[논문 리뷰] Artificial Intelligence for Technical Debt Management in Software Development

Srinivas Babu Pandi, Samia A. Binta외 1명|arXiv (Cornell University)|2023. 06. 16.

Software Engineering Research인용 수 5

한 줄 요약

이 논문은 소프트웨어 개발에서 기술 부채를 관리하기 위한 인공지능 기반 기법에 대한 종합적인 문헌 고찰을 제시하며, 코드 분석, 자동 테스팅, 리팩터링, 코드 생성 분야에서 15개의 연구를 분석한다. 인공지능은 기술 부채 탐지 및 완화 측면에서 높은 잠재력을 보이며, 데이터 품질 및 윤리적 우려 등의 과제를 제기하며 실용적 도입과 향후 연구 방향에 대한 지침을 제공한다.

ABSTRACT

Technical debt is a well-known challenge in software development, and its negative impact on software quality, maintainability, and performance is widely recognized. In recent years, artificial intelligence (AI) has proven to be a promising approach to assist in managing technical debt. This paper presents a comprehensive literature review of existing research on the use of AI powered tools for technical debt avoidance in software development. In this literature review we analyzed 15 related research papers which covers various AI-powered techniques, such as code analysis and review, automated testing, code refactoring, predictive maintenance, code generation, and code documentation, and explores their effectiveness in addressing technical debt. The review also discusses the benefits and challenges of using AI for technical debt management, provides insights into the current state of research, and highlights gaps and opportunities for future research. The findings of this review suggest that AI has the potential to significantly improve technical debt management in software development, and that existing research provides valuable insights into how AI can be leveraged to address technical debt effectively and efficiently. However, the review also highlights several challenges and limitations of current approaches, such as the need for high-quality data and ethical considerations and underscores the importance of further research to address these issues. The paper provides a comprehensive overview of the current state of research on AI for technical debt avoidance and offers practical guidance for software development teams seeking to leverage AI in their development processes to mitigate technical debt effectively

연구 동기 및 목표

• 소프트웨어 개발 분야에서 기술 부채 관리에 응용된 인공지능 기반 연구의 현재 상태를 검토하기 위해.
• 기술 부채 회피를 지원하는 핵심 인공지능 기반 기법들—예를 들어 코드 분석, 자동 테스팅, 코드 생성—을 특정하기 위해.
• 기존 인공지능 접근 방식이 기술 부채 관리에 있어 효과성, 이점 및 한계를 평가하기 위해.
• 인공지능 기반 기술 부채 해결책에서의 연구 격차와 윤리적 고려사항을 부각하기 위해.
• 기술 부채 완화 전략에 인공지능을 통합하고자 하는 소프트웨어 팀을 위한 실용적 통찰과 지침을 제공하기 위해.

제안 방법

• 15편의 동료 심사된 학술 논문을 대상으로 한 체계적 문헌 고찰을 수행하였다. 이 연구들은 인공지능 기반 기술 부채 관리 응용에 집중하였다.
• 고찰은 다섯 영역으로 AI 기법을 분류하였다: 코드 분석 및 리뷰, 자동 테스팅, 코드 리팩터링, 예측 유지보수, 코드 생성 및 문서화.
• 기술 부채 감소 또는 관리에 기여한 방법론, 기술적 접근 및 보고된 결과를 바탕으로 연구를 평가하였다.
• 분석은 실제 소프트웨어 개발 환경에서 AI 도구의 기술적 효과성과 실용적 타당성을 평가하였다.
• 윤리적 고려사항, 데이터 품질 요구사항, 도구 통합 과제를 포함한 모든 연구에서 체계적으로 평가하였다.
• 고찰은 추세, 한계 및 향후 연구를 위한 기회를 식별하기 위해 결과를 통합하였다.

실험 결과

연구 질문

• RQ1 현재 소프트웨어 개발에서 기술 부채를 탐지하고 관리하기 위해 어떤 인공지능 기반 기법이 사용되고 있는가?
• RQ2 기본 기술 부채 맥락에서 인공지능 기반 도구가 소프트웨어 품질, 유지보수성 및 성능 향상에 얼마나 효과적인가?
• RQ3 기존 인공지능 접근 방식이 기술 부채 관리에 있어 주요 과제와 한계는 무엇인가?
• RQ4 기본 기술 부채 해결에 인공지능을 적용할 경우 발생하는 윤리적 및 데이터 관련 우려는 무엇인가?
• RQ5 기술 부채 완화 분야에서 향후 연구 및 실무 적용을 위한 기회는 무엇인가?

주요 결과

• 인공지능 기반 코드 분석 및 자동 테스팅은 코드 스멜과 악성 패턴을 식별하여 기술 부채의 조기 탐지에 크게 기여한다.
• 인공지능 기반 코드 리팩터링 및 생성 도구는 노후 코드의 개선을 자동화하고 개발 속도를 높여 기술 부채를 줄이는 데 기여한다.
• 코드 메트릭과 개발 패턴을 기반으로 미래 기술 부채 축적을 예측하는 데 성공한 예측 유지보수 모델은 잠재력을 보이고 있다.
• 그러나 현재의 인공지능 도구들은 데이터 품질, 모델의 해석 가능성, 기존 소프트웨어 개발 라이프사이클에의 통합 과제에 직면해 있다.
• 편향된 인공지능 기반 코드 생성 및 투명성 부족 등의 윤리적 우려는 광범위한 도입을 저지르는 주요 장벽으로 남아 있다.
• 문헌은 점점 증가하고 있지만 여전히 산산이 흩어져 있는 연구 기반을 드러내며, 인공지능 기반 기술 부채 관리 분야에서 향후 혁신의 잠재력이 크다는 것을 보여준다.