AIBR プレミアム
拓海先生、最近、部下から要件定義にAIを入れたら効率化できると言われまして、要件を自動で分類する研究があると聞きました。要するに現場の作業を減らせるものなのでしょうか。
素晴らしい着眼点ですね！確かに要件の自動分類は、現場の確認作業を減らし、優先度決定を早めることができますよ。今日は論文の要点を噛み砕いて説明しますから、大丈夫、一緒にやれば必ずできますよ。
まず基本からお願いします。そもそも論文では何をどう分類しているのですか。機能要件と非機能要件という言葉は聞いたことがありますが、現場でどう役立つのか分かりません。
まず整理します。機能要件（Functional Requirements、FR）はシステムが何をするかを示す要件であり、非機能要件（Non-Functional Requirements、NFR）は性能や信頼性、使いやすさなど品質に関する要件です。論文は自然言語で書かれた要件を自動でFRかNFRかに分類し、さらにNFRを細かいカテゴリに分ける話です。
なるほど。で、結局どうすればうちの要件書で使えるんですか。コストと効果の見積もりも気になります。要するに投資する価値はあるということでしょうか？
要点を三つで説明します。1) 前処理（preprocessing）で言葉を揃えると分類精度が上がる、2) 単純な決定木（decision tree）やその他の機械学習が実務で十分使える、3) 完全自動は難しいが、半自動（人が確認するワークフロー）なら効果とコストのバランスが良いです。大丈夫、一緒に段階を踏めば導入できますよ。
これって要するに、まず人がルールで文章を整えてからAIに振れば精度が上がり、その後現場が確認する流れにすればコストも抑えられるということですか。
その通りです。具体的には、用語の正規化や不要語の除去、項目の分割などをルール化してから機械学習の入力にする。そうすると学習が速く、少ないデータでも精度が出せます。現場の確認を残す半自動ワークフローが現実的で投資対効果が良いんです。
具体導入で気になるのはデータ準備と人手の割合です。最初にどれくらいの工数を割けばいいのか、現場はどの程度の確認で済みますか。
理想は小さく始めることです。まず過去の要件500～1,000件をサンプルとして前処理ルールを作り、分類モデルを試す。それで精度が良ければ次の1,000件は自動で振り分けし、現場は例外のみ確認する流れにできます。投資は段階的に回収できるんですよ。
なるほど。要するに、最初にルールで整えて学習させ、現場は例外だけ確認する設計にすれば、作業は減らせるということですね。分かりました、まずはサンプル集めから始めます。
