Especificación de Requisitos de Inteligencia Artificial en el Desarrollo de productos de Software
DOI:
https://doi.org/10.33936/isrtic.v8i2.7147Palabras clave:
IEEE 830, Requisitos IA, IA generativa, ERS, GPEIResumen
En el desarrollo de tecnologías actuales que implican inteligencia artificial (IA), la especificación de requisitos adquiere una importancia crítica, pues garantiza que los sistemas cumplan con las expectativas funcionales, éticas y de rendimiento desde las etapas iniciales del proceso. Sin embargo, la ausencia de guías claras para la especificación de requisitos de la IA de un sistema, puede llevar a una especificación deficiente, afectando la calidad y efectividad del software. Por lo tanto, este artículo propone un procedimiento formal para integrar los requisitos de IA en el proceso de desarrollo de software, utilizando el estándar IEEE 830 como base para la especificación. Esto se desarrolló en 2 fases, haciendo uso de diferentes metodologías: la Revisión Sistemática de la Literatura (RSL) de Bárbara Kitchenham y GPEI, respectivamente. La primera fase consistió en la realización de una RSL mediante Parsifal para descubrir y analizar las prácticas actuales para la integración de requisitos de IA en el proceso de desarrollo de software, así como para la especificación de dichos requisitos. La segunda fase adaptó el estándar IEEE 830 para la especificación de requisitos de IA mediante la metodología GPEI de interacción con IA generativa. Los resultados mostraron que, en su mayoría, los proyectos de software que integran IA no cuentan con especificaciones adecuadas para los requisitos de IA, y, como respuesta, se diseñó una plantilla basada en el estándar IEEE 830 para guiar este proceso, que incluye dos tablas para la especificación de requisitos de IA, desarrolladas con IA generativa y análisis empírico.
Descargas
Citas
Abad, Z. S. H., Karras, O., Ghazi, P., Glinz, M., Ruhe, G., & Schneider, K. (2017). What Works Better? A Study of Classifying Requirements. Proceedings - 2017 IEEE 25th International Requirements Engineering Conference, RE 2017, 496–501. https://doi.org/10.1109/RE.2017.36
Abdullah, R. W., Ahmad, S., Asmai, S. A., Lee, S. W., & Zain, Z. M. (2021). Research Efforts and Challenges in Crowd-based Requirements Engineering: A Review. International Journal of Advanced Computer Science and Applications, 12(9), 395–402. https://doi.org/10.14569/IJACSA.2021.0120945
Abualhaija, S., Arora, C., Sabetzadeh, M., Briand, L. C., & Traynor, M. (2020). Automated demarcation of requirements in textual specifications: a machine learning-based approach. Empirical Software Engineering, 25(6), 5454–5497. https://doi.org/10.1007/s10664-020-09864-1
Acevedo-Castiblanco, J.-A., Suárez-Barón, M.-J., & Gonzalez-Sanabriaz, J.-S. (2023). Categorización e integración de columnas de opinión y contenido de páginas web aplicando técnicas de Procesamiento de Lenguaje Natural Categorization and Integration of Opinion Columns Content in Web Pages Applying Natural Language Processing Techniques Cómo citar. Artículo de Investigación Ingeniería y Competitividad, 25(3), 25. https://doi.org/10.25100/iyc.v25i3.13220
Ahmad, K., Abdelrazek, M., Arora, C., Grundy, J., & Bano, M. (2023). Requirements Elicitation and Modelling of Artificial Intelligence Systems: An Empirical Study. http://arxiv.org/abs/2302.06034
Ahmed, S., Ahmed, A., & Eisty, N. U. (2022). Automatic Transformation of Natural to Unified Modeling Language: A Systematic Review. https://doi.org/10.1109/SERA54885.2022.9806783
Albán, H., & Franco Ortega, A. O. (2024). Manual de buenas prácticas para el desarrollo de software apoyado en inteligencia artificial para estudiantes de la Carrera de Software de la Universidad Estatal de Bolívar, período 2023-2024.
Althar, R. R., & Samanta, D. (2021). The realist approach for evaluation of computational intelligence in software engineering. Innovations in Systems and Software Engineering, 17(1), 17–27. https://doi.org/10.1007/s11334-020-00383-2
Anish, P. R., Sainani, A., Ahmed, A., & Ghaisas, S. (2019). Implementation-centric classification of business rules from documents. Proceedings - 2019 IEEE 27th International Requirements Engineering Conference Workshops, REW 2019, 227–233. https://doi.org/10.1109/REW.2019.00047
Asaad, J., & Avksentieva, E. (2023). Review of ways to apply machine learning methods in software engineering. E3S Web of Conferences, 449. https://doi.org/10.1051/e3sconf/202344907018
Barletta, V. S., Caivano, D., Gigante, D., & Ragone, A. (2023). A Rapid Review of Responsible AI frameworks: How to guide the development of ethical AI. ACM International Conference Proceeding Series, 358–367. https://doi.org/10.1145/3593434.3593478
de las Pueblas Encinas, G., & Sánchez Escribano, M. (2019). Definición de Requisitos Funcionales bajo Especificación IEEE para un Sistema de Ingeniería. Universidad Politécnica de Madrid.
Devine, P., Koh, Y. S., & Blincoe, K. (2023). Evaluating software user feedback classifier performance on unseen apps, datasets, and metadata. Empirical Software Engineering, 28(2). https://doi.org/10.1007/s10664-022-10254-y
Franch, X. (2021). Data-Driven Requirements Engineering: A Guided Tour. Communications in Computer and Information Science, 1375, 83–105. https://doi.org/10.1007/978-3-030-70006-5_4
Franch, X., Seyff, N., Oriol, M., Fricker, S., Groher, I., Vierhauser, M., & Wimmer, M. (2020). Towards Integrating Data-Driven Requirements Engineering into the Software Development Process: A Vision Paper. In N. Madhavji, L. Pasquale, A. Ferrari, & S. Gnesi (Eds.), Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol. 12045, pp. 135–142). Springer International Publishing. https://doi.org/10.1007/978-3-030-44429-7
Georgievski, I. (2023). Conceptualising Software Development Lifecycle for Engineering AI Planning Systems. Proceedings - 2023 IEEE/ACM 2nd International Conference on AI Engineering - Software Engineering for AI, CAIN 2023, 88–89. https://doi.org/10.1109/CAIN58948.2023.00019
Guevara, J. D. C., & Ponjuán, D. T. (2022). Methodology proposal for specifying records management requirements from requirements engineering. Investigacion Bibliotecologica, 36(91), 33–48. https://doi.org/10.22201/iibi.24488321xe.2022.91.58555
Guizzardi, R., Amaral, G., Guizzardi, G., & Mylopoulos, J. (2023). An ontology-based approach to engineering ethicality requirements. Software and Systems Modeling, 22(6), 1897–1923. https://doi.org/10.1007/s10270-023-01115-3
Ijaz, K. B., Inayat, I., & Allah Bukhsh, F. (2019). Non-functional Requirements Prioritization: A Systematic Literature Review. Proceedings - 45th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2019, 379–386. https://doi.org/10.1109/SEAA.2019.00064
Kitchenham, B., & Charters, S. (2007). Guidelines for performing Systematic Literature Reviews in Software Engineering. https://www.researchgate.net/publication/302924724
Laato, S., Mäntymäki, M., Minkkinen, M., & Dennehy, D. (2024). Machine Learning System Development in Information Systems Development Praxis. Communications of the Association for Information Systems, 54. https://doi.org/10.17705/1cais.05406
Li, M., Shi, L., Yang, Y., & Wang, Q. (2020). A Deep Multitask Learning Approach for Requirements Discovery and Annotation from Open Forum. Proceedings - 2020 35th IEEE/ACM International Conference on Automated Software Engineering, ASE 2020, 336–348. https://doi.org/10.1145/3324884.3416627
Llerena Ocaña, L. A., Viscaino Naranjo, F. A., Culque Topanta, W. V., & Baño Naranjo, F. P. (2023). Estudio neutrosófico sobre la afectación de la inteligencia artificial en el desarrollo de software. Neutrosophic Computing and Machine Learning, 29, 295–304.
Morales-Ramirez, I., Kifetew, F. M., & Perini, A. (2019). Speech-acts based analysis for requirements discovery from online discussions. Information Systems, 86, 94–112. https://doi.org/10.1016/j.is.2018.08.003
Necula, S. C., Dumitriu, F., & Greavu-Șerban, V. (2024). A Systematic Literature Review on Using Natural Language Processing in Software Requirements Engineering. In Electronics (Switzerland) (Vol. 13, Issue 11). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/electronics13112055
Núñez, A. G., Granda, M. F., Saquicela, V., & Parra, O. (2024). Machine Learning-Enhanced Requirements Engineering: A Systematic Literature Review. International Conference on Evaluation of Novel Approaches to Software Engineering, ENASE - Proceedings, 521–528. https://doi.org/10.5220/0012688100003687
Pei, Z., Liu, L., Wang, C., & Wang, J. (2022). Requirements Engineering for Machine Learning: A Review and Reflection. 166–175. https://doi.org/10.1109/REW56159.2022.00039
Perez-Verdejo, J. M., Sanchez-Garcia, A. J., & Ocharan-Hernandez, J. O. (2020). A systematic literature review on machine learning for automated requirements classification. Proceedings - 2020 8th Edition of the International Conference in Software Engineering Research and Innovation, CONISOFT 2020, 21–28. https://doi.org/10.1109/CONISOFT50191.2020.00014
Rahman, S., Ahmed, F., & Nayebi, M. (2023). Mining Reddit Data to Elicit Students’ Requirements During COVID-19 Pandemic. Proceedings - 31st IEEE International Requirements Engineering Conference Workshops, REW 2023, 76–84. https://doi.org/10.1109/REW57809.2023.00021
Ramírez Leal, J. C., Giraldo Orozco, W. J., & Hernández, R. A. (2015). Aproximación metodológica para la formalización de técnicas en Ingeniería de Requisitos [Methodological approach to formalization of techniques on requirements engineers]. Apropiación de Técnicas de Elicitación de Conocimiento y de Comunicación Personalizadas Para Potenciar El Proceso de Ingeniería de Requisitos, 32, 165–181.
Ranawana, R., & Karunananda, A. S. (2021). An Agile Software Development Life Cycle Model for Machine Learning Application Development. 5th SLAAI - International Conference on Artificial Intelligence and 17th Annual Sessions, SLAAI-ICAI 2021. https://doi.org/10.1109/SLAAI-ICAI54477.2021.9664736
Rivero, L., Diniz, J., Silva, G., Borralho, G., Braz Junior, G., Paiva, A., Alves, E., & Oliveira, M. (2020, December 1). Deployment of a Machine Learning System for Predicting Lawsuits against Power Companies: Lessons Learned from an Agile Testing Experience for Improving Software Quality. ACM International Conference Proceeding Series. https://doi.org/10.1145/3439961.3439991
Rodriguez Vargas, A. J., Falconí Peláez, S. V., Mazón Olivo, B. E., & Tusa Jumbo, E. A. (2024). Integración de Inteligencia Artificial en Telemedicina: Desarrollo y Evaluación de Chatbot Especializado en Enfermedades Virales. Informática y Sistemas Revista de Tecnologías de La Informática y Las Comunicaciones, 8(2), 60–69. https://doi.org/10.33936/isrtic.v8i2.6840
Sarco Calapiña, W., & Toaquiza Pacheco, D. V. (2022). Aplicación de la inteligencia artificial en el desarrollo de software.
Sarco Calpiña, W. M., & Toaquiza Pacheco, D. V. (2022). Aplicación de la inteligencia artificial en el desarrollo de software.
Shafiq, S., Mashkoor, A., Mayr-Dorn, C., & Egyed, A. (2021). NLP4IP: Natural Language Processing-based Recommendation Approach for Issues Prioritization. Proceedings - 2021 47th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2021, 99–108. https://doi.org/10.1109/SEAA53835.2021.00022
Sleimi, A., Sannier, N., Sabetzadeh, M., Briand, L., Ceci, M., & Dann, J. (2021). An automated framework for the extraction of semantic legal metadata from legal texts. Empirical Software Engineering, 26(3). https://doi.org/10.1007/s10664-020-09933-5
Steidl, M., Felderer, M., & Ramler, R. (2023). The pipeline for the continuous development of artificial intelligence models—Current state of research and practice. Journal of Systems and Software, 199. https://doi.org/10.1016/j.jss.2023.111615
Subramanya, R., Sierla, S., & Vyatkin, V. (2022). From DevOps to MLOps: Overview and Application to Electricity Market Forecasting. Applied Sciences (Switzerland), 12(19). https://doi.org/10.3390/app12199851
Tiwari, S., & Malik, A. (2024). Harnessing the Power of Artificial Intelligence in Software Engineering for the Design and Optimization of Cyber-physical Systems. https://doi.org/10.1201/9781003474111-10
Velásquez Henao, J. D., Franco Cardona, C. J., & Cadavid Higuita, L. (2023). Prompt Engineering: a methodology for optimizing interactions with AI-Language Models in the field of engineering. DYNA, 90(230), 9–17. https://doi.org/10.15446/dyna.v90n230.111700
Villamizar, H., Escovedo, T., & Kalinowski, M. (2021). Requirements Engineering for Machine Learning: A Systematic Mapping Study. Proceedings - 2021 47th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2021, 29–36. https://doi.org/10.1109/SEAA53835.2021.00013
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Pablo Fernando Ordoñez Ordoñez, Yamilka Valeria Erazo Aleaga
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos enviados a esta revista para su publicación serán liberados para su acceso abierto bajo una licencia Creative Commons con Reconocimiento No Comercial Sin Obra Derivada (http://creativecommons.org/licenses/by-nc-nd/4.0)
Los autores mantienen los derechos de autor, y, por lo tanto, son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes: Reconocer los créditos de la obra especificada por el autor e indicar si se realizaron cambios (puede hacerlo de cualquier forma razonable, pero no de una manera que sugiera que el autor respalda el uso que hace de su obra. No utilizar la obra para fines comerciales. En caso de remezcla, transformación o desarrollo, no puede distribuirse el material modificado.
