論文の概要: Towards the Next Generation of Software: Insights from Grey Literature on AI-Native Applications

• arxiv url: http://arxiv.org/abs/2509.13144v1
• Date: Tue, 16 Sep 2025 15:01:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.13722
• Title: Towards the Next Generation of Software: Insights from Grey Literature on AI-Native Applications
• Title（参考訳）: 次世代ソフトウェアに向けて:AI-Nativeアプリケーションに関するGrey Literatureからの洞察
• Authors: Lingli Cao, Shanshan Li, Ying Fan, Danyang Li, Chenxing Zhong,
• Abstract要約: AIネイティブアプリケーションは、ソフトウェアの設計、開発、進化の方法を根本的に再定義する、ソフトウェアエンジニアリングの新しいパラダイムである。 人気が高まっているにもかかわらず、AIネイティブアプリケーションには、統一されたエンジニアリング定義とアーキテクチャの青写真がない。 本研究は、AIネイティブアプリケーションの定義特性、キー品質特性、および典型的な技術スタックを識別することにより、AIネイティブアプリケーションの包括的な理解を確立することを目的とする。
• 参考スコア（独自算出の注目度）: 13.876049229274114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: The rapid advancement of large language models (LLMs) has given rise to AI-native applications, a new paradigm in software engineering that fundamentally redefines how software is designed, developed, and evolved. Despite their growing prominence, AI-native applications still lack a unified engineering definition and architectural blueprint, leaving practitioners without systematic guidance for system design, quality assurance, and technology selection. Objective: This study seeks to establish a comprehensive understanding of AI-native applications by identifying their defining characteristics, key quality attributes, and typical technology stacks, as well as by clarifying the opportunities and challenges they present. Method: We conducted a grey literature review, integrating conceptual perspectives retrieved from targeted Google and Bing searches with practical insights derived from leading open-source projects on GitHub. A structured protocol encompassing source selection, quality assessment, and thematic analysis was applied to synthesize findings across heterogeneous sources. Results: We finally identified 106 studies based on the selection criteria. The analysis reveals that AI-native applications are distinguished by two core pillars: the central role of AI as the system's intelligence paradigm and their inherently probabilistic, non-deterministic nature. Critical quality attributes include reliability, usability, performance efficiency, and AI-specific observability. In addition, a typical technology stack has begun to emerge, comprising LLM orchestration frameworks, vector databases, and AI-native observability platforms. These systems emphasize response quality, cost-effectiveness, and outcome predictability, setting them apart from conventional software systems. Conclusion: This study is the first to propose a dual-layered engineering blueprint...
• Abstract（参考訳）: 背景: 大規模言語モデル(LLM)の急速な進歩は、ソフトウェアの設計、開発、進化の方法を根本的に再定義する、ソフトウェア工学の新しいパラダイムである、AIネイティブなアプリケーションを生み出しました。 AIネイティブアプリケーションは、その普及にもかかわらず、統一されたエンジニアリング定義とアーキテクチャの青写真がなく、システム設計、品質保証、技術選択に関する体系的なガイダンスのない実践者を残している。 目的: この研究は、AIネイティブなアプリケーションに対する包括的理解を確立するために、その特性、重要な品質特性、典型的な技術スタックを識別し、提示される機会と課題を明確にすることを目的としています。 Method: 私たちは、GoogleとBingを対象とする検索から得られた概念的視点を、GitHub上の主要なオープンソースプロジェクトから得られた実践的な洞察と統合して、グレーの文献レビューを実施しました。 異種ソース間の発見を合成するために, ソース選択, 品質評価, テーマ分析を含む構造化プロトコルを適用した。 結果: 選択基準に基づき, 最終的に106個の研究を同定した。 この分析によると、AIネイティブアプリケーションは、システムのインテリジェンスパラダイムとしてのAIの中心的な役割と、本質的に確率的で非決定論的な性質の2つの柱によって区別されている。 重要な品質特性としては、信頼性、ユーザビリティ、パフォーマンス効率、AI固有の可観測性などがある。 さらに、LLMオーケストレーションフレームワーク、ベクトルデータベース、AIネイティブな可観測プラットフォームなど、典型的なテクノロジスタックが登場し始めている。 これらのシステムは、応答品質、コスト効率、結果予測可能性を強調し、従来のソフトウェアシステムと区別する。 結論: この研究は、二層化エンジニアリング・ブループリントを初めて提案した。

関連論文リスト

• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
  ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている 生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。 ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
  論文  参考訳（メタデータ） (2024-10-26T15:42:50Z)
• A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.273934717819795]
  本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。 我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
  論文  参考訳（メタデータ） (2024-01-26T03:20:40Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• Quality Management of Machine Learning Systems [0.0]
  機械学習(ML)技術の大きな進歩により、人工知能(AI)は私たちの日常生活の一部になっています。 ビジネス/ミッションクリティカルなシステムでは、AIアプリケーションの信頼性と保守性に関する深刻な懸念が残っている。 本稿では,MLアプリケーションのための総合的な品質管理フレームワークの展望について述べる。
  論文  参考訳（メタデータ） (2020-06-16T21:34:44Z)

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。