論文の概要: Building Your Own Product Copilot: Challenges, Opportunities, and Needs
- arxiv url: http://arxiv.org/abs/2312.14231v1
- Date: Thu, 21 Dec 2023 18:37:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 17:15:44.665914
- Title: Building Your Own Product Copilot: Challenges, Opportunities, and Needs
- Title（参考訳）: 独自のプロダクトコパイロットを構築する - 課題、機会、ニーズ
- Authors: Chris Parnin, Gustavo Soares, Rahul Pandita, Sumit Gulwani, Jessica
Rich, Austin Z. Henley
- Abstract要約: さまざまな企業でプロダクトコラボレートを構築する責任を負う,26人のプロフェッショナルソフトウェアエンジニアにインタビューした。
エンジニアリングプロセスのすべてのステップと、既存の開発プラクティスを歪ませる課題に、痛点を見つけました。
- 参考スコア（独自算出の注目度）: 16.710056957807353
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A race is underway to embed advanced AI capabilities into products. These
product copilots enable users to ask questions in natural language and receive
relevant responses that are specific to the user's context. In fact, virtually
every large technology company is looking to add these capabilities to their
software products. However, for most software engineers, this is often their
first encounter with integrating AI-powered technology. Furthermore, software
engineering processes and tools have not caught up with the challenges and
scale involved with building AI-powered applications. In this work, we present
the findings of an interview study with 26 professional software engineers
responsible for building product copilots at various companies. From our
interviews, we found pain points at every step of the engineering process and
the challenges that strained existing development practices. We then conducted
group brainstorming sessions to collaborative on opportunities and tool designs
for the broader software engineering community.
- Abstract（参考訳）: 高度なAI機能を製品に組み込むためのレースが進行中である。
これらの製品の組み合わせにより、ユーザは自然言語で質問をしたり、ユーザのコンテキストに特有の応答を受け取ることができる。
実際、事実上すべての大企業が、これらの機能をソフトウェア製品に追加しようとしている。
しかし、ほとんどのソフトウェアエンジニアにとって、これはai技術を統合する最初の機会となる。
さらに、ソフトウェアエンジニアリングのプロセスやツールは、AIベースのアプリケーション構築に関わる課題やスケールに追いついていません。
そこで本研究では,26名のプロソフトウェアエンジニアを対象に,各種企業における製品コーディット構築に関するインタビューを行った。
インタビューでは、エンジニアリングプロセスのあらゆるステップと、既存の開発プラクティスを圧迫した課題について、問題点を見つけました。
続いてグループブレインストーミングセッションを実施して、幅広いソフトウェアエンジニアリングコミュニティのための機会とツールデザインのコラボレーションを行いました。
関連論文リスト
- Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。
プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
論文 参考訳（メタデータ） (2024-07-23T17:50:43Z) - Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳（メタデータ） (2023-09-17T08:56:36Z) - AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。
AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-07-27T23:02:24Z) - Artificial Intelligence Impact On The Labour Force -- Searching For The
Analytical Skills Of The Future Software Engineers [0.0]
この体系的な文献レビューは、人工知能がソフトウェア工学における労働力に与える影響を調査することを目的としている。
それは、将来のソフトウェアエンジニアに必要なスキル、ソフトウェアエンジニアリングスキルの需要に対するAIの影響、そしてソフトウェアエンジニアの仕事の未来に焦点を当てている。
論文 参考訳（メタデータ） (2023-02-26T03:49:53Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Explainable AI for Software Engineering [12.552048647904591]
まず、ソフトウェアエンジニアリングにおける説明可能なAIの必要性を強調します。
次に、上記の課題に対処するために、説明可能なAI技術をどのように利用できるか、という3つのケーススタディを要約する。
論文 参考訳（メタデータ） (2020-12-03T00:42:29Z) - A Reference Software Architecture for Social Robots [64.86618385090416]
我々は社会ロボットが恩恵を受けるかもしれない一連の原則を提案する。
これらの原則は、社会ロボットのためのリファレンスソフトウェアアーキテクチャの設計の基礎にもなっている。
論文 参考訳（メタデータ） (2020-07-09T17:03:21Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z) - Understanding What Software Engineers Are Working on -- The Work-Item
Prediction Challenge [0.0]
ソフトウェアエンジニア(開発者、インシデント対応者、プロダクションエンジニアなど)が何に取り組んでいるのかを理解することは、難しい問題です。
本稿では,代表的シナリオを前提として,それに対応する「ワーク・イテム予測問題」について説明する。
論文 参考訳（メタデータ） (2020-04-13T19:59:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。