LLM-Based Discovery of Latent Requirements from Stakeholder Conversations: Preliminary Results from Industry
本論文は、ステークホルダーへのインタビューのトランスクリプトを分析し、組織的なコンテキストに基づいて推論を行うことで、明示的な要件を抽出するとともに潜在的な要件を推論する、LLMベースのアプローチであるLENSを紹介するものであり、抽出における高い精度と、産業用サイバーセキュリティ評価における顕著な実用的価値を実証している。
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、あるミステリーを解こうとしている探偵だと想像してください。ただし、事件現場で手がかりを探すのではなく、クライアントとビジネスコンサルタントの間の、とりとめもなく長い会話に耳を傾けているのです。クライアントは、自身の日常的な苦労や、特定の作業にどれほど時間がかかるか、そして自分たちのチームがどのように動いているかについて不満を漏らしています。
問題点：
通常、企業が新しいソフトウェアを構築したいとき、従業員（ステークホルダー）に対して「何が必要ですか？」と尋ねます。従業員は「Xができるボタンが必要です」と言うかもしれません。これは**明示的な要件（explicit requirement）**であり、明確に書き留められるものです。
しかし、多くの場合、従業員は自分が正確に何を必要としているのかを理解していません。彼らは単に、「毎週、これらのレポートを作成するのに3時間かかります」とか、「3つの異なる場所からデータをコピー＆ペーストしなければなりません」と言うだけです。彼らはソフトウェアを求めているのではなく、単に「痛み（ペインポイント）」を説明しているのです。こうした隠れたニーズは**潜在的な要件（latent requirements）**と呼ばれます。もし人間のアナリストがこの会話を聞けば、「なるほど、もし自動レポート生成機能を作れば、この3時間の問題が解決するはずだ」と気づくことができるでしょう。しかし、人間は疲れるものですし、何時間もの音声を聞き続けるのは時間がかかり、コストもかかります。
解決策：LENS
この論文では、LENS（LLM-Enabled Needs Discovery）と呼ばれる新しいツールを紹介しています。LENSを、会社のツールに関するあらゆるマニュアルを読み込んだ、超スマートで疲れを知らない探偵だと考えてください。
LENSは2つのことを行います。
- 書記（The Scribe）： 会話を聞き、人々が実際に何を求めたのか（明示的な要件）を正確に書き留めます。
- 探偵（The Detective）： 不満や、ぐちゃぐちゃなワークフローの記述を聞き取り、それを会社の既存技術の「カンニングペーパー」と照らし合わせます。そしてこう言います。「待ってください。あなたはこれを求めてはいませんでしたが、あなたの今の遅い手作業の話と、あなたが特定のツールを持っているという事実に基づけば、それを自動的に修正する機能があるべきです。」
仕組み（例え話）：
友人が「毎日牛乳を買いに店まで歩くのが嫌なんだ、すごく疲れるよ」と言っている場面を想像してください。
- 書記はこう書き留めます：「友人は牛乳を買いたいと思っている。」
- 探偵（LENS）は友人の家を見て、スマート冷蔵庫と食料品デリバリーアプリがインストールされているものの、一度も使われていないのを見つけます。そして探偵はこう提案します：「あなたの友人は、冷蔵庫の中身が少なくなったら自動的に注文する『スマート牛乳注文』機能が必要だと推測されます。」
LENSはこれらの提案を「ユーザーストーリー」（ソフトウェアのニーズを記述する標準的な方法）として書き出し、そのアイデアが会話のどの瞬間に由来したものかを紐付けます。これにより、誰も「どこからそんなアイデアを持ってきたんだ？」と言えないようにしています。
実験：
研究者たちは、サイバーセキュリティ企業であるeSentireを用いて、このツールをテストしました。彼らは12件の実際の従業員インタビュー（それぞれ約60分）をLENSに読み込ませました。
- 結果1（書記）： 人々が「明示的に」求めたものを探す際、LENSは非常に正確でした。LENSはリクエストの100%を見つけ出し、73%の確率で正解を導き出したため、高い総合スコアを記録しました。
- 結果2（探偵）： 「隠れた」ニーズを探る際、研究者たちは人間の専門家に判断を仰ぎました。その結果、LENSが提示した「隠れた」アイデアの**75%**が有用であると判断されました。専門家たちは、これらのアイデアが時間を節約したり、退屈な作業を自動化したりするものだと考えました。
注意点（論文が警告していること）：
この論文は、その限界についても非常に正直に述べています。
- 混乱： LENSは時として、人々の話し方に混乱することがあります。例えば、誰かが「これってすでに自動で行われていますよね？」と言った場合、LENSはそれが自動化を求めているのではなく、単に既存の機能であることを確認しているだけなのに、自動化を求めていると誤解してしまうことがあります。
- 実現可能性： アイデア自体は良かったものの、LENSは詳細が不足していることもありました。例えば、素晴らしい解決策を提案しても、実際には会社が持っていない特定のデータや、2つのツールの連携が必要なケースなどです。
- 最終製品ではない： 論文は、LENSが完成したソフトウェア製品を提供するものではないことを強調しています。LENSが提供するのは、さらなる議論のためのアイデアのリストです。それは、完成した食事ではなく、ブレインストーミングのパートナーのようなものです。
まとめ：
この論文は、AIがビジネスの会話を聞き、人々が求めていることを書き留め、さらには人々自身が気づいていない問題を解決するためのソフトウェア・ソリューションを提案するクリエイティブなパートナーとして機能できることを示しています。LENSはうまく機能しますが、アイデアが実際に構築可能かどうかを確認するために、依然として人間の専門家によるチェックが必要です。
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。