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

No mundo do design de software, existe um desafio de longa data: como explicar não apenas o que um programa de computador deve fazer, mas por que ele deve fazê-lo. Engenheiros frequentemente utilizam um método chamado engenharia de requisitos orientada a objetivos, que trata o desenvolvimento de software como uma série de objetivos que pessoas e sistemas devem alcançar juntos. Essa abordagem baseia-se em uma linguagem específica chamada iStar, que utiliza diagramas para mapear como diferentes atores, como usuários ou organizações, dependem uns dos outros para atingir seus objetivos. Embora essa linguagem seja poderosa, ela possui uma limitação. À medida que as necessidades da tecnologia moderna crescem em complexidade, as regras padrão do iStar às vezes tornam-se insuficientes. Para corrigir isso, especialistas criam "extensões", que são adições personalizadas à linguagem que permitem descrever novas situações específicas. No entanto, criar essas extensões é uma tarefa difícil que exige conhecimento profundo e um processo rigoroso, passo a passo, para garantir que as novas regras se ajustem corretamente às antigas.

É aqui que um novo recurso chamado PriseBot entra na história. Pesquisadores da Universidade Federal do Ceará, no Brasil, desenvolveram este chatbot para atuar como um guia para qualquer pessoa que tente criar essas extensões personalizadas. Em vez de forçar os usuários a ler manuais densos ou fluxogramas complexos, o PriseBot permite que eles façam perguntas em linguagem comum, tal como falariam com um colega. O sistema é construído sobre uma base de conhecimento existente sobre a linguagem iStar e o processo específico para a criação de extensões, conhecido como PRISE. Ao combinar uma interface conversacional com um mecanismo que recupera informações precisas de um banco de dados de artigos científicos e documentos técnicos, o bot ajuda os usuários a navegar pelas etapas complicadas de projetar novas regras de software sem se perderem.

Os pesquisadores não apenas construíram a ferramenta; eles a colocaram à prova de duas maneiras distintas para ver se ela realmente funcionava. Primeiro, eles observaram um estudante com experiência limitada usando o PriseBot para criar uma extensão inédita para modelagem de chatbots. O estudante contou com o bot durante todo o processo, desde a ideia inicial até o design final. O estudante relatou que a ferramenta foi incrivelmente útil, observando que ela tornou o processo complexo algo gerenciável e forneceu respostas claras e estruturadas que economizaram tempo. O bot guiou o estudante com sucesso por todas as etapas, ajudando-o a definir novos conceitos e a verificar seu trabalho em relação aos padrões exigidos.

Para ver se esse sucesso foi um acaso ou algo mais amplo, a equipe então realizou uma pesquisa com vinte e três pesquisadores experientes especializados na criação de extensões iStar. Esses especialistas foram questionados sobre o potencial de utilidade do bot, facilidade de uso e capacidade de melhorar sua produtividade. Os resultados foram extremamente positivos. A grande maioria desses profissionais experientes concordou que o bot seria útil em seu trabalho, que tornaria suas tarefas mais rápidas e que aumentaria suas chances de concluir um projeto com sucesso. Eles consideraram a interface intuitiva e a curva de aprendizado suave. Quando comparado a ferramentas de inteligência artificial de propósito geral que não são treinadas nesse conhecimento técnico específico, o PriseBot teve um desempenho significativamente superior, respondendo a todas as perguntas corretamente, enquanto as outras ferramentas falharam em fornecer respostas precisas sobre os mesmos tópicos.

O estudo também demonstrou o valor prático do bot ao utilizá-lo para criar uma extensão do mundo real chamada iStar4Bot. Esta nova adição à linguagem iStar foi projetada especificamente para ajudar engenheiros a modelar os requisitos para chatbots, um campo em rápido crescimento. A extensão introduziu novos conceitos, como "intenção" e "contexto", que permitem uma descrição mais precisa de como um chatbot interage com um humano. O fato de uma extensão funcional e validada poder ser produzida com a ajuda do chatbot sugere que a ferramenta não é apenas um experimento teórico, mas um auxílio funcional que pode preencher a lacuna entre a teoria complexa e a aplicação prática.

Em última análise, a pesquisa mostra que trazer a tecnologia conversacional para o campo especializado da engenharia de software pode desmistificar processos complexos. Ao envolver uma metodologia rigorosa e passo a passo em uma interface amigável e interativa, os pesquisadores criaram uma maneira para que tanto iniciantes quanto especialistas possam se envolver com conceitos avançados de design de software de forma mais eficaz. As descobertas sugerem que, quando a inteligência artificial é cuidadosamente treinada em conhecimentos específicos e de alta qualidade e guiada por um processo claro, ela pode se tornar uma parceira confiável na resolução de problemas de engenharia difíceis, tornando a criação de melhores sistemas de software mais acessível a um grupo maior de pessoas.