GADR: Gathering Architecture Decision Records from Meeting Transcriptions
Dit artikel introduceert GADR, een multi-agent, zelfcorrigerende workflow die effectief architecturale beslissingen extraheert uit ruwe, ruisgevoelige vergadertranscripties om gestructureerde, in Nygard-formaat uitgevoerde Architecture Decision Records (ADR's) te genereren, waarbij een superieure stabiliteit en bruikbaarheid wordt aangetoond ten opzichte van single-pass LLM-baselines, terwijl kritieke afwegingen tussen de diepgang van RAG-gebaseerde verrijking en de getrouwheid van het transcript worden belicht.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Softwarearchitectuur is de onzichtbare blauwdruk die een digitaal systeem bij elkaar houdt, die bepaalt hoe de onderdelen met elkaar communiceren en waar ze zich bevinden. Maar een blauwdruk is nutteloos als de mensen die hem tekenen vergeten waarom ze voor een specifieke ontwerpbepaling hebben gekozen of hoe ze een probleem hebben opgelost. In het verleden probeerden teams dit op te lossen door elke belangrijke keuze vast te leggen in een document dat een Architecture Decision Record wordt genoemd. Deze verslagen zijn bedoeld als eenvoudige aantekeningen die uitleggen wat er is besloten, waarom er voor die keuze is gekozen en welke alternatieven zijn afgewezen, zodat toekomstige ontwikkelaars de geschiedenis van het project kunnen begrijpen. Het maken van deze verslagen is echter hard werk. In de echte wereld worden belangrijke beslissingen zelden genomen in nette, schriftelijke rapporten. In plaats daarvan vinden ze plaats in rommelige, ongestructureerde vergaderingen waar mensen door elkaar heen praten, van onderwerp afdwalen en hun redenering begraven in informele gesprekken. Het extraheren van een helder, formeel verslag uit zo'ng een chaotisch gesprek is lang een barrière geweest voor het georganiseerd houden van softwareprojecten.
Een team van onderzoekers aan de Federal University of Pernambuco in Brazilië heeft een nieuwe manier voorgesteld om deze kloof te overbruggen met behulp van kunstmatige intelligentie. Ze bouwden een systeem genaamd GADR, wat staat voor Gathering Architecture Decision Records. Het kernidee is om het ruwe, lawaaierige transcript van een vergadering — waarbij mensen mogelijk in het Portugees spreken, elkaar onderbreken of ongerelateerde onderwerpen bespreken — automatisch om te zetten in een gestructureerd, leesbaar besluitverslag. De onderzoekers vroegen een computer niet simpelweg om de tekst samen te vatten. In plaats daarvan ontwierpen ze een workflow waarbij meerdere gespecialiseerde softwareagents samenwerken in een lus. Eén agent luistert naar het gesprek om potentiële beslissingen te vinden, een andere fungeert als criticus om te controleren of die beslissingen logisch zijn of dat de computer dingen verzint, en een derde agent verzamelt extra technische informatie om de details in te vullen. Dit proces herhaalt zich en verfijnt de output totdat deze klaar is voor menselijke beoordeling.
Om te testen of deze aanpak daadwerkelijk werkt, verzamelden de onderzoekers transcripten van vijf echte softwareontwikkelingsvergaderingen. Deze bevatten sessies met bachelorstudenten die videogames en logistieke platforms bouwden, evenals een vergadering met senior onderzoekers die werkten aan een project op het gebied van gezondheidstechnologie. Ze voedden deze ruwe transcripten aan hun nieuwe multi-agent systeem en vergeleken de resultaten met twee eenvoudigere methoden: een kunstmatige intelligentie vragen om in één keer een verslag te schrijven zonder voorbeelden, en de AI vragen om een verslag te schrijven nadat het enkele voorbeelden van goede verslagen had gezien. De studie toonde aan dat het nieuwe systeem veel stabieler was. De eenvoudigere methoden produceerden vaak inconsistente resultaten, waarbij ze soms ongerelateerde ideeën samenvoegden of cruciale punten volledig misten. In contrast hiermee produceerde het multi-agent systeem consequent verslagen die een standaardformaat volgden en de belangrijkste beslissingen die besproken werden, vastlegden.
Toen de onderzoekers de studenten die deelnamen aan de vergaderingen vroegen om de gegenereerde verslagen te beoordelen, was de reactie overwegend positief. Van de 55 specifieke evaluaties van de beslissingen stemden 52 ermee in dat het systeem correct had geïdentificeerd wat er besproken werd. Bovendien verklaarden 51 van die evaluaties dat de gegenereerde verslagen duidelijk en volledig genoeg waren om nuttig te zijn. De studenten rapporteerden dat het lezen van de verslagen hen hielp de redenering achter hun keuzes te herinneren, wat vaak het moeilijkste deel van softwareontwikkeling is om weken of maanden later te herinneren. Senior architecten beoordeelden het werk ook en vonden dat het systeem ongeveer 18 van de 23 belangrijke beslissingen succesvol had geïdentificeerd die de experts in dezelfde transcripten hadden opgemerkt. Dit suggereert dat het systeem de belangrijkste architecturale keuzes kan vinden, zelfs in een zee van informele gesprekken.
De onderzoekers merkten echter voorzichtig op dat het systeem niet perfect is en niet zonder menselijk toezicht moet worden vertrouwd voor het schrijven van de definitieve versie van een document. Het systeem voegde soms details toe die niet in de oorspronkelijke vergadering voorkwamen. In één geval dat betrekking had op een videogame, voegde het systeem bijvoorbeeld een specifiek aantal verwachte gebruikers toe dat nooit door de studenten was genoemd; het had dit aantal uit de verslagen van een ander project gehaald tijdens het zoeken naar context. Dit benadrukt een afweging: het systeem maakt de verslagen rijker en leerzamer door technische context toe te voegen, maar loopt het risico informatie te bevatten die nooit daadwerkelijk door het team is afgesproken. De onderzoekers concludeerden dat de beste toepassing van dit hulpmiddel het genereren van een concept is. Het kan een chaotische vergadering omzetten in een gestructureerd eerste concept dat een mens snel kan controleren, corrigeren en goedkeuren.
De studie suggereert dat de grootste hindernis voor het actueel houden van softwaredocumentatie niet het gebrek aan goede ideeën is, maar de inspanning die nodig is om ze op te schrijven. Door de initiële extractie van beslissingen uit rommelige gesprekken te automatiseren, verlaagt deze aanpak die drempel. Het vervangt niet de noodzaak voor menselijk oordeel, maar verschuift het werk van het schrijven vanuit het niets naar het beoordelen en verfijnen. Voor de studenten in de studie betekende dit dat ze hun eigen discussies effectiever konden leren kennen door hun informele gedachten getransformeerd te zien in professionele documentatie. De onderzoekers geloven dat deze verschuiving, van het creëren van documentatie naar het beoordelen ervan, een belangrijke stap voorwaarts is voor hoe teams de kennis beheren die hun software bouwt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.