論文の概要: A Research Roadmap for Augmenting Software Engineering Processes and Software Products with Generative AI
- arxiv url: http://arxiv.org/abs/2510.26275v1
- Date: Thu, 30 Oct 2025 08:59:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-31 16:05:09.727552
- Title: A Research Roadmap for Augmenting Software Engineering Processes and Software Products with Generative AI
- Title（参考訳）: ジェネレーティブAIによるソフトウェアエンジニアリングプロセスとソフトウェア製品の拡張のための研究ロードマップ
- Authors: Domenico Amalfitano, Andreas Metzger, Marco Autili, Tommaso Fulcini, Tobias Hey, Jan Keim, Patrizio Pelliccione, Vincenzo Scotti, Anne Koziolek, Raffaela Mirandola, Andreas Vogelsang,
- Abstract要約: Generative AI(GenAI)は、ソフトウェアエンジニアリング(SE)のプラクティスを急速に変革している。
本稿では,GenAIを付加したSEのロードマップ構築にデザインサイエンス研究を適用した。
- 参考スコア（独自算出の注目度）: 9.850215320680872
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI (GenAI) is rapidly transforming software engineering (SE) practices, influencing how SE processes are executed, as well as how software systems are developed, operated, and evolved. This paper applies design science research to build a roadmap for GenAI-augmented SE. The process consists of three cycles that incrementally integrate multiple sources of evidence, including collaborative discussions from the FSE 2025 "Software Engineering 2030" workshop, rapid literature reviews, and external feedback sessions involving peers. McLuhan's tetrads were used as a conceptual instrument to systematically capture the transforming effects of GenAI on SE processes and software products.The resulting roadmap identifies four fundamental forms of GenAI augmentation in SE and systematically characterizes their related research challenges and opportunities. These insights are then consolidated into a set of future research directions. By grounding the roadmap in a rigorous multi-cycle process and cross-validating it among independent author teams and peers, the study provides a transparent and reproducible foundation for analyzing how GenAI affects SE processes, methods and tools, and for framing future research within this rapidly evolving area. Based on these findings, the article finally makes ten predictions for SE in the year 2030.
- Abstract（参考訳）: Generative AI(GenAI)は、ソフトウェアエンジニアリング(SE)のプラクティスを急速に変革し、SEプロセスの実行方法や、ソフトウェアシステムの開発、運用、進化の方法に影響を与える。
本稿では,GenAIを付加したSEのロードマップ構築にデザインサイエンス研究を適用した。
このプロセスは、FSE 2025 "Software Engineering 2030"ワークショップ、迅速な文献レビュー、同僚を含む外部からのフィードバックセッションなど、複数のエビデンスソースを段階的に統合する3つのサイクルで構成されている。
McLuhan氏のテトラッドは、SEプロセスとソフトウェア製品に対するGenAIの変換効果を体系的に捉えるための概念的な道具として使用され、その結果のロードマップは、SEにおけるGenAI拡張の4つの基本的な形態を特定し、関連する研究課題と機会を体系的に特徴づけている。
これらの知見は、将来の研究の方向性にまとめられる。
厳格なマルチサイクルプロセスでロードマップを定め、独立した著者チームと仲間の間で検証することで、この研究は、GenAIがSEプロセス、メソッド、ツールにどのように影響するかを透過的で再現可能な基盤を提供し、この急速に進化する領域における将来の研究をフレーミングする。
これらの結果に基づき、2030年のSEに関する10の予測を行った。
関連論文リスト
- A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - Towards Shift-Up: A Framework and a Prestudy on High-Value Activities in GenAI Native Software Development [1.2437874940121108]
我々は、GenAIがサポートしながら、ソフトウェアチームが高価値な作業に集中するのを支援するGenAIネイティブ開発のためのフレームワークを提案する。
論文の終わりに向けて、我々はシフトアップをもっと詳細に研究するための今後の研究目標を提案する。
論文 参考訳（メタデータ） (2025-09-29T08:56:54Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - Explainable Artificial Intelligence Techniques for Software Development Lifecycle: A Phase-specific Survey [1.4513830934124627]
説明可能な人工知能(XAI)は、AIシステムをより解釈可能で透明にするブラックボックス問題に対処するために登場した。
本稿では,SDLC(Software Development Life Cycle)のすべてのフェーズを対象としたXAI技術に関する総合的な調査を行う。
論文 参考訳（メタデータ） (2025-05-11T17:09:57Z) - Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。
Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文 参考訳（メタデータ） (2024-11-01T14:27:16Z) - O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。
我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。
本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-10-08T15:13:01Z) - Generative AI and Process Systems Engineering: The Next Frontier [0.5937280131734116]
本稿では,大規模言語モデル (LLM) のような新しい生成人工知能(GenAI)モデルが,プロセスシステム工学 (PSE) におけるソリューション方法論をいかに拡張するかを考察する。
これらの最先端のGenAIモデル、特にファンデーションモデル(FM)は、広範な汎用データセットで事前トレーニングされている。
この記事では、マルチスケールモデリング、データ要件、評価指標とベンチマーク、信頼性と安全性など、PSE内でGenAIを完全に活用する上での潜在的な課題を特定し、議論する。
論文 参考訳（メタデータ） (2024-02-15T18:20:42Z) - Generative Artificial Intelligence for Software Engineering -- A
Research Agenda [8.685607624226037]
我々は、GenAI for Software Engineeringの研究アジェンダを開発するために、文献レビューと5ヶ月間のフォーカスグループを実施しました。
この結果から,GenAIを部分的自動化に適用し,すべてのソフトウェア開発活動における意思決定を支援することが可能であることが示唆された。
GenAIを実装する際の一般的な考慮事項は、業界レベルの評価、信頼性と正確性、データアクセシビリティ、透明性、技術に関連する持続可能性といった点である。
論文 参考訳（メタデータ） (2023-10-28T09:14:39Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳（メタデータ） (2022-08-18T16:41:22Z)
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。