戦略的AI活用による要求工学知識体系の実践ガイド

第1章 DXを加速する要求獲得とは: REBOK (DX編) Overview
1.1 はじめに
1.2 要求工学プロセス
1.3 REBOK (DX編)の要求獲得技術
1.4 AI時代に何が必要か
1.5 まとめ

第2章 生成AIと連携した意味のイノベーションによるアイデア創出
2.1 はじめに
2.2 課題と解決策へのアプローチ
2.3 アイデア創出のためのプロンプト連鎖
2.4 実施例
2.5 考察
2.6 まとめ

第3章 生成AIによる企業変革とシステム要件定義の変化
3.1 はじめに
3.2 生成 AIが業務の主体を変える
3.3 人とAIが共存する Digital Enterprise
3.4 DigitalEnterpirse 時代のシステムに必要な要件定義
3.5 まとめ

コラム 1:生成AIでペルソナの理解を深める
コラム 2:生成 AIで描く未来志向のサービス企画

第4章 深層学習を用いた要求仕様の分類支援
4.1 はじめに
4.2 要求を分類するとは
4.3 深層学習を用いた要求仕様の分類
4.4 実施例
4.5 考察
4.6 まとめ

第5章 大規模言語モデルを用いた要求仕様の分類支援
5.1 はじめに
5.2 なぜ大規模言語モデルを利用するのか
5.3 要求仕様分類に大規模言語モデルを用いる
5.4 実施例
5.5 実験結果
5.6 考察
5.7 まとめ

第6章 生成AIと要求工学の知見を融合させた要求定義支援手法
6.1 はじめに
6.2 要求定義に必要な知識
6.3 要求定義に活用できるプロンプトエンジニアリングパターン
6.4 プロンプト連鎖による要求定義支援手法と支援ツール
6.5 実施例
6.6 考察
6.7 まとめ

第7章 生成AIと要求工学の知見を融合させた要求定義支援ツールの適用事例
7.1 はじめに
7.2 適用対象とツール利用方法
7.3 適用結果
7.4 考察
7.5 まとめ

第8章 オンプレミス環境における大規模言語モデルの効率的運用戦略
8.1 はじめに
8.2 技術的背景
8.3 LLMシステムの構築における技術的課題と解決策へのアプローチ
8.4 提案 手法:Kubernetesを用いたマイクロサービスアーキテクチャ設計
8.5 プロトタイプモデル構築
8.6 評価
8.7 考察
8.8 まとめ

第9章 生成AI活用による Rest-API コード生成の品質向上
9.1 はじめに
9.2 日本における課題: 開発要員の不足
9.3 プロジェクト概要と開発環境
9.4 課題と原因分析
9.5 対策
9.6 効果と成果
9.7 考察
9.8 まとめ

コラム 3:製品組込開発における AI活用の光と影

第10章 企画・要件定義工程の高度化に向けた生成AIの活用事例
10.1 はじめに
10.2 研究事例1: データに基づくプロダクト改善案の自動推薦技術
10.3 研究事例2:生成AIによるプロダクト改善案の自動評価
10.4 考察
10.5 まとめ

第11章 GPT時代の業務アプリケーション開発における要求定義の変化
11.1 はじめに
11.2 GPTがもたらすビジネスアプリケーション革命
11.3 要求変化要求定義のスコープ変化
11.4 要求定義の方向性
11.5 まとめ

第12章 戦略的AI活用による要求工学の実践の展望
12.1 開発プロセスの変革
12.2 組織における人とAIの役割の変革
12.3 AI活用を前提とした製品の変革
12.4 その他の技術との関連