芝能科技出品
需求工程（Requirements Engineering, RE）是软件开发过程中至关重要的一环，决定了项目的需求规格和开发方向。传统的需求工程过程常常面临文档繁琐、数据存储不一致、重复且昂贵的工作、有限的可追溯性以及多系统间的数据质量问题。
随着人工智能（AI）技术的发展，生成式AI（Generative AI, GenAI）在加速需求工程方面展现出巨大的潜力。
● 自动化需求衍生与校正
生成式AI可以通过自动化工具帮助工程师衍生需求，检查质量并进行自动校正。这些工具能够从反馈中学习，逐步改进需求生成的准确性和一致性。例如，AI可以自动生成需求、代码和测试规范，从而大大提高了需求工程的效率。
● AI辅助需求质量改进
高质量的需求是实现后续自动化潜力的关键。生成式AI可以帮助工程师在本地检查需求质量，自动校正并保证一致性。这不仅减少了人工审查的工作量，还提高了需求文档的整体质量。
● REA系统的示范
REA（Requirements Evaluation and Autocorrection AI）系统是一个典型的应用案例。该系统可以通过基于检索的聊天功能帮助工程师查找信息，并能自动校正和检查需求的一致性。同时，REA系统还能自动生成衍生需求、代码和测试规范，显著加速了需求工程过程。
● 从图像中提取需求
生成式AI不仅可以处理文字信息，还能从图像中提取需求。这种技术可以通过分析设计图和其他视觉文档，自动生成对应的需求说明，从而减少了人工转换的步骤，提高了工作效率。
● 需求聊天机器人
需求聊天机器人是生成式AI在需求工程中的另一个应用。该机器人可以根据上下文回答关于需求规格的问题，并提供引用来源的链接，以确保回答的透明度和可信性。
● 需求规格相似性检查
生成式AI还能检查需求规格的相似性，发现冗余或矛盾之处。例如，当新需求加入时，AI可以检查它是否已经存在于当前规格中，或者识别出新版本规格中的重要变化。这有助于保持需求文档的一致性和完整性。
● 集成项目和技术栈
在汽车软件过程改进和能力确定（Automotive SPICE）集成项目中，生成式AI被用于自动生成测试规范、与设计进行对话、执行一致性检查等。这些功能集成在一个定制的知识库和管道中，显著减少了项目开发的时间。
根据IAV的估计，生成式AI有望将需求工程过程的时间节省高达50%。2024年的目标是实现20%的时间节省，这将为软件开发项目带来显著的效率提升。
生成式AI在需求工程中的应用不仅限于需求生成和质量检查，还包括持续集成和自动化测试。这种全方位的自动化有助于确保软件开发过程的高效性和可靠性。
IAV公司正在开展Beta测试计划，邀请更多的用户参与生成式AI在需求工程中的应用测试。参与者将有机会体验最新的AI工具，并为其改进提供反馈。
生成式AI正在改变需求工程的面貌，通过自动化工具和智能系统，极大地提高了需求工程的效率和质量。
随着技术的不断发展，生成式AI将在软件开发过程中发挥越来越重要的作用，为工程师们提供更加高效、准确的解决方案。
