생성형 AI를 활용한 자연어 요구사항 분석 기반의 반자동 코드 생성
Semi-Automatic Code Generation through Analyzing Natural Language Requirement Specifications with Generative AI
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 생성형 AI 도구는 소프트웨어 개발 현장에서 많이 사용되고 있다. 그러나, 아직은 AI 기반 생성 결과에 대한 신뢰성을 보장할 수 없다. 또한, 현재도 AI 기반 코드 생성은 요구사항의 명확한 반영과 설계에 대한 추적이 부족하다. 이를 해결하기 위해, 소프트웨어 프로세스인 자연어요구사항으로부터 UML 설계 및 스켈레톤 코드 생성까지 생성형 AI를 부분적으로 적용하고, 메타모델 기반 모델 변환하는 메커니즘을 제안한다. 이를 위해 변환 규칙 프로그래밍을 Metamodel Transformation Engine을 통해 자동 변환을 수행한다. 이는 자연어 요구사항의 정합성, 설계의추적성, 그리고 코드의 품질을 확보할 수 있는 자동화된 개발 프로세스를 제공하고자 한다. 이를 통해 생성형 AI 코드의 신뢰성을 보완하고, 고품질의소프트웨어를 개발하고자 한다. 향후 연구로, 이러한 메커니즘 통해 인간 중심의 코드와 AI가 부분적으로 접목된 코드를 비교하고자 한다. 그 결과로어떠한 코드가 더 좋은 품질을 갖는 지 확인하는 것이 목표이다.
Abstract
Recently, generative AI tools have been increasingly utilized in the field of software development. However, the reliability of AI-generatedoutputs still cannot be guaranteed. In particular, current AI-based code generation often lacks a clear reflection of requirements andsufficient traceability of the design process. To address these limitations, we propose a mechanism that partially applies generative AIand applies metamodel-driven model transformation across the software process, from natural language requirements to skeleton codegeneration via UML design. We define transformation rules that are automatically applied on a Metamodel Transformation Engine. Thisapproach may provide an automated development process that ensures the consistency of natural language requirements, the traceabilityof design artifacts, and the quality of the generated code. In future research, we aim to compare human-written code with AI-assistedcode through the proposed mechanism. The objective is to verify which approach ensures higher software quality and, by doing so,enhances the reliability of AI-generated code while supporting the development of high-quality software.