RAG4Tickets: AI-Powered Ticket Resolution via Retrieval-Augmented Generation on JIRA and GitHub Data
本論文は、JIRAとGitHubのデータを検索拡張生成（RAG）を用いて統合し、文脈を考慮したエビデンスに基づくチケット解決策の推奨事項を提供することで、ソフトウェア開発ワークフローにおける正確性と効率性を大幅に向上させるAI搭載フレームワークであるRAG4Ticketsを提案する。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
あなたは大規模なプロジェクトに取り組んでいるソフトウェア開発者だと想像してください。バグが発生するたびに、それは新しい探偵事件のようになります。かつて、これらの事件を解決することは、何百万もの他の針でできた干し草の山の中から一本の針を探すようなものでした。古いJIRAチケット（バグ報告）を掘り返し、何千もの開発者のコメントを読み、誰かがすでに同様の問題を解決していないかを確認するためにGitHubのコード変更をスキャンしなければなりませんでした。多くの場合、たとえ問題が同じであっても、それを説明するために使われた言葉が異なっていたため、解決策を見逃してしまい、車輪の再発明に何時間も浪費することになっていました。
この論文**「RAG4Tickets」**は、この問題を解決するために、スーパーパワーを備えた司書と探偵を組み合わせたようなスマートなアシスタントを提案しています。その仕組みを、簡単なステップに分けて説明します。
1. 問題点：「言葉の壁」のある図書館
あなたの会社のバグと修正の履歴を、巨大で混沌とした図書館だと考えてください。
- 問題: ある開発者が「ボタンをクリックするとアプリがフリーズする」というチケットを書いたとします。別の2年前の開発者は「ユーザー操作中に画面がロックされる」というチケットを書いていました。これらは同じ問題ですが、単純なキーワード検索ではその繋がりを見逃す可能性があります。
- 結果: 開発者は修正することよりも、検索することに時間を費やしすぎてしまいます。
2. 解決策： 「スマートな司書」（RAG）
著者らは、RAG4Ticketsと呼ばれるシステムを構築しました。このシステムを、単に本のタイトルを読むだけでなく、その背後にある「意味」を理解する高度に訓練された司書だと考えてください。
ステップ1：読み取りと理解（エンベディング）:
システムは、すべての古いバグ報告、コメント、およびコード変更（プルリクエスト）を読み取ります。システムはSentence-Transformersと呼ばれる特殊なツールを使用して、これらの言葉を「意味のマップ（ベクトル）」に変換します。単に「クラッシュ」という言葉を探すのではなく、「フリーズ」「ロックアップ」「ハング」がすべて同じ概念を指していることを理解します。ステップ2：超高速検索（FAISS）:
システムがこれらの意味のマップを手に入れたら、FAISSと呼ばれる巨大で超高速なインデックスに保存します。これは、似たアイデアが物理的にすぐ隣に配置されている魔法の地図のようなものです。新しいバグが入ってくると、システムは、たとえ言葉遣いが全く異なっていても、過去の最も類似したケースをトップ5つまたは10つ即座に見つけ出します。ステップ3：探偵のレポート（LLM生成）:
システムは単に古いチケットを表示するだけではありません。ケースを要約する探偵のように振る舞います。システムは見つけた古い解決策を取り込み、**大規模言語モデル（AI）**に投入します。AIは、どの古いコード変更がその新しいバグを解決したのかを正確に引用しながら、明確でステップバイステップのガイドを作成します。それは、シニアエンジニアが「おい、去年まさにこれと同じ問題を解決したよ。使い方はこのコードだ」と耳元で囁いてくれるようなものです。
3. 実社会での仕組み
著者らは、ウェブアプリケーションのメジャーなアップグレード（React 18からReact 19への移行）の際に、このシステムをテストしました。
- シナリオ: 開発者は、新しいソフトウェアバージョンによって引き起こされる特定のタイプの「UIフリーズ」に苦戦していました。
- 結果: システムは、類似のフリーズに関連する古いチケットとコード変更を見つけ出しました。そして開発者に、「これは以前発生した問題に似ています。当時のコード修正はこちらです」と伝えました。
- 成果:
- スピード: バグ修正にかかる時間が18.5時間から10.2時間へと短縮されました（45%の改善）。
- 信頼性: 約**68%**のケースで、開発者はAIの提案をそのまま受け入れるか、あるいはごくわずかな修正だけで採用しました。
- 正確性: システムは正しい過去のケースを見つける能力が非常に高く（82%の確率で、正解がトップ5の結果に含まれていました）、非常に優秀でした。
4. なぜこれが重要なのか
この論文は、これが単に速くなるためのものではなく、**「作り話（ハルシネーション）をしない」**ためのものであることを強調しています。
- ハルシネーションの防止: AIは文章を書く前に、必ず実際の歴史的な証拠（古いチケットやコード）を参照するように強制されるため、架空の修正案を作り出す可能性が非常に低くなります。これは、テストに答える前に教科書を引用しなければならない学生のようなものです。
- 知識の再利用: これは、企業が「組織的な記憶」を失うのを防ぎます。シニア開発者が退職しても、その知識は失われず、誰もが使えるようにシステム内にロックされます。
5. 注意点（限界）
著者らは、課題についても正直に述べています。
- 古い間違い: もし古いチケットに誤ったアドバイスが含まれていた場合、システムはその間違いを繰り返す可能性があります。
- 変化する言語: ソフトウェア技術が劇的に変化した場合（新しいバージョンのReactなど）、古い「意味のマップ」の精度が低下し、システムの再学習が必要になる可能性があります。
- コスト: このシステムを実行するには、何百万もの記録を瞬時に検索するための強力なコンピュータが必要です。
まとめ
要約すると、RAG4Ticketsは、過去の問題と現在の解決策の間の点と点を結びつけるツールです。それは、混沌としたバグ報告の山を、開発者がより速く、より少ないフラストレーションで、そして実世界の証明された修正に基づいているという自信を持って問題を解決できるような、スマートで検索可能な知識ベースへと変貌させます。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。