PriseBot - A chatbot to assist in the development of iStar Extensions

En el mundo del diseño de software, existe un desafío de larga data: cómo explicar no solo qué debe hacer un programa informático, sino por qué debe hacerlo. Los ingenieros suelen utilizar un método llamado ingeniería de requisitos orientada a objetivos, que trata el desarrollo de software como una serie de objetivos que las personas y los sistemas deben alcanzar juntos. Este enfoque se basa en un lenguaje específico llamado iStar, que utiliza diagramas para mapear cómo diferentes actores, como usuarios u organizaciones, dependen unos de otros para alcanzar sus metas. Si bien este lenguaje es poderoso, tiene una limitación. A medida que las necesidades de la tecnología moderna crecen en complejidad, las reglas estándar de iStar a veces se quedan cortas. Para solucionar esto, los expertos crean "extensiones", que son adiciones personalizadas al lenguaje que permiten describir situaciones nuevas y específicas. Sin embargo, crear estas extensiones es una tarea difícil que requiere una profunda experiencia y un proceso estricto y paso a paso para asegurar que las nuevas reglas encajen correctamente con las antiguas.

Aquí es donde entra en escena una nueva herramienta llamada PriseBot. Investigadores de la Universidad Federal de Ceará en Brasil desarrollaron este chatbot para actuar como un guía para cualquiera que intente crear estas extensiones personalizadas. En lugar de obligar a los usuarios a leer manuales densos o diagramas de flujo complejos, PriseBot les permite hacer preguntas en lenguaje sencillo, tal como hablarían con un colega. El sistema está construido sobre una base de conocimiento existente sobre el lenguaje iStar y el proceso específico para crear extensiones, conocido como PRISE. Al combinar una interfaz conversacional con un mecanismo que recupera información precisa de una base de datos de artículos científicos y documentos técnicos, el bot ayuda a los usuarios a navegar por los complicados pasos del diseño de nuevas reglas de software sin perderse.

Los investigadores no solo construyeron la herramienta; la pusieron a prueba de dos maneras distintas para ver si realmente funcionaba. Primero, observaron a un estudiante con experiencia limitada usar PriseBot para crear una extensión totalmente nueva para el modelado de chatbots. El estudiante dependió de la herramienta durante todo el proceso, desde la idea inicial hasta el diseño final. El estudiante informó que la herramienta fue increíblemente útil, señalando que hizo que el complejo proceso se sintiera manejable y proporcionó respuestas claras y estructuradas que ahorraron tiempo. El bot guio con éxito al estudiante a través de cada etapa, ayudándole a definir nuevos conceptos y a verificar su trabajo frente a los estándares requeridos.

Para ver si este éxito era una casualidad o algo más amplio, el equipo encuestó a veintitrés investigadores experimentados que se especializan en la creación de extensiones de iStar. Se les pidió a estos expertos que evaluaran la utilidad potencial del bot, su facilidad de uso y su capacidad para mejorar su productividad. Los resultados fueron abrumadoramente positivos. La gran mayoría de estos profesionales experimentados coincidieron en que el bot sería útil en su trabajo, que haría sus tareas más rápidas y que aumentaría sus posibilidades de completar un proyecto con éxito. Encontraron la interfaz intuitiva y la curva de aprendizaje suave. En comparación con las herramientas de inteligencia artificial de propósito general que no están entrenadas en este conocimiento técnico específico, PriseBot funcionó significativamente mejor, respondiendo correctamente a cada pregunta mientras que las otras herramientas no pudieron proporcionar respuestas precisas sobre los mismos temas.

El estudio también demostró el valor práctico del bot al utilizarlo para crear una extensión del mundo real llamada iStar4Bot. Esta nueva adición al lenguaje iStar fue diseñada específicamente para ayudar a los ingenieros a modelar los requisitos para los chatbots, un campo en rápido crecimiento. La extensión introdujo nuevos conceptos, como "intención" y "contexto", que permiten una descripción más precisa de cómo un chatbot interactúa con un humano. El hecho de que se pudiera producir una extensión funcional y validada con la ayuda del chatbot sugiere que la herramienta no es solo un experimento teórico, sino un apoyo funcional que puede cerrar la brecha entre la teoría compleja y la aplicación práctica.

En última instancia, la investigación muestra que traer la tecnología conversacional al campo especializado de la ingeniería de software puede desmitificar procesos complejos. Al envolver una metodología rigurosa y paso a paso en una interfaz amigable e interactiva, los investigadores han creado una forma para que tanto principiantes como expertos se involucren con conceptos avanzados de diseño de software de manera más efectiva. Los hallazgos sugieren que cuando la inteligencia artificial es cuidadosamente entrenada en conocimientos específicos y de alta calidad, y es guiada por un proceso claro, puede convertirse en un socio confiable para resolver problemas de ingeniería difíciles, haciendo que la creación de mejores sistemas de software sea más accesible para una gama más amplia de personas.