Fugu-MT 論文翻訳(概要): Exploring Human-AI Collaboration in Agile: Customised LLM Meeting Assistants

論文の概要: Exploring Human-AI Collaboration in Agile: Customised LLM Meeting Assistants

arxiv url: http://arxiv.org/abs/2404.14871v1
Date: Tue, 23 Apr 2024 09:55:25 GMT
ステータス: 翻訳完了
システム内更新日: 2024-04-24 14:41:16.060567
Title: Exploring Human-AI Collaboration in Agile: Customised LLM Meeting Assistants
Title（参考訳）: アジャイルにおける人間とAIのコラボレーションを探る - カスタムLLMミーティングアシスタント
Authors: Beatriz Cabrero-Daniel, Tomas Herda, Victoria Pichler, Martin Eder,
Abstract要約: Action Research Researchは、2つのアジャイルソフトウェア開発ミーティングにおける"AIアシスタント"の統合に焦点を当てている。成功の鍵となる要因について議論し、AIの使用とチームコラボレーションのダイナミクスのリンクを確立する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This action research study focuses on the integration of "AI assistants" in two Agile software development meetings: the Daily Scrum and a feature refinement, a planning meeting that is part of an in-house Scaled Agile framework. We discuss the critical drivers of success, and establish a link between the use of AI and team collaboration dynamics. We conclude with a list of lessons learnt during the interventions in an industrial context, and provide a assessment checklist for companies and teams to reflect on their readiness level. This paper is thus a road-map to facilitate the integration of AI tools in Agile setups.
Abstract（参考訳）: このアクションリサーチは、デイリースクラムとフィーチャーリファインメントという、社内のスケールドアジャイルフレームワークの一部である計画ミーティングという、2つのアジャイルソフトウェア開発ミーティングにおける"AIアシスタント"の統合に焦点を当てています。成功の鍵となる要因について議論し、AIの使用とチームコラボレーションのダイナミクスのリンクを確立する。産業的な文脈で学んだ教訓のリストを締めくくり、企業やチームがその準備レベルを反映する評価チェックリストを提供する。この論文は、アジャイルのセットアップにおけるAIツールの統合を促進するためのロードマップである。

関連論文リスト

Impact of LLMs on Team Collaboration in Software Development [0.0]
大規模言語モデル(LLM)は、ソフトウェア開発プロセスに統合されつつある。本稿では,LLMがソフトウェア開発ライフサイクル全体を通してチームコラボレーションにどのように影響するかを検討する。
論文参考訳（メタデータ） (2025-10-07T18:16:17Z)
Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
論文参考訳（メタデータ） (2025-08-28T13:00:28Z)
AI and Agile Software Development: A Research Roadmap from the XP2025 Workshop [5.304473343081333]
本稿では,スイスのBrugg-Windischで開催された,“AI and Agile: From Frustration to Success”と題したXP2025ワークショップにおいて,その重要な成果を要約する。このワークショップは30以上の学際的な学術研究者と業界実践者を集め、ジェネレーティブ・人工知能(GenAI)とアジャイルソフトウェア開発の交差点における具体的な課題と新たな機会に取り組みました。
論文参考訳（メタデータ） (2025-08-28T08:56:32Z)
AutoMeet: a proof-of-concept study of genAI to automate meetings in automotive engineering [0.0]
LLM(Large Language Models)のようなジェネレーティブ人工知能(genAI)モデルは、音声および書込み言語処理において印象的なパフォーマンスを示す。これは、工学部における知識管理にgenAIの実践的利用を動機付けている。ミーティングのドキュメントワークフロー全体を自動化するために、エンドツーエンドのパイプラインを実装しています。
論文参考訳（メタデータ） (2025-07-21T20:44:53Z)
Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文参考訳（メタデータ） (2025-07-10T20:12:54Z)
AI and Agile Software Development: From Frustration to Success -- XP2025 Workshop Summary [2.856781525749652]
ワークショップは、将来の作業のために実行可能な方向性を示す研究ロードマップで締めくくられた。主要な成果は、特定されたフラストレーションから成功した実装に移行するための共同産業と学術の努力を促進するために設計された構造化された議題である。
論文参考訳（メタデータ） (2025-06-25T06:29:03Z)
Bridging HCI and AI Research for the Evaluation of Conversational SE Assistants [0.0]
大規模言語モデル(LLM)は近年,対話型アシスタントという形で,ソフトウェア工学においてますます採用されている。我々は、人間中心の自動評価を可能にするために、ヒューマン・コンピュータ・インタラクション(HCI)と人工知能(AI)の研究からの洞察を組み合わせることを提唱する。
論文参考訳（メタデータ） (2025-02-11T21:09:24Z)
From chalkboards to chatbots: SELAR assists teachers in embracing AI in the curriculum [41.94295877935867]
SELARは、教師が人工知能をカリキュラムに統合するためのフレームワークである。本稿では,Hague University of Applied Sciencesの講師が主催するワークショップを通じて,フレームワークの有効性を評価する。
論文参考訳（メタデータ） (2024-10-17T05:40:59Z)
Using Agile Story Points and Game Theory Together: Better Software Planning and Development in Agile Software Development [0.0]
この研究は、アジャイルソフトウェア開発、ストーリーポイント推定、ゲーム理論の主な概念を統合します。本稿では,ゲーム理論の応用,特にVickrey AuctionとStag Hunt Gameを提案する。
論文参考訳（メタデータ） (2024-08-30T18:32:14Z)
WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。 WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。 BrowserGymは、そのようなエージェントの設計と評価のための環境である。
論文参考訳（メタデータ） (2024-03-12T14:58:45Z)
The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文参考訳（メタデータ） (2024-02-07T01:45:14Z)
Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文参考訳（メタデータ） (2023-12-28T13:50:42Z)
TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
論文参考訳（メタデータ） (2023-11-30T18:02:44Z)
AI for Agile development: a Meta-Analysis [0.0]
本研究では,人工知能とアジャイルソフトウェア開発方法論を統合することのメリットと課題について検討する。このレビューは、特別な社会技術専門知識の必要性など、重要な課題を特定するのに役立った。プロセスや実践者への影響をよりよく理解し、その実装に関連する間接的な課題に対処するためには、さらなる研究が必要である。
論文参考訳（メタデータ） (2023-05-14T08:10:40Z)
Approach Intelligent Writing Assistants Usability with Seven Stages of Action [9.378355457555319]
我々は,知的書記アシスタントのインタラクション設計にアプローチするための枠組みとして,ノーマンの7つの行動段階を採用する。ソフトウェアチュートリアルのオーサリングの例として,タスク記述へのフレームワークの適用性について説明する。
論文参考訳（メタデータ） (2023-04-06T02:11:55Z)
CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society [58.04479313658851]
本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
論文参考訳（メタデータ） (2023-03-31T01:09:00Z)
AANG: Automating Auxiliary Learning [110.36191309793135]
補助目的の集合を自動生成する手法を提案する。我々は、新しい統合分類体系の中で既存の目的を分解し、それらの関係を識別し、発見された構造に基づいて新しい目的を創出することで、これを実現する。これにより、生成された目的物の空間を探索し、指定されたエンドタスクに最も有用なものを見つけるための、原理的かつ効率的なアルゴリズムが導かれる。
論文参考訳（メタデータ） (2022-05-27T16:32:28Z)

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。