論文の概要: One Developer Is All You Need: A Case Study of an AI-Augmented One-Person Squad in a Brownfield Enterprise
- arxiv url: http://arxiv.org/abs/2605.18461v2
- Date: Tue, 19 May 2026 19:10:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 14:55:44.319007
- Title: One Developer Is All You Need: A Case Study of an AI-Augmented One-Person Squad in a Brownfield Enterprise
- Title（参考訳）: 1人の開発者が必要なことすべて:ブラウンフィールドの企業におけるAIによるワンパーソンスクワッドのケーススタディ
- Authors: Marcelo Vilas Boas, Gustavo Pinto, Edward Roberto Monteiro, Vinicius Fernandes Carida, Danilo Ribeiro,
- Abstract要約: AIツールは、エンジニアが以前クロスファンクショナルな部隊に分散していた役割を吸収することを可能にする。
規制された企業環境で、このような一人称部隊を設計し、評価する方法に関する構造的な証拠はほとんどない。
1人のスタッフエンジニアが計画された時間の半分に4人のチームを対象としたブラウンフィールド製品イニシアチブを納品したケーススタディを報告した。
- 参考スコア（独自算出の注目度）: 1.4914549498635807
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI tools are enabling engineers to absorb roles previously distributed across cross-functional squads, yet there is little structured evidence on how to design or evaluate such a one-person squad in a regulated enterprise setting. Without that evidence, organizations adopting this model lack guidance on which design decisions make it viable and which conditions cause it to break down. We report a case study in which a single staff engineer, supported by four AI agents under a Spec-Driven Development workflow, delivered a brownfield product initiative scoped for a four-person squad in half the planned time, with 90\% acceptance of AI-generated code on first review, full integration test pass rates, and an above-85\% reduction in direct staffing cost. The results indicate that AI does not replace team members it multiplies the throughput of the experienced engineer who remains, making specification quality and institutional knowledge, not model capability, the binding constraints on one-person squad success.
- Abstract（参考訳）: AIツールは、エンジニアが以前クロスファンクショナルな部隊に分散した役割を吸収することを可能にする。
その証拠がなければ、このモデルを採用する組織は、どの設計決定が実行可能か、どの条件でそれを分解するかに関するガイダンスを欠いている。
仕様駆動開発ワークフローの下で4人のAIエージェントによって支援された1人のスタッフエンジニアが、計画された時間の半分で4人のチームを対象にしたブラウンフィールド製品イニシアチブを提供したケーススタディを報告します。
結果は、AIがチームメンバーを置き換えるのではなく、経験豊富なエンジニアのスループットを乗じて、仕様の品質と制度的な知識を作り、モデル能力ではなく、一人のチームの成功に対する束縛の制約を生み出していることを示している。
関連論文リスト
- AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Agentic AI in Industry: Adoption Level and Deployment Barriers [4.241377338556251]
本研究は、現在12社のエージェントAI採用状況の特徴である。
レベル1(AIアシスタント)7社、レベル2(AI補償)4社、レベル3(Multi-Agent Orchestration)1社
論文 参考訳（メタデータ） (2026-05-14T10:34:59Z) - SemaClaw: A Step Towards General-Purpose Personal AI Agents through Harness Engineering [17.924525595609833]
2026年初めのOpenClawの台頭は、何百万人ものユーザーが、日々の生活にパーソナルAIエージェントを配置し始めた瞬間を象徴している。
このシフトに対処するオープンソースのマルチエージェントアプリケーションフレームワークであるSemaClawを紹介します。
論文 参考訳（メタデータ） (2026-04-13T14:37:53Z) - KARL: Knowledge Agents via Reinforcement Learning [63.627906947205624]
本稿では,強化学習による企業検索エージェントの訓練システムを提案する。
KARLBenchは、6つの異なる検索レギュレーションにまたがる多機能評価スイートである。
異種探索行動で訓練されたモデルは、どのベンチマークにも最適化されたモデルよりもかなりよく一般化されていることを示す。
論文 参考訳（メタデータ） (2026-03-05T14:30:25Z) - HAIF: A Human-AI Integration Framework for Hybrid Team Operations [0.0]
ナレッジワークにおける生成AI、コピロ、エージェントシステムの迅速な展開は、運用上のギャップを生み出している。
既存のフレームワークでは、AIエージェントが人間と一緒に静的に委譲されたタスクを実行するチームでの日々の作業の整理方法に対処していない。
本稿では,4つの基本原理に基づいて構築されたプロトコルベースのスケーラブルな運用システムであるHumanAI Integration Framework(HAIF)を提案する。
論文 参考訳（メタデータ） (2026-02-07T17:49:53Z) - Engineering.ai: A Platform for Teams of AI Engineers in Computational Design [8.217119500224284]
計算設計におけるAIエンジニアのチームのためのプラットフォームであるEngineering.aiを紹介します。
このフレームワークは階層的なマルチエージェントアーキテクチャを採用しており、チーフエンジニアが特殊エージェントをコーディネートする。
このシステムはFreeCAD、Gmsh、OpenFOAM、CalculiX、BPM音響解析を統合し、並列多分野シミュレーションを可能にする。
論文 参考訳（メタデータ） (2025-10-31T08:00:48Z) - Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。
現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。
我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
論文 参考訳（メタデータ） (2025-08-01T08:11:31Z) - Does Co-Development with AI Assistants Lead to More Maintainable Code? A Registered Report [6.7428644467224]
本研究は,AIアシスタントがソフトウェア保守性に与える影響を検討することを目的とする。
フェーズ1では、開発者はAIアシスタントの助けなしに、Javaプロジェクトに新しい機能を追加する。
ランダム化されたコントロールされた試行のフェーズ2では、さまざまな開発者がランダムフェーズ1プロジェクトを進化させ、AIアシスタントなしで作業する。
論文 参考訳（メタデータ） (2024-08-20T11:48:42Z) - Toward 6G Native-AI Network: Foundation Model based Cloud-Edge-End Collaboration Framework [55.73948386625618]
データ、AIモデル、運用パラダイムの観点から、6GネイティブAIを達成する上での課題を分析します。
基礎モデルに基づく6GネイティブAIフレームワークを提案し、専門家の知識の統合方法を提供し、2種類のPFMのカスタマイズを提示し、ネイティブAIフレームワークの新たな運用パラダイムを概説する。
論文 参考訳（メタデータ） (2023-10-26T15:19:40Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z)
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。