論文の概要: Three-Phase Evaluation of AI-Assisted Software Development Life Cycle
- arxiv url: http://arxiv.org/abs/2607.05125v1
- Date: Mon, 06 Jul 2026 14:13:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.188194
- Title: Three-Phase Evaluation of AI-Assisted Software Development Life Cycle
- Title（参考訳）: AIを活用したソフトウェア開発ライフサイクルの3相評価
- Abstract要約: 4人の開発者のチームが、GitHub Copilotを使用したフルスタックWebアプリケーション、GitHub Copilotを使用したAI排他ワークフロー、AWS Kiroを使用したAI排他ワークフローを再実装した。
フェーズを通じて、より高いレベルのAI自律性は、開発労力の削減、要求の順守の改善、自己報告されたメンタルワークロードの低減に関連付けられました。
AWS Kiroフェーズは、ほとんどの測定範囲で最大の全体的なパフォーマンスを達成し、ツーリングアーキテクチャがAIの自律性レベルとは独立して結果に影響を与える可能性があることを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents an exploratory evaluation of how increasing levels of AI autonomy affect software development productivity, requirement adherence, and developer cognitive workload. A team of four developers reimplemented the same full-stack web application across three sequential phases: partial AI-assisted development using GitHub Copilot, an AI-exclusive workflow using GitHub Copilot, and an AI-exclusive workflow using AWS Kiro. Evaluation metrics included development effort (hours), requirement adherence (RITM score), AI-interaction efficiency, and NASA-TLX workload measures. Across phases, higher levels of AI autonomy were associated with reduced development effort, improved requirement adherence, and lower self-reported mental workload, while developer frustration increased modestly. The AWS Kiro phase achieved the strongest overall performance on most measured dimensions, suggesting that tooling architecture may influence outcomes independently of AI autonomy level.
- Abstract（参考訳）: 本稿では,AIの自律性の向上がソフトウェア開発の生産性,要求順守,開発者の認知作業負荷に与える影響を探索的に評価する。
4人の開発者からなるチームが、GitHub Copilotを使用した部分的なAI支援開発、GitHub Copilotを使用したAI排他的ワークフロー、AWS Kiroを使用したAI排他的ワークフローの3つの段階にわたって、同じフルスタックWebアプリケーションを再実装した。
評価指標には、開発作業(時間)、要求順守(RITMスコア)、AI-インタラクション効率、NASA-TLXワークロード測定が含まれる。
フェーズを通じて、より高いレベルのAI自律性は、開発労力の削減、要求の順守の改善、自己報告型のメンタルワークロードの低減に関連付けられ、開発者のフラストレーションは緩やかに増加した。
AWS Kiroフェーズは、ほとんどの測定範囲で最大の全体的なパフォーマンスを達成し、ツーリングアーキテクチャがAIの自律性レベルとは独立して結果に影響を与える可能性があることを示唆している。
関連論文リスト
- Practical Implementation Report on Introducing Spec-Driven Development Using AI Agents in Software Development PBL [1.7539923984360692]
本稿では,AIエージェントをベースとしたソフトウェア開発手法であるSpec-Driven Developmentの実装について報告する。
調査、計画、実装、レビューという4つのフェーズからなるワークフローを定義しました。
我々は,学生の主観的AI利用,実装スループット,コード理解という3つの視点から分析を行った。
論文 参考訳（メタデータ） (2026-08-31T10:47:29Z) - You Shall Not Pass! Where and Why Developers Draw The Line on AI Autonomy [7.477031451733673]
ほとんどの開発者は、監督下でAIを生産する作業を受け入れるが、自律性はタスクや個人によって実質的に異なる。
アクセプタンスは、アイデンティティ定義、ヒューマンインターフェース、デザイン指向の作業において最低であり、AIエクスペリエンスとリスク許容度を持つ開発者にとっては、より高いものだった。
我々の研究結果は、AIの自律性に対する好みが、開発者が自分の仕事を認知的に体験する方法を反映していることを示唆している。
論文 参考訳（メタデータ） (2026-07-01T07:24:14Z) - 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) - AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development [12.50615284537175]
大規模言語モデル(LLM)ベースのコーディングエージェントは、プルリクエストの生成とマージを行う自律的なコントリビュータとして機能するようになっている。
本稿では,オープンソースリポジトリにおけるエージェント導入の経時的因果関係について検討する。
論文 参考訳（メタデータ） (2026-01-20T04:51:56Z) - SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。
我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。
当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2025-08-06T17:58:46Z) - How Software Engineers Engage with AI: A Pragmatic Process Model and Decision Framework Grounded in Industry Observations [1.516251872371896]
GitHub CopilotとChatGPTが"バイブコーディング"を実施
本稿では2つの補完的貢献について述べる。
まず、現実世界のAI支援SEアクティビティをキャプチャする実用的なプロセスモデル。
第二に、2Dの意思決定フレームワークは、開発者が労力の節約と品質のアウトプットのトレードオフを判断するのに役立ちます。
論文 参考訳（メタデータ） (2025-07-23T21:00:21Z) - Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。
我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。
結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳（メタデータ） (2025-02-17T03:05:20Z) - 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) - TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。
最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。
これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
論文 参考訳（メタデータ） (2024-12-18T18:55:40Z)
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。