論文の概要: Why Software Engineering Is Indispensable in the Age of Coding Agents
- arxiv url: http://arxiv.org/abs/2610.10226v2
- Date: Sun, 11 Oct 2026 15:43:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-14 23:39:49.576024
- Title: Why Software Engineering Is Indispensable in the Age of Coding Agents
- Title（参考訳）: コーディングエージェントの時代においてソフトウェア工学が不可欠である理由
- Abstract要約: AIはソフトウェア工学 -- 規律 -- を時代遅れにできるか?
ソフトウェアエンジニア -- プロフェッショナル -- は冗長なものになるのか?
本稿では、有能なAIコーディングエージェントの台頭により、SEとソフトウェアエンジニアは時代遅れではなく欠かせないものになっている、と論じる。
- 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: Can AI make Software Engineering (SE) -- the discipline -- obsolete? And can it make software engineers -- the professionals -- redundant? This paper argues that the rise of capable AI coding agents makes SE and software engineers essential, not obsolete: the missing foundation without which AI-assisted development produces misleadingly plausible, unverifiable, and ultimately untrustworthy software. Three structural properties of large language models (probabilistic generation, agnosticism, and semantic statelessness) create a structural vacuum that no amount of training can eliminate. Filling it requires four knowledge levers: methodological knowledge, domain knowledge, design choices, and process choices. All four must be reified as persistent artifacts, and each requires the software engineer as methodologist, mediator, and custodian.
- Abstract（参考訳）: AIはソフトウェア工学(SE) -- 規律 -- を時代遅れにできるか?
そして、それはソフトウェアエンジニア -- 専門家 -- を冗長にできるだろうか?
この論文は、有能なAIコーディングエージェントの台頭によって、SEとソフトウェア技術者が必須であり、時代遅れではない、と論じている。
大規模言語モデルの3つの構造的特性(確率的生成、不可知性、意味的ステートレス性)は、いかなる訓練も排除できない構造的真空を作り出す。
満たすには、方法論知識、ドメイン知識、設計選択、プロセス選択の4つの知識レバーが必要です。
これら4つはすべて永続的なアーティファクトとして再定義されなければならない。
関連論文リスト
- Reshaping Undergraduate Computer Science Education in the Generative AI Era [85.78707817763434]
生成AIはコンピュータサイエンス(CS)教育の転換点である。
AI技術の進歩に追随するため、CSカリキュラムは、AI生成したアーティファクトの理解と検証へのシフトを検討するべきである。
我々は、未来のコンピュータサイエンスの卒業生を効果的に準備し、問題を作成し、解決し、管理し、AIで人工物を作ることができると信じています。
論文 参考訳（メタデータ） (2026-05-02T05:26:24Z) - Agentic AI for Software: thoughts from Software Engineering community [9.966138715949205]
コードレベルでの一般的なソフトウェアタスクには、コード生成、テスト、プログラムの修復が含まれる。
エージェントAIベースのソフトウェアを成功させる鍵は、ソフトウェアエンジニアリングにおける中核的な難しさ、すなわち開発者の意図の解読と明確化を解決することである。
エージェント技術のソフトウェア工学への展開が成功すれば、エージェントを通じてそのような意図推論において概念的な進歩がもたらされる。
論文 参考訳（メタデータ） (2025-08-24T12:57:21Z) - 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) - tl;dr: Chill, y'all: AI Will Not Devour SE [5.77648992672856]
ソーシャルメディアは、人工知能(AI)がソフトウェアエンジニアリング(SE)を無関係または時代遅れにする、という厳しい警告の着実にダイエットを提供する。
逆に、ソフトウェアのエンジニアリングの規律は豊かで堅牢です。
マシンラーニング、大規模言語モデル(LLM)、生成AIは、SEのモデルとメソッドを拡張する新たな機会を提供する。
論文 参考訳（メタデータ） (2024-09-01T16:16:33Z) - 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) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳（メタデータ） (2021-07-15T11:14:03Z)
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。