요구 사항 도출 및 분석을 위한 AI 기반 다중 에이전트 접근법

요구 사항 엔지니어링(Requirements Engineering, RE)은 소프트웨어 개발에 있어 중요한 역할을 하며 요구 사항 도출, 분석, 명세 및 변경 관리와 같은 작업을 포함합니다. 그 비판적 중요성에도 불구하고, RE는 의사소통의 복잡성, 초기 단계의 불확실성 및 정확한 자원 추정과 같은 도전에 직면해 있습니다. 본 연구는 대규모 언어 모델(LLMs)을 활용하여 요구 사항 분석 작업을 자동화하는 효과를 경험적으로 조사했습니다. 우리는 AI 모델을 에이전트로 배치하여 초기 요구 사항으로부터 사용자 스토리를 생성하고 그 품질을 평가 및 개선하며 선택된 기법을 사용하여 이들을 우선순위화하는 다중 에이전트 시스템을 구현했습니다. 구현 과정에서 우리는 GPT-3.5, GPT-4 Omni, LLaMA3-70 및 Mixtral-8B의 네 가지 모델을 배치하고, 네 개의 실제 프로젝트에서 요구 사항을 분석하기 위한 실험을 수행했습니다. 우리는 서로 다른 모델의 의미적 유사성과 API 성능, 및 요구 사항 분석에서의 효과성과 효율성을 분석하고 사용자 경험에 대한 피드백을 수집하여 결과를 평가했습니다. 초기 결과에 따르면 모델 간에 작업 완료에서 주목할 만한 차이가 있음을 나타냈습니다. Mixtral-8B는 가장 빠른 응답을 제공했으며, GPT-3.5는 높은 유사성 점수를 가진 복잡한 사용자 스토리를 처리할 때 탁월한 성과를 보였으며, 프로젝트 설명에서 정확한 사용자 스토리를 도출하는 능력을 입증했습니다. 네 개 프로젝트 팀원의 피드백과 제안은 RE 단계 개선 및 간소화에 있어 LLM의 효과성을 더 신뢰하게 뒷받침하고 있습니다.