From Scattered to Structured: A Vision for Automating Architectural Knowledge Management

Resumen Técnico: De lo disperso a lo estructurado: Una visión para la automatización de la gestión del conocimiento arquitectónico

Planteamiento del problema
La arquitectura de software es inherentemente centrada en el conocimiento, pero este conocimiento se encuentra actualmente distribuido en artefactos heterogéneos, que incluyen documentos de requisitos, diagramas de diseño, código fuente y documentación. Esta dispersión crea barreras significativas para los desarrolladores que intentan acceder y utilizar el conocimiento arquitectónico de manera efectiva. Además, a medida que los sistemas evolucionan, surgen frecuentemente inconsistencias entre estos artefactos (por ejemplo, la documentación desactualizada respecto a la implementación), lo que conduce a la erosión arquitectónica e impide el mantenimiento. Un desafío crítico es que gran parte del conocimiento arquitectónico permanece implícito, residiendo en la mente de los desarrolladores o requiriendo inferencia a partir del contexto, mientras que las fuentes externas como las actas de reuniones y grabaciones permanecen mayoritariamente sin aprovechar.

Metodología y enfoque propuesto
Los autores proponen una visión para un flujo de trabajo automatizado diseñado para extraer, vincular y consolidar sistemáticamente el conocimiento arquitectónico en una base de conocimientos (KB) estructurada. El enfoque se estructura en torno a cinco etapas técnicas planificadas:

1. Marco de extracción de conocimiento especializado: El flujo de trabajo empleará extractores distintos adaptados a tipos de artefactos específicos.

   • Artefactos textuales (requisitos, documentación) serán procesados mediante Procesamiento de Lenguaje Natural (NLP) y Modelos de Lenguaje de Gran Escala (LLMs) para identificar elementos arquitectónicos, decisiones y justificaciones.
   • Artefactos de código serán sometidos a análisis estático y comprensión de programas para extraer conocimiento estructural y de comportamiento.
   • Artefactos visuales (diagramas) utilizarán mecanismos de análisis para capturar las relaciones entre componentes.
   • Colaboración Humano-IA: Para abordar las brechas en la extracción automatizada (por ejemplo, términos omitidos o contexto específico del dominio), el marco permite la aumentación manual mediante entradas de usuario estructuradas (por ejemplo, JSON) para corregir errores y refinar la KB.

2. Esquema de base de conocimientos unificado: Se diseñará un esquema unificado capaz de acomodar el conocimiento de diversas fuentes manteniendo las relaciones semánticas y los enlaces de trazabilidad (Recuperación de Enlaces de Trazabilidad - TLR). Este esquema está destinado a soportar la verificación de conformidad arquitectónica, el análisis de impacto de cambios y la consulta mediante lenguaje natural.

3. Verificación y resolución de consistencia: El sistema implementará mecanismos para detectar inconsistencias, tales como contradicciones en las decisiones arquitectónicas o desajustes entre la estructura documentada y la implementada. Los autores planean explorar enfoques basados en reglas, basados en aprendizaje y basados en LLMs para la detección, junto con estrategias de resolución semiautomáticas que involucren a los arquitectos humanos en la toma de decisiones críticas.

4. Monitoreo continuo basado en agentes: Un agente impulsado por LLM orquestará el flujo de trabajo, monitoreando continuamente los artefactos de software mediante la integración con el sistema de archivos y el control de versiones. Al detectar cambios, el agente activa la TLR y las verificaciones de consistencia. Está diseñado para resolver problemas menores de forma autónoma y escalar conflictos críticos a las partes interesadas humanas con solicitudes de aclaración dirigidas, asegurando que la supervisión humana permanezca central en las decisiones significativas.

5. Integración de Pregunta-Respuesta (QA): Aprovechando la KB estructurada, el sistema integrará técnicas de Generación Aumentada por Recuperación (RAG) para permitir la consulta conversacional. Esto permite a los desarrolladores acceder al conocimiento arquitectónico mediante lenguaje natural, de forma análoga a sistemas como HubLink para el conocimiento científico.

Contribuciones clave y trabajo planificado
Como artículo de visión, este trabajo no presenta resultados empíricos de un sistema totalmente desplegado, sino que esboza una hoja de ruta sistemática para la realización de la automatización propuesta. Las contribuciones principales incluyen:

• Una arquitectura de flujo de trabajo integral: Una propuesta detallada de un sistema de extremo a extremo que transita de artefactos dispersos a una base de conocimientos estructurada y consultable.
• Integración de fuentes multimodales: La inclusión explícita de fuentes no tradicionales como actas de reuniones, grabaciones de llamadas y bocetos, junto con el código y la documentación estándar.
• Diseño de Agente con Humano en el Bucle (Human-in-the-Loop): Un patrón arquitectónico específico para un agente inteligente que equilibra el mantenimiento autónomo con el compromiso proactivo del humano ante conflictos ambiguos o críticos.
• Desarrollo de Taxonomía y Marco de Trabajo: Los autores planean realizar una revisión de la literatura para derivar una taxonomía de tipos de conocimiento arquitectónico y establecer las bases teóricas para el marco de extracción.

Significancia y Reivindicaciones
El artículo afirma que la realización de esta visión democratizaría el acceso al conocimiento arquitectónico, apoyando prácticas de ingeniería de software más informadas a lo largo del ciclo de vida de desarrollo. Al consolidar el conocimiento disperso, el sistema pretende:

• Habilitar actividades críticas como la verificación de conformidad arquitectónica y el análisis de impacto de cambios.
• Reducir el tiempo y los recursos que los desarrolladores dedican a la comprensión, particularmente en sistemas a gran escala.
• Potencialmente fomentar mejores prácticas de documentación al demostrar los beneficios tangibles de mantener un conocimiento preciso y consistente.
• Servir como un agente inteligente que mantiene la integridad de la base de conocimientos con una intervención humana mínima, asegurando al mismo tiempo que las decisiones críticas permanezcan bajo el control humano.

Desafíos Anticipados
Los autores reconocen varios obstáculos significativos que deben abordarse para asegurar la efectividad del sistema:

• Heterogeneidad: Procesar datos multimodales (código estructurado, diagramas semiestructurados, notas no estructuradas) sin un preprocesamiento manual extensivo.
• Escalabilidad: Gestionar los recursos computacionales y las limitaciones de la ventana de contexto de los LLMs al tratar con millones de líneas de código y miles de páginas de documentación.
• Explicabilidad y Confianza: Mitigar las alucinaciones de los LLM y asegurar que el conocimiento extraído sea verificable para evitar la propagación de errores fácticos hacia la KB.
• Error vs. Inconsistencia: Distinguir entre conflictos arquitectónicos genuinos y errores introducidos por el propio proceso de extracción.
• Validez Temporal: Gestionar la evolución de los sistemas donde el conocimiento arquitectónico se vuelve obsoleto con el tiempo, requiriendo mecanismos para preservar el contexto histórico mientras se asegura que las consultas actuales devuelvan información relevante.
• Seguridad y Privacidad: Garantizar controles de acceso apropiados y anonimización al procesar artefactos sensibles como grabaciones de reuniones.