論文の概要: The AI-Native Large-Scale Agile Software Development Manifesto

• arxiv url: http://arxiv.org/abs/2605.07717v1
• Date: Fri, 08 May 2026 13:20:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.067
• Title: The AI-Native Large-Scale Agile Software Development Manifesto
• Title（参考訳）: AI-Nativeの大規模アジャイルソフトウェア開発マニフェスト
• Authors: Ricardo Britto, Fredrik Palmgren, Nishrith Saini, Marcus Ohlin,
• Abstract要約: AI-Native Large-Scale Agile Software Development Manifestoを提示します。 AIが一流の参加者になると、いかに大規模なソフトウェア開発が組織されるかを再定義する価値と原則のセットです。
• 参考スコア（独自算出の注目度）: 1.778464443262126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the widespread adoption of agile methods, achieving true agility at scale remains elusive. Large-scale agile frameworks remain largely human-centric and manual, relying on coordination meetings, artifact synchronization, and role-based handoffs that inhibit real-time adaptation. Meanwhile, rapid advances in AI, particularly large language models, have begun transforming software engineering, yet their potential for organizational-level agility remains underexplored. We present the AI-Native Large-Scale Agile Software Development Manifesto: a set of values and principles that redefine how large-scale software development is organized when AI becomes a first-class participant rather than a peripheral tool. The manifesto is grounded in six principles, parallel processes, intent-driven teams, living knowledge, verification-first assurance, orchestrated agent workforces, and reusable blueprints, that together shift development from a meeting-driven, document-heavy, sequential process to an intelligent, adaptive, continuously learning system.
• Abstract（参考訳）: アジャイルメソッドが広く採用されているにも関わらず、真のアジリティをスケールで達成することは、依然として明白です。 大規模なアジャイルフレームワークは、コーディネーションミーティング、アーティファクト同期、そしてリアルタイム適応を妨げるロールベースのハンドオフに依存する、主に人間中心で手動のままです。 一方、AIの急速な進歩、特に大きな言語モデルが、ソフトウェアエンジニアリングの変革を始めていますが、組織レベルのアジリティの可能性については、いまだ検討されていないままです。 AI-Native Large-Scale Agile Software Development Manifesto: AIが周辺ツールではなくファーストクラスの参加者になったときに、いかに大規模ソフトウェア開発が組織されるかを再定義する価値と原則のセットを提示する。 マニフェストは6つの原則、並列プロセス、インテント駆動チーム、リビングナレッジ、検証ファーストの保証、組織化されたエージェントの作業員、再利用可能な青写真で構成されている。

関連論文リスト

• Artificial Intelligence as a Catalyst for Innovation in Software Engineering [0.0]
  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。
  論文  参考訳（メタデータ） (2026-03-11T17:20:30Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• Agentsway -- Software Development Methodology for AI Agents-based Teams [4.226647687395254]
  Agentswayは、AIエージェントが一流の協力者として機能するエコシステム向けに設計された、新しいソフトウェア開発フレームワークである。 このフレームワークは、計画、プロンプト、コーディング、テスト、微調整エージェントの異なる役割を定義している。 Agentswayは、次世代のAIネイティブで自己改善型のソフトウェア開発方法論に向けた基本的なステップである。
  論文  参考訳（メタデータ） (2025-10-26T11:58:42Z)
• The Matthew Effect of AI Programming Assistants: A Hidden Bias in Software Evolution [7.753573982185398]
  私たちは、AI支援プログラミングがソフトウェアエコシステムとどのように相互作用するかを調べるために、何千ものアルゴリズムプログラミングタスクと何百ものフレームワーク選択タスクで大規模な実験を行います。 プログラミング言語やフレームワークが普及すればするほど、LLM生成コードの成功率が高くなります。 この現象は、AIシステムが既存の人気階層を強化し、多様性とイノベーションを妨げる一方で、支配的なツールへの収束を加速する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-27T11:30:17Z)
• A Comprehensive Review of AI Agents: Transforming Possibilities in Technology and Beyond [3.96715377510494]
  Reviewは、次世代のAIエージェントシステムを、より堅牢で適応性があり、信頼できる自律的知性へと導くことを目指している。 認知科学に触発されたモデル、階層的強化学習フレームワーク、および大規模言語モデルに基づく推論から洞察を合成する。 我々は、これらのエージェントを現実世界のシナリオに展開する際の倫理的、安全性、解釈可能性に関する懸念について論じる。
  論文  参考訳（メタデータ） (2025-08-16T07:38:45Z)
• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• Multi-agent Embodied AI: Advances and Future Directions [46.23631919950584]
  エンボディード人工知能(Embodied AI)は、インテリジェントな時代における先進技術の適用において重要な役割を担っている。 本稿では,研究の現状を概観し,重要な貢献を分析し,課題と今後の方向性を明らかにする。
  論文  参考訳（メタデータ） (2025-05-08T10:13:53Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。