論文の概要: Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering
- arxiv url: http://arxiv.org/abs/2607.01087v1
- Date: Wed, 01 Jul 2026 15:44:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.970751
- Title: Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering
- Title（参考訳）: Cheap Code, Costly Judgment: Governable Agentic Software Engineering のケーススタディ
- Authors: James C. Davis, Paschal C. Amusuo, Tanmay Singla, Berk Çakar, Kirsten A. Davis,
- Abstract要約: エンジニアがアーキテクチャ、ツール、エビデンス、フィードバックループを整理して、AIによる開発が検査可能で、修正可能で、メンテナンス可能であるようにする方法を研究します。
プロセスモデルとして表現されたガバナンス変換の理論を開発し,高速度エージェントの実装がいかに制御可能かを説明する。
- 参考スコア（独自算出の注目度）: 8.368707686524482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI is shifting software engineering from a practice organized around scarce implementation effort toward one organized around abundant, low-cost code production. This shift changes the central engineering problem: not whether AI can generate useful code, but how engineers organize architectures, tools, evidence, and feedback loops so that AI-mediated development remains inspectable, correctable, and maintainable. We study this problem through a first-person case study: a 12-week development effort in which a single expert software engineer used frontier AI coding agents to build a document accessibility remediation system. The empirical record comprises 88 contemporaneous field notes, 420 KLOC of production code, and 1.16 MLOC of tests, lints, supporting documentation, and agent tooling. From this record, we develop a candidate middle-range theory of governance conversion, expressed as a process model explaining how high-velocity agentic implementation becomes governable. The model explains how agentic implementation velocity surfaces recurring structural failure classes, and how engineering judgment sustains velocity by converting those failures into durable governance mechanisms. In contrast to existing governance models that derive controls from known obligations, governance conversion explains how controls are discovered from failures that become visible only during agentic work. We use our model to make testable predictions and to describe implications for software engineering research and practice.
- Abstract（参考訳）: ジェネレーティブAIは、実装の少ない作業を中心に組織されたプラクティスから、豊富な低コストのコード生産を中心に組織されたプラクティスへと、ソフトウェアエンジニアリングをシフトさせています。
このシフトは、AIが有用なコードを生成することができるかどうかではなく、エンジニアがアーキテクチャ、ツール、エビデンス、フィードバックループを組織し、AIによる開発が検査可能で、修正可能で、メンテナンス可能であるかという、中央のエンジニアリング問題を変える。
1人の専門家ソフトウェアエンジニアがフロンティアAIコーディングエージェントを使用してドキュメントアクセシビリティの修復システムを構築する12週間の開発作業である。
実証記録は、88の同時フィールドノート、生産コードの420KLOC、テストの1.16MLOC、リント、サポートドキュメンテーション、エージェントツールを含む。
この記録から,高速度エージェントの実装がいかに制御可能かを説明するプロセスモデルとして,ガバナンス変換の候補となる中距離理論を開発した。
モデルでは、エージェント実装のベロシティが構造的障害クラスを繰り返し表面化する方法と、これらの失敗を耐久性のあるガバナンスメカニズムに変換することによって、エンジニアリング判断がベロシティを維持する方法を説明しています。
既知の義務からコントロールを導出する既存のガバナンスモデルとは対照的に、ガバナンス変換は、エージェント作業中にのみ見える障害からコントロールが検出される方法を説明する。
私たちは、テスト可能な予測を行い、ソフトウェア工学の研究と実践に影響を及ぼすことを記述するために、私たちのモデルを使用します。
関連論文リスト
- From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer [0.0]
ソフトウェアエンジニアリングは、ハイレベルなプログラミング言語の出現以来、最も重要な変革を経験しています。
本稿では、AI-Native Software Engineeringは単なるツールの進歩というよりもパラダイムシフトである、と論じる。
我々は、推論実行ループ、コンテキストエンジニアリング、ツール使用、メモリ、行動ドリフト、構成誤差を含む自律エージェントの中核メカニズムを定義する。
論文 参考訳（メタデータ） (2026-06-27T07:43:43Z) - AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - 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) - AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development [1.980498913496519]
本稿では,AI生成ソフトウェアにおける技術的負債の体系的な監査について述べる。
AIは欠陥を排除せず、むしろ欠陥のマシンシグネチャを導入している。
将来的な進歩は、彼らが構築するソフトウェアが単に機能的であるだけでなく、メンテナンス可能であることを保証するために、明示的なアーキテクチャの展望を持つエージェントの装備に依存する、と結論付けています。
論文 参考訳（メタデータ） (2026-05-04T15:41:13Z) - Shift-Up: A Framework for Software Engineering Guardrails in AI-native Software Development -- Initial Findings [1.1523102135577732]
Generative AI(GenAI)は、開発を手作業によるコーディングからエージェント駆動の実装に移行することで、ソフトウェアエンジニアリングを再構築する。
本稿では,GenAIネイティブ開発のための構造的ガードレールとして,実行可能な要件(BDD)やアーキテクチャモデリング(C4),アーキテクチャ決定記録(ADR)といった,確立したソフトウェアエンジニアリングプラクティスを再解釈するフレームワークであるShift-Upを提案する。
論文 参考訳（メタデータ） (2026-04-22T10:55:57Z) - The Semi-Executable Stack: Agentic Software Engineering and the Expanding Scope of SE [3.6320170149653985]
AIベースのシステムは、ソフトウェアエンジニアリングに対する脅威として、ますます議論されている。
この論文は別の読み方を主張する。
設計されているものは、実行可能なコードから半実行可能なアーティファクトへと拡張するということです。
論文 参考訳（メタデータ） (2026-04-16T18:36:02Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z)
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。