사항 할당과 같은 핵심 프로젝트 관리 과업에서 반복적으로 나타나는 인공지능 응용을 특정하기 위해.
• 데이터 의존성, 입력 매개변수의 주관성, 윤리적 우려와 같은 인공지능 시스템 구현의 제약 사항을 분석하기 위해.
• 특히 애자일 및 분산 환경에서 소프트웨어 개발에 인공지능 통합을 위한 향후 연구 방향 탐색하기 위해.
• 역사적 관점과 현재의 인공지능 기반 프레임워크를 비교하여 분야 내 진전과 지속적인 격차 평가하기 위해.

제안 방법

• 소프트웨어 공학 분야의 인공지능에 관한 11편의 동료 심사 논문을 대상으로 한 체계적 문헌 검토로, 1992년의 기초 연구와 최근 연구(2018–2022)를 포함한다.
• 위험 완화, 비용 추정, 요구사항 할당, 애자일 지원과 같은 프로젝트 관리 분야에서의 인공지능 응용에 대한 주제 분석을 수행한다.
• 소프트웨어 노력 추정 정확도 향상을 위해 인공신경망(ANNs)과 수직배열 기반 모델을 활용한다.
• 반복 작업 자동화 및 애자일 및 분산 개발 환경에서의 의사결정 지원을 위한 인공지능 프레임워크 평가.
• 수동 대비 인공지능 기반 위험 관리의 비교 분석을 통해 인간에 의존하는 접근의 한계를 강조한다.
• 실무자 설문 조사(예: Zohair, 2023)를 통합하여 향후 30년간 인공지능 도입 추세를 예측한다.

Figure 1: This figure shows how current AI and ML work with software engineering.

실험 결과

연구 질문

• RQ1 1992년에서 2022년까지 소프트웨어 프로젝트 관리 분야에서 인공지능의 응용은 어떻게 진화해 왔는가?
• RQ2 소프트웨어 공학 분야에서 위험 완화, 비용 추정, 요구사항 할당에 있어 주요 인공지능 기반 응용은 무엇인가?
• RQ3 소프트웨어 개발의 프로젝트 관리에 인공지능을 구현할 때 발생하는 주요 기술적 및 윤리적 과제는 무엇인가?
• RQ4 정확성과 확장성 측면에서 현재의 인공지능 프레임워크는 전통적인 수동 방법과 어떻게 비교되는가?
• RQ5 소프트웨어 공학 프로젝트 관리 분야에서 인공지능 통합을 위한 향후 연구 방향과 통합 전략는 무엇으로 예상되는가?

주요 결과

• 인공지능과 기계학습은 위험 평가 및 비용 추정 정확도 향상을 통해 프로젝트 실패율을 감소시킬 잠재력이 높다.
• 인공신경망과 수직배열을 조합하면 소프트웨어 프로젝트의 노력 및 비용 예측 오차를 크게 감소시킨다.
• 수동 방법에 비해 개인의 경험에 의존도를 낮추고 확장 가능한 우선순위 설정이 가능한 자동화된 위험 관리 시스템이 뛰어난 성능을 보인다.
• 인공지능 기반 요구사항 할당 도구는 우선순위, 종속성, 개발 시간을 고려해 버전 계획을 향상시키지만, 입력 값의 주관성이 여전히 한계로 남아 있다.
• 애자일 및 분산 개발 환경은 특히 동적 작업 할당과 실시간 분석을 통한 인공지능 통합에서 가장 큰 이점을 얻는다.
• 진전에도 불구하고 데이터 품질, 모델 해석 가능성, 윤리적 우려 등은 광범위한 도입을 가로막는 주요 장벽으로 남아 있다.

Figure 2: This figure shows how current AI and ML work with software engineering.