[論文レビュー] AI in Software Engineering: A Survey on Project Management Applications

Talia Crawford, Scott Duong+6 more|arXiv (Cornell University)|Jul 27, 2023

Software Engineering Techniques and Practices被引用数 5

ひとこと要約

本調査は、1992年から2022年までの11件の研究を分析し、ソフトウェア工学プロジェクトマネジメントにおけるAIおよび機械学習の応用を調査する。AIが自動分析を活用してリスク軽減、コスト見積もり、要件割り当ての改善に寄与する可能性があることが明らかになった一方で、モデルのトレーニング、データ品質、倫理的統合の課題も浮き彫りにされた。

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.

研究の動機と目的

• 1992年から2022年までのソフトウェア工学プロジェクトマネジメントにおけるAIおよび機械学習の進化と現状を検討すること。
• リスク評価、作業量見積もり、要件割り当てといったコアなプロジェクトマネジメントタスクにおけるAIの繰り返し発生する応用を特定すること。
• データ依存性、入力パラメータの主観性、倫理的懸念といった要因を含む、AIシステムの実装における制限と課題を分析すること。
• 特にアジャイルおよび分散環境において、AI統合のための今後の研究方向性を検討すること。
• 歴史的視点と現在のAI駆動フレームワークを比較し、分野における進捗と未解決のギャップを評価すること。

提案手法

• AIを活用したソフトウェア工学に関する11件の査読済み論文を対象とした体系的文献レビューであり、1992年の基盤的研究から最近の研究（2018–2022年）を含む。
• リスク軽減、コスト見積もり、要件割り当て、アジャイル支援といった分野におけるAI応用のテーマ分析。
• ソフトウェア作業量見積もりの精度を向上させるために、人工ニューラルネットワーク（ANNs）と直交配列ベースのモデルを活用。
• 繰り返し作業の自動化とアジャイルおよび分散開発環境における意思決定支援を可能にするAIフレームワークの評価。
• 人的要因に依存するアプローチの限界に着目し、手動とAI駆動のリスクマネジメントを比較。
• 実務家によるアンケート（例：Zohair, 2023）を統合し、今後30年間におけるAI導入の将来のトレンドを予測。

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

実験結果

リサーチクエスチョン

• RQ1 1992年から2022年までの間、ソフトウェアプロジェクトマネジメントにおけるAIの応用はどのように進化したか？
• RQ2 ソフトウェア工学におけるリスク軽減、コスト見積もり、要件割り当てにおいて、主なAI駆動の応用は何か？
• RQ3 ソフトウェア開発におけるプロジェクトマネジメントにAIを導入するにあたり、主な技術的および倫理的課題は何か？
• RQ4 現在のAIフレームワークは、従来の手動手法と比較して、正確性とスケーラビリティの面でどのように異なるか？
• RQ5 ソフトウェア工学プロジェクトマネジメントにおけるAI統合のための今後の研究方向性と統合戦略は何か？

主な発見

• AIおよび機械学習は、リスク評価とコスト見積もりの正確性を向上させることで、プロジェクト失敗率の低減に強い可能性を示している。
• 人工ニューラルネットワークに直交配列を組み合わせることで、ソフトウェアプロジェクトの作業量およびコスト予測における誤差を顕著に低減できる。
• 人的経験に依存する手動手法に比べ、自動化されたリスクマネジメントシステムは、スケーラブルな優先順位付けを可能にし、個人の経験に依存するリスクを軽減する。
• AI駆動の要件割り当てツールは、優先順位、依存関係、開発時間の要因を考慮することでバージョン計画を改善するが、入力値の主観性が依然として課題である。
• アジャイルおよび分散開発環境は、特に動的タスク割り当てとリアルタイム分析の分野で、AI統合の恩恵を最も享受している。
• 進捗は見られるものの、データ品質、モデルの解釈可能性、倫理的懸念といった課題が、広範な導入を阻害する主要な障壁のまま残っている。

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