LLM-Based Discovery of Latent Requirements from Stakeholder Conversations: Preliminary Results from Industry
यह शोध पत्र LENS को प्रस्तुत करता है, जो एक LLM-आधारित दृष्टिकोण है जो स्पष्ट आवश्यकताओं को निकालने और संगठनात्मक संदर्भ पर तर्क करके अंतर्निहित (latent) आवश्यकताओं का अनुमान लगाने के लिए स्टेकहोल्डर साक्षात्कार ट्रांसक्रिप्ट का विश्लेषण करता है, जो निष्कर्षण में उच्च सटीकता और एक औद्योगिक साइबर सुरक्षा मूल्यांकन में महत्वपूर्ण व्यावहारिक मूल्य प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रहस्य सुलझाने वाले जासूस हैं, लेकिन आप किसी अपराध स्थल पर सुराग खोजने के बजाय, एक क्लाइंट और एक बिजनेस कंसल्टेंट के बीच हो रही एक लंबी, अनर्गल बातचीत को सुन रहे हैं। क्लाइंट अपने दिन-प्रतिदिन के संघर्षों के बारे में बात कर रहा है, इस बात की शिकायत कर रहा है कि कुछ कार्यों को करने में कितना अधिक समय लगता है, और यह बता रहा है कि उनकी टीम कैसे काम करती है।
समस्या:
आमतौर पर, जब कंपनियाँ नया सॉफ्टवेयर बनाना चाहती हैं, तो वे अपने कर्मचारियों (स्टेकहोल्डर्स) से पूछती हैं, "आपको क्या चाहिए?" कर्मचारी कह सकते हैं, "मुझे एक ऐसा बटन चाहिए जो X करता हो।" यह एक एक्सप्लिसिट रिक्वायरमेंट (स्पष्ट आवश्यकता) है—इसे स्पष्ट रूप से लिखा जाता है।
लेकिन अक्सर, कर्मचारियों को ठीक से पता नहीं होता कि उन्हें क्या चाहिए। वे बस इतना कह सकते, "मुझे हर हफ्ते ये रिपोर्ट लिखने में तीन घंटे लगते हैं," या "मुझे तीन अलग-अलग जगहों से डेटा कॉपी-पेस्ट करना पड़ता है।" वे सॉफ्टवेयर नहीं मांग रहे हैं; वे बस एक परेशानी (pain point) का वर्णन कर रहे हैं। इन छिपी हुई जरूरतों को लेटेंट रिक्वायरमेंट्स (सुप्त आवश्यकताएं) कहा जाता है। यदि कोई मानव विश्लेषक (human analyst) बातचीत को सुनता है, तो वह यह निष्कर्ष निकाल सकता है, "आह, अगर हम एक ऑटोमैटिक रिपोर्ट जनरेटर बना दें, तो वह उनकी इस तीन घंटे वाली समस्या को हल कर देगा।" लेकिन इंसान थक जाते हैं, और घंटों की ऑडियो सुनना धीमा और महंगा होता है।
समाधान: LENS
यह पेपर एक नया टूल पेश करता है जिसे LENS (LLM-Enabled Needs Discovery) कहा जाता है। LENS को एक सुपर-स्मार्ट, अथक जासूस के रूप में समझें जिसने कंपनी के मौजूदा टूल्स के हर मैनुअल को पढ़ा हुआ है।
LENS दो काम करता है:
- द स्क्राइब (लेखक): यह बातचीत को सुनता है और ठीक वही लिख देता है जो लोगों ने मांगा है (एक्सप्लिसिट रिक्वायरमेंट्स)।
- द डिटेक्टिव (जासूस): यह शिकायतों और अव्यवस्थित वर्कफ्लो के विवरण को सुनता है, और फिर उन्हें कंपनी की मौजूदा तकनीक के एक "चीट शीट" के साथ क्रॉस-रेफरेंस करता है। इसके बाद यह कहता है, "रुको, मुझे पता है कि आपने इसके लिए नहीं मांगा था, लेकिन आपकी धीमी मैन्युअल प्रक्रिया के बारे में जो आपने कहा, और यह जानकर कि आपके पास एक विशिष्ट टूल है जो यह कर सकता है, आपको एक ऐसा फीचर होना चाहिए जो इसे स्वचालित रूप से ठीक कर दे।"
यह कैसे काम करता है (उपमा):
कल्पना कीजिए कि आप एक दोस्त से बात कर रहे हैं जो कहता है, "मुझे हर दिन दूध खरीदने के लिए दुकान तक पैदल जाना पसंद नहीं है; यह बहुत थकाऊ है।"
- द स्क्राइब लिखता है: "दोस्त दूध खरीदना चाहता है।"
- द डिटेक्टिव (LENS) आपके दोस्त के घर को देखता है और पाता है कि उनके पास एक स्मार्ट फ्रिज और एक ग्रोसरी डिलीवरी ऐप इंस्टॉल है लेकिन उसका उपयोग कभी नहीं किया गया। डिटेक्टिव सुझाव देता है: "मैं अनुमान लगाता हूँ कि आपके दोस्त को एक 'स्मार्ट मिल्क ऑर्डरिंग' फीचर की आवश्यकता है जो फ्रिज खाली होने पर अपने आप दूध का ऑर्डर दे सके।"
LENS इन सुझावों को "यूजर स्टोरीज" (सॉफ्टवेयर जरूरतों को समझाने का एक मानक तरीका) के रूप में लिखता है और उन्हें बातचीत के उस सटीक क्षण से जोड़ता है जहाँ से वह विचार आया था, ताकि कोई यह न कह सके, "आपको यह विचार कहाँ से आया?"
प्रयोग:
शोधकर्ताओं ने इस टूल का परीक्षण eSentire नामक एक साइबर सुरक्षा कंपनी के साथ किया। उन्होंने LENS को कर्मचारियों के 12 वास्तविक इंटरव्यू (लगभग 60 मिनट प्रत्येक) दिए।
- परिणाम 1 (द स्क्राइब): जब उन चीजों को खोजने की बात आई जो लोगों ने स्पष्ट रूप से मांगी थीं, तो LENS बहुत सटीक था। इसने 100% अनुरोधों को खोज निकाला और यह 73% बार सही था, जिसके परिणामस्वरूप एक उच्च समग्र स्कोर मिला।
- परिणाम 2 (द डिटेक्टिव): जब छिपी हुई जरूरतों को खोजने की बात आई, तो शोधकर्ताओं ने विचारों का मूल्यांकन करने के लिए मानव विशेषज्ञों की मदद ली। उन्होंने पाया कि LENS द्वारा दिए गए "छिपे हुए" विचारों में से 75% को उपयोगी माना गया। विशेषज्ञों का मानना था कि ये विचार समय बचाएंगे या उबाऊ कार्यों को ऑटोमेट करेंगे।
सावधानी (जो पेपर हमें चेतावनी देता है):
यह पेपर अपनी सीमाओं के बारे में बहुत ईमानदार है।
- भ्रम (Confusion): कभी-कभी LENS लोगों के बात करने के तरीके से भ्रमित हो जाता है। यदि कोई कहता है, "हम पहले से ही यह ऑटोमैटिक रूप से करते हैं, है ना?" तो LENS सोच सकता है कि वे इसे ऑटोमेट करने के लिए कह रहे हैं, जबकि वे केवल इस बात की पुष्टि कर रहे हैं कि यह पहले से मौजूद है।
- व्यवहार्यता (Feasibility): हालांकि विचार अच्छे थे, लेकिन कभी-कभी LENS के पास पर्याप्त विवरण नहीं थे। यह एक ऐसा समाधान सुझा सकता है जो सुनने में बहुत अच्छा लगता है, लेकिन उसके लिए एक विशिष्ट डेटा या दो टूल्स के बीच ऐसे कनेक्शन की आवश्यकता होती है जो वास्तव में कंपनी के पास नहीं है।
- अंतिम उत्पाद नहीं: पेपर इस बात पर जोर देता है कि LENS आपको एक तैयार सॉफ्टवेयर उत्पाद नहीं देता है। यह आपको चर्चा के लिए विचारों की एक सूची देता है। यह एक मंथन साथी (brainstorming partner) की तरह है, न कि एक तैयार भोजन की तरह।
सारांश में:
यह पेपर दिखाता है कि AI व्यावसायिक बातचीत को सुन सकता है, लोग जो मांगते हैं उसे लिख सकता है, और उन समस्याओं के लिए सॉफ्टवेयर समाधान सुझाने के लिए एक रचनात्मक साथी के रूप में भी कार्य कर सकता है जिन्हें लोग खुद भी नहीं जानते थे कि वे हल कर सकते हैं। यह अच्छी तरह से काम करता है, लेकिन इसे विचारों को दोबारा जांचने और यह सुनिश्चित करने के लिए कि वे वास्तव में संभव हैं, अभी भी मानव विशेषज्ञों की आवश्यकता होती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।