Resumen Técnico: Agentes Neuro-Simbólicos para la Reutilización de Requisitos Libre de Alucinaciones

1. Declaración del Problema

La Ingeniería de Requisitos (IR) es inherentemente costosa y propensa a errores. Si bien la reutilización de requisitos validados de líneas de productos de software (por ejemplo, mediante el Método Orientado a Objetos para la Autoría y Gestión de Requisitos, u OOMRAM) ofrece una estrategia para reducir el esfuerzo, los marcos existentes enfrentan un cuello de botella crítico: la correspondencia exacta de identificadores. La recuperación tradicional de OOMRAM requiere que los usuarios especifiquen IDs de requisitos precisos, lo que impide la generación automática de especificaciones a partir de descripciones de proyectos en lenguaje natural.

Los Modelos de Lenguaje Grandes (LLM) ofrecen la flexibilidad lingüística para interpretar visiones vagas de las partes interesadas y mapearlas a requisitos. Sin embargo, los LLM son propensos a alucinaciones, como inventar identificadores inexistentes, ignorar restricciones obligatorias o combinar opciones mutuamente excluyentes. Las herramientas actuales de IR que aprovechan los LLM a menudo carecen de garantías formales de corrección, dejando las especificaciones generadas vulnerables a inconsistencias lógicas e invalidez estructural, lo cual es particularmente peligroso en dominios críticos para la seguridad o altamente regulados.

2. Metodología: Un Sistema Multiagente Neuro-Simbólico

Los autores proponen una arquitectura multiagente neuro-simbólica que re-conceptualiza la reutilización de requisitos como un proceso de Elicitación Impulsada por Modelos. El sistema operacionaliza el retículo formal de OOMRAM como un modelo de dominio determinista, utilizando un LLM únicamente como una heurística no determinista para recorrer este modelo.

Arquitectura Central

Construido sobre LangGraph, el sistema emplea cuatro agentes especializados que comparten un estado tipado (AgentState):

1. Navegador: Simula un recorrido en profundidad del retículo de requisitos, seleccionando el siguiente nodo discriminante a expandir basándose en la visión del proyecto y el estado actual.
2. Interpretador (LLM): Un agente no determinista (utilizando llama3.1:8b con temperatura 0) que interpreta la visión en lenguaje natural y propone un conjunto de IDs de requisitos hijos para el nodo actual. Genera una salida en JSON estructurado.
3. Validador (Simbólico): Un componente determinista y algorítmico (Python puro, sin LLM) que actúa como una barrera de seguridad en tiempo de ejecución. Verifica cada selección propuesta contra las restricciones de satisfacibilidad booleana ($\Phi$) del esquema del retículo. Hace cumplir:
   • Requisitos Centrales: Todos los nodos obligatorios deben ser seleccionados.
   • Adaptador Único (SA/XOR): Debe seleccionarse exactamente un hijo.
   • Adaptador Múltiple (MA/OR): Debe seleccionarse al menos un hijo.
   • Integridad Estructural: Ningún nodo huérfano (un hijo no puede ser seleccionado sin su padre).
   • Mecanismo: Si se detecta una violación, el Validador rechaza la propuesta y devuelve un registro de errores al Interpretador, forzando una revisión. Este bucle continúa hasta que se satisfacen las restricciones.
4. Escriba: Compila el conjunto final y validado de IDs de requisitos en una especificación formateada.

Estrategias Técnicas Clave

• Navegación de Subgrafos: Para manejar retículos industriales grandes y prevenir fallos de razonamiento por "perdidos en el medio", el sistema restringe el contexto del Interpretador a un subconjunto localizado (frontera) del retículo en cada paso. Esto asegura un tamaño de contexto constante ($O(1)$) y una escalabilidad lineal ($O(N)$) con el número de puntos de decisión.
• Enrutamiento Semántico: Un enrutador preliminar utiliza incrustaciones de transformadores de oraciones para seleccionar la familia de retículos apropiada (por ejemplo, eRecordKeeping, SmartHome) basándose en el texto de visión de entrada, habilitando el soporte multi-dominio sin selección manual.
• Especificación Formal: El sistema define el retículo como un Grafo Acíclico Dirigido (DAG) $L = (V, E, T, \Phi)$ y hace cumplir un predicado de consistencia global $\Psi(S)$, asegurando que el conjunto de selección final sea una instancia válida del metamodelo.

3. Contribuciones Clave

1. Operacionalización de OOMRAM para la Era de los LLM: Este es el primer trabajo que reemplaza la selección por ID exacto con un recorrido en lenguaje natural impulsado por LLM, haciendo que el retículo formal de OOMRAM sea práctico para la IR moderna.
2. Mitigación Determinista de Alucinaciones: La introducción de un Validador totalmente determinista que actúa como guardián codificado de forma rígida. Al hacer cumplir algorítmicamente las restricciones dentro del bucle de generación, el sistema elimina por completo las combinaciones de requisitos ilegales, en lugar de depender de filtrado heurístico.
3. Benchmarks Autónomos Reproducibles: Los autores proporcionan un benchmark que demuestra un recorrido fiable, violaciones de restricciones cercanas a cero y validez estructural completa en diversas familias de aplicaciones.
4. Implementación Agnóstica al Modelo: Un marco de código abierto construido sobre LangGraph y Ollama local, diseñado para escalar a retículos industriales más grandes y garantizar privacidad y reproducibilidad.

4. Evaluación Experimental y Resultados

El sistema fue evaluado en modo de simulación autónoma sobre diez visiones de proyectos extraídas de dos familias de aplicaciones: el retículo original eRecordKeeping (aprox. 60 requisitos) y un retículo sintético SmartHome (aprox. 20 requisitos). El corpus se amplió para incluir 12 familias basadas en estándares del mundo real (por ejemplo, ISO 26262, ISO 20022, TM Forum eTOM).

Resultados Cuantitativos

• Validez Estructural: El sistema logró un 100% de finalización y un 100% de validez estructural en todas las visiones probadas.
• Violaciones de Restricciones: La tasa final de violación de restricciones fue del 0.2% (1 violación detectada y corregida durante el proceso). En contraste, un estudio de ablación que eliminó el Validador resultó en una tasa promedio de violación del 5.1% y solo un 14% de validez estructural.
• Puntuación F1: Frente a estándares de oro elaborados manualmente, la puntuación F1 osciló entre 0.47 y 0.81. Los autores argumentan que esta puntuación moderada no es un fracaso, sino una consecuencia del vasto "Espacio de Configuración Válido" en las líneas de productos, donde existen múltiples opciones opcionales/alternativas legítimas.
• Latencia: La latencia promedio de reloj fue de 210 segundos por visión, con una media de 78 llamadas al LLM. El Validador añadió un tiempo de ejecución insignificante.

Hallazgos Cualitativos

• Conflicto Intencional: El sistema navega con éxito conflictos donde el LLM intenta satisfacer los deseos de las partes interesadas (por ejemplo, "sistema barato") violando restricciones obligatorias (por ejemplo, seguridad). El Validador rechaza estas acciones, forzando al LLM a encontrar una alternativa cumplidora (por ejemplo, seleccionar la opción válida más barata).
• Tipología de Errores: Las alucinaciones pre-validación variaron según el dominio (por ejemplo, errores de cardinalidad en RRHH/Nómina, huérfanos estructurales en Telecomunicaciones, negligencia de restricciones en Redes Inteligentes), pero el Validador simbólico redujo la tasa de error final al 0% en todos los casos.

5. Significado y Afirmaciones

El artículo afirma que el futuro de la automatización de la IR no reside en escalar los parámetros de los LLM, sino en el acoplamiento armonioso del razonamiento probabilístico neuronal con la lógica simbólica codificada de forma rígida.

• Cambio en las Métricas: Los autores argumentan que para la IR de alto cumplimiento, la Tasa de Validez Estructural (SVR) y el Recuerdo Obligatorio son métricas más críticas que las métricas tradicionales de PLN como la Precisión o la puntuación F1. Lograr un 100% de SVR demuestra que el sistema transforma la generación estocástica en un proceso de ingeniería formal.
• IA Confiable: Al separar la comprensión del lenguaje abierto del LLM de un aplicador de restricciones basado en reglas, el sistema proporciona un pipeline confiable que previene la deriva de especificaciones mientras retiene la flexibilidad para interpretar visiones vagas.
• Escalabilidad: La estrategia de navegación de subgrafos asegura que el sistema pueda escalar teóricamente a retículos industriales sin degradar la calidad del razonamiento, siempre que la ventana de contexto permanezca constante.

El trabajo concluye que, aunque los LLM son útiles para interpretar la intención, son fundamentalmente poco confiables para la lógica estructural, una tarea que debe ser delegada a componentes simbólicos para garantizar una reutilización de requisitos libre de alucinaciones.