論文の概要: Artificial Intelligence as a Catalyst for Innovation in Software Engineering
- arxiv url: http://arxiv.org/abs/2603.10994v1
- Date: Wed, 11 Mar 2026 17:20:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-12 16:22:33.078184
- Title: Artificial Intelligence as a Catalyst for Innovation in Software Engineering
- Title（参考訳）: ソフトウェアエンジニアリングにおけるイノベーションの触媒としての人工知能
- Authors: Carlos Alberto Fernández-y-Fernández, Jorge R. Aguilar-Cisneros,
- Abstract要約: この記事では、アジリティを向上し、イノベーションを促進するための強力な触媒としてAIがどのように機能するかについて説明する。
AIの統合(特に機械学習(ML)と自然言語処理(NLP))は、面倒なタスクの自動化を促進する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid evolution and inherent complexity of modern software requirements demand highly flexible and responsive development methodologies. While Agile frameworks have become the industry standard for prioritizing iteration, collaboration, and adaptability, software development teams continue to face persistent challenges in managing constantly evolving requirements and maintaining product quality under tight deadlines. This article explores the intersection of Artificial Intelligence (AI) and Software Engineering (SE), to analyze how AI serves as a powerful catalyst for enhancing agility and fostering innovation. The research combines a comprehensive review of existing literature with an empirical study, utilizing a survey directed at Software Engineering professionals to assess the perception, adoption, and impact of AI-driven tools. Key findings reveal that the integration of AI (specifically through Machine Learning (ML) and Natural Language Processing (NLP) )facilitates the automation of tedious tasks, from requirement management to code generation and testing . This paper demonstrates that AI not only optimizes current Agile practices but also introduces new capabilities essential for sustaining quality, speed, and innovation in the future landscape of software development.
- Abstract（参考訳）: 現代のソフトウェア要件の急速な進化と固有の複雑さは、非常に柔軟で応答性の高い開発方法論を必要とします。
アジャイルフレームワークは、反復、コラボレーション、適応性の優先順位付けの業界標準になっていますが、ソフトウェア開発チームは、絶えず進化する要求を管理し、厳密な期限の下で製品品質を維持する上で、永続的な課題に直面し続けています。
この記事では、AI(AI)とソフトウェアエンジニアリング(SE)の交差点について、アジリティの向上とイノベーションの促進のための強力な触媒としてAIがどのように機能するかを分析する。
この調査は、AI駆動ツールの認識、採用、影響を評価するために、ソフトウェアエンジニアリングの専門家を対象にした調査を利用して、既存の文献の包括的なレビューと実証的研究を組み合わせる。
重要な発見は、AI(特に機械学習(ML)と自然言語処理(NLP))の統合が、要件管理からコード生成、テストに至るまで、面倒なタスクの自動化を促進することを示している。
この記事では、AIが現在のアジャイルプラクティスを最適化するだけでなく、将来のソフトウェア開発の状況において品質、スピード、革新を維持するのに不可欠な新しい機能も導入していることを実証する。
関連論文リスト
- Preparing Students for AI-Driven Agile Development: A Project-Based AI Engineering Curriculum [1.7791007833336614]
本稿では、AI駆動型アジャイル開発のための学生のためのプロジェクトベースのAIエンジニアリングカリキュラムを提案する。
本研究は,(1)カリキュラムの概念と指導原則,(2)学際的,AI対応のアジャイル学生プロジェクトの事例研究,(3)混合メソッド評価による早期の証拠を提示する。
論文 参考訳（メタデータ） (2026-03-10T12:44:23Z) - Generative AI and the Transformation of Software Development Practices [0.0]
ジェネレーティブAIは、ソフトウェアの設計、記述、保守の方法を変えようとしている。
本稿では,AI支援技術がソフトウェア工学の実践をどのように変化させているかを検討する。
論文 参考訳（メタデータ） (2025-10-12T22:02:10Z) - 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) - AI's Impact on Traditional Software Development [0.0]
人工知能(AI)の応用は、従来の戦術ソフトウェア開発に大きな変化をもたらした。
本稿では,従来のソフトウェア開発ライフサイクル方法論にAIを統合する技術的側面について考察する。
論文 参考訳（メタデータ） (2025-02-05T14:58:09Z) - Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳（メタデータ） (2023-12-21T19:23:23Z) - Prompted Software Engineering in the Era of AI Models [1.450405446885067]
本稿では、言語ベースのAIモデルのための効果的なプロンプトを構築するために、プロンプトエンジニアリングを統合した、プロンプトソフトウェアエンジニアリング(PSE)を紹介する。
PSEは、ソフトウェア開発にAIモデルを使用することで、少ないリソースで高品質なソフトウェアを生産し、面倒なタスクを自動化し、開発者がより革新的な側面に集中できるようにする。
論文 参考訳（メタデータ） (2023-09-07T20:40:04Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - 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)
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。