論文の概要: The State of Generative AI in Software Development: Insights from Literature and a Developer Survey
- arxiv url: http://arxiv.org/abs/2603.16975v1
- Date: Tue, 17 Mar 2026 12:59:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.317543
- Title: The State of Generative AI in Software Development: Insights from Literature and a Developer Survey
- Title（参考訳）: ソフトウェア開発における生成AIの現状:文学と開発者調査から
- Authors: Vincent Gurgul, Robin Gubela, Stefan Lessmann,
- Abstract要約: 本研究は,65名のソフトウェア開発者を対象に,文献レビューを実施。
結果は、GenAIが設計、実装、テスト、ドキュメントに最も影響していることを示している。
調査回答者の79パーセントが毎日GenAIを使用しており、開発環境に直接統合された選択肢よりもブラウザベースの大規模言語モデルを好む。
- 参考スコア（独自算出の注目度）: 4.097943522310277
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Generative Artificial Intelligence (GenAI) rapidly transforms software engineering, yet existing research remains fragmented across individual tasks in the Software Development Lifecycle. This study integrates a systematic literature review with a survey of 65 software developers. The results show that GenAI exerts its highest impact in design, implementation, testing, and documentation, where over 70 % of developers report at least halving the time for boilerplate and documentation tasks. 79 % of survey respondents use GenAI daily, preferring browser-based Large Language Models over alternatives integrated directly in their development environment. Governance is maturing, with two-thirds of organizations maintaining formal or informal guidelines. In contrast, early SDLC phases such as planning and requirements analysis show markedly lower reported benefits. In a nutshell, GenAI shifts value creation from routine coding toward specification quality, architectural reasoning, and oversight, while risks such as uncritical adoption, skill erosion, and technical debt require robust governance and human-in-the-loop mechanisms.
- Abstract（参考訳）: Generative Artificial Intelligence(GenAI)は、ソフトウェアエンジニアリングを急速に変革するが、既存の研究はソフトウェア開発ライフサイクルの個々のタスクで断片化されている。
本研究は、系統的な文献レビューと65人のソフトウェア開発者を対象とした調査を統合する。
結果は、GenAIが設計、実装、テスト、ドキュメントに最も大きな影響を与えていることを示している。
調査回答者の79パーセントが毎日GenAIを使用しており、開発環境に直接統合された選択肢よりもブラウザベースの大規模言語モデルを好む。
ガバナンスは成熟しており、組織の3分の2が正式なガイドラインや非公式ガイドラインを維持している。
対照的に、計画や要求分析のような初期のSDLCフェーズでは、報告されたメリットが著しく低かった。
簡単に言えば、GenAIは価値創造を、定期的なコーディングから仕様品質、アーキテクチャの推論、監視へとシフトさせる一方で、非クリティカルな採用、スキルの侵食、技術的負債といったリスクには、堅牢なガバナンスと人為的なメカニズムが必要です。
関連論文リスト
- Prompting in Practice: Investigating Software Developers' Use of Generative AI Tools [17.926187565860232]
生成人工知能(GenAI)ツールの統合は、ソフトウェア開発を根本的に変えた。
本研究は,ソフトウェア技術者がGenAIツールをプロフェッショナルな実践に統合する方法について,体系的な調査を行ったものである。
我々は、開発プロセス全体でAIの使用パターンを理解するために、アクティブなGenAIユーザ72人を含む91人のソフトウェアエンジニアを調査した。
論文 参考訳（メタデータ） (2025-10-07T15:02:22Z) - 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) - Survey of GenAI for Automotive Software Development: From Requirements to Executable Code [4.909409341455637]
自動車ソフトウェア開発はGenAI採用にとって重要な領域だと考えられている。
3つのGenAI関連技術は最先端の言語モデル(LLM)、検索言語生成(RAG)、ビジョン言語モデル(VLM)に網羅されている。
論文 参考訳（メタデータ） (2025-07-20T16:21:51Z) - Thinking Longer, Not Larger: Enhancing Software Engineering Agents via Scaling Test-Time Compute [61.00662702026523]
より大規模なモデルではなく、推論時間の増加を活用する統合されたテスト時間計算スケーリングフレームワークを提案する。
当社のフレームワークには,内部TTCと外部TTCの2つの補完戦略が組み込まれている。
当社の textbf32B モデルは,DeepSeek R1 671B や OpenAI o1 など,はるかに大きなモデルを上回る 46% の課題解決率を実現している。
論文 参考訳（メタデータ） (2025-03-31T07:31:32Z) - Generative AI for Software Architecture. Applications, Challenges, and Future Directions [6.883775050854466]
我々は、ソフトウェアアーキテクチャにおけるGenAIの使用、合理化、コンテキスト、ユーザビリティ、および将来の課題を体系的に総合することを目指している。
アーキテクチャ決定支援とアーキテクチャ再構築のためのGenAIの導入について検討した。
論文 参考訳（メタデータ） (2025-03-17T15:49:30Z) - From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization [44.99833362998488]
この写本は、人工知能とソフトウェア工学の統合の新しい時代を示唆している。
コード作成と改良のあらゆる面において、AIが人間のプログラマを完全に置き換えることができることを証明した、形式化された反復的な方法論を提示する。
論文 参考訳（メタデータ） (2024-12-06T14:54:21Z) - 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) - 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) - Investigating Explainability of Generative AI for Code through
Scenario-based Design [44.44517254181818]
生成AI(GenAI)技術は成熟し、ソフトウェア工学のようなアプリケーションドメインに適用されています。
私たちは43人のソフトウェアエンジニアと9つのワークショップを開催しました。そこでは、最先端のジェネレーティブAIモデルの実例を使って、ユーザの説明可能性のニーズを導き出しました。
我々の研究は、GenAIのコードに対する説明可能性の必要性を探求し、新しいドメインにおけるXAIの技術開発を人間中心のアプローチがいかに促進するかを実証する。
論文 参考訳（メタデータ） (2022-02-10T08:52:39Z)
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。