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

소프트웨어 설계의 세계에는 오래된 과제가 하나 있습니다. 그것은 바로 컴퓨터 프로그램이 무엇을 해야 하는지뿐만 아니라, 왜 그것을 해야 하는지를 설명하는 방법입니다. 엔지니어들은 소프트웨어 개발을 사람과 시스템이 함께 달성해야 하는 일련의 목표로 취급하는 '목표 지향 요구사항 공학(goal-oriented requirements engineering)'이라는 방법을 사용합니다. 이 접근 방식은 iStar라고 불리는 특정 언어에 의존하는데, 이 언어는 다이어그램을 사용하여 사용자나 조직과 같은 서로 다른 행위자들이 목표를 달ar하기 위해 서로 어떻게 의존하는지를 매핑합니다. 이 언어는 강력하지만 한계가 있습니다. 현대 기술의 요구사항이 더욱 복잡해짐에 따라, 표준 iStar 규칙은 때때로 부족함을 드러냅니다. 이를 해결하기 위해 전문가들은 새로운 특정한 상황을 기술할 수 있도록 허용하는 커스텀 추가 기능인 '확장(extensions)'을 만듭니다. 그러나 이러한 확장을 만드는 것은 깊은 전문 지식과 새로운 규칙이 기존 규칙과 올바르게 부합하도록 보장하는 엄격하고 단계적인 프로세스를 요구하는 어려운 작업입니다.

여기에서 PriseBot이라는 새로운 도구가 등장합니다. 브라질 세아라 연방 대학교의 연구진은 누구나 이러한 커스텀 확장을 만들고자 할 때 가이드 역할을 할 수 있도록 이 챗봇을 개발했습니다. 사용자가 방대한 매뉴얼이나 복잡한 순서도를 읽도록 강요하는 대신, PriseBot은 사용자가 마치 동료에게 말하듯 일상적인 언어로 질문할 수 있게 해줍니다. 이 시스템은 iStar 언어에 대한 기존 지식과 확장 제작을 위한 특정 프로세스인 PRISE를 기반으로 구축되었습니다. 대화형 인터페이스와 과학 논문 및 기술 문서 데이터베이스에서 정확한 정보를 검색하는 메커니즘을 결합함으로써, 이 봇은 사용자가 새로운 소프트웨어 규칙을 설계하는 복잡한 단계를 거치면서 길을 잃지 않도록 도와줍니다.

연구진은 단순히 도구를 만든 것에 그치지 않고, 이것이 실제로 작동하는지 확인하기 위해 두 가지 별도의 방식으로 테스트를 진행했습니다. 첫째, 경험이 적은 학생이 챗봇 모델링을 위한 새로운 확장을 만드는 과정에서 PriseBot을 사용하는 모습을 관찰했습니다. 학생은 초기 아이디어부터 최종 설계에 이르기까지 전 과정에서 봇에 의존했습니다. 학생은 이 도구가 매우 유용하다고 보고하며, 복잡한 과정을 관리 가능한 수준으로 만들어 주었고 명확하고 구조화된 답변을 제공하여 시간을 절약해 주었다고 언급했습니다. 봇은 학생이 새로운 개념을 정의하고 요구되는 표준에 따라 자신의 작업을 검토할 수 있도록 돕는 등 모든 단계에서 성공적으로 안내했습니다.

이 성공이 우연인지 아니면 더 넓은 범위의 성과인지 확인하기 위해, 연구팀은 iStar 확장을 전문으로 하는 23명의 숙련된 연구자들을 대상으로 설문 조사를 실시했습니다. 전문가들은 봇의 잠재적 유용성, 사용 용이성 및 생산성 향상 능력에 대해 평가하도록 요청받았습니다. 결과는 압도적으로 긍정적이었습니다. 대다수의 노련한 전문가들은 봇이 그들의 업무에 도움이 될 것이며, 작업을 더 빠르게 만들어 줄 것이고, 프로젝트를 성공적으로 마칠 가능성을 높여줄 것이라는 데 동의했습니다. 그들은 인터페이스가 직관적이며 학습 곡선이 완만하다고 평가했습니다. 특정 기술 지식에 대한 훈련을 받지 않은 일반 목적의 인공지능 도구와 비교했을 때, PriseBot은 동일한 주제에 대해 다른 도구들이 정확한 답변을 제공하지 못한 것과 달리 모든 질문에 정확하게 답변하며 훨씬 더 뛰어난 성능을 보였습니다.

이 연구는 또한 실세계의 확장 기능인 iStar4Bot을 만드는 데 이 봇을 활용함으로써 실질적인 가치를 입증했습니다. 이 새로운 iStar 언어 추가 기능은 급성장하는 분야인 챗봇의 요구사항을 모델링하는 데 도움을 주기 위해 특별히 설계되었습니다. 이 확장은 '의도(intent)'와 '맥락(context)'과 같은 새로운 개념을 도입하여, 챗봇이 인간과 어떻게 상호작용하는지를 더 정밀하게 기술할 수 있게 합니다. 작동하고 검증된 확장이 챗봇의 도움을 받아 제작되었다는 사실은, 이 도구가 단순한 이론적 실험이 아니라 복잡한 이론과 실제 적용 사이의 간극을 메울 수 있는 기능적인 보조 도구임을 시사합니다.

궁극적으로, 이번 연구는 대화형 기술을 전문적인 소프트웨어 공학 분야에 도입하는 것이 복잡한 과정을 명확하게 설명할 수 있음을 보여줍니다. 엄격하고 단계적인 방법론을 친근하고 상호작용적인 인터페이스로 감싸줌으로써, 연구진은 초보자와 전문가 모두가 고급 소프트웨어 설계 개념에 더 효과적으로 참여할 수 있는 방법을 만들어냈습니다. 이러한 결과는 인공지능이 특정 고품질 지식에 대해 주의 깊게 훈련되고 명확한 프로세스에 의해 안내될 때, 어려운 공학 문제를 해결하는 데 있어 신뢰할 수 있는 파트너가 될 수 있으며, 더 나은 소프트웨어 시스템을 만드는 것을 더 넓은 범위의 사람들에게 더 쉽게 만들 수 있음을 시사합니다.