Examensarbete: AI-stödd validering av krav och testfall

Otydliga eller bristfälliga krav i agila projekt kostar tid, pengar och frustration. Med hjälp av AI kan vi nu bygga en egen digital grindvakt som automatiskt granskar krav redan vid källan – utan att data lämnar vår egen miljö. Det här examensarbetet syftar till att utveckla en lokal AI-tjänst som förbättrar kravkvaliteten och minskar onödigt omarbete i systemutvecklingsprocessen.

Bakgrund

Inom modern agil systemutveckling är kravarbetet en kritisk process som direkt påverkar projektets effektivitet och slutgiltiga kvalitet. Ett vanligt förekommande problem är att krav, ofta formulerade som User Stories, kan vara otydliga, ofullständiga eller innehålla tvetydigheter. Detta leder till att utvecklingsteamet tvingas lägga tid på tolkning, diskussioner och omarbete, vilket inte sällan resulterar i fördröjningar och ökade kostnader. För att hantera denna utmaning har konceptet "Shift-left testing" vuxit i popularitet, med målet att upptäcka och åtgärda problem så tidigt som möjligt i utvecklingsprocessen.

På senare år har framstegen inom artificiell intelligens öppnat nya möjligheter att automatisera delar av kvalitetssäkringsprocessen. Genom att använda AI-modeller för att analysera textuella krav kan man automatiskt identifiera potentiella brister såsom otydlighet, brist på acceptanskriterier eller inkonsekvenser. En sådan "grindvakt" kan fungera som ett tidigt skyddsnät, vilket frigör utvecklarnas tid och minskar risken för dyra fel i ett senare skede.

Problembeskrivning

Den globala trenden med att använda molnbaserade AI-tjänster för mjukvaruutveckling, exemplifierat av plattformar som Atlassians Rovo, står i motsats till de strikta lagstiftningskrav och datapolicyer som råder inom offentlig sektor. På grund av känslig information och interna regelverk är det ofta inte möjligt att skicka data till externa, molnbaserade tjänster. Detta skapar ett behov av att utveckla och implementera motsvarande funktionalitet på ett lokalt och säkert sätt.

Det primära problemet som detta examensarbete adresserar är därmed:
Hur kan en lokalt driftad AI-agent, som ett alternativ till externa tjänster, användas för att automatiskt validera kraven i User Stories för att säkerställa deras kvalitet och minska omarbete i systemutvecklingsprocessen?

Metod

Syftet med detta examensarbete är att utforska och demonstrera möjligheten att skapa en intern, AI-driven lösning för kravvalidering. Arbetet kommer att inkludera följande metodiska steg:

• Fas 1 – Förstudie och Nulägesanalys: Analysera befintliga arbetsflöden i Jira samt de specifika utmaningar som organisationen möter med kravkvalitet. Undersöka hur kraven formuleras och vilka attribut som är mest kritiska för att definiera ett "bra" krav.
• Fas 2 – Design och Utveckling: Designa ett REST API som tar emot data från Jira. Utveckla en intern tjänst som använder en fördefinierad prompt och kommunicerar med den lokala AI-modellen för att analysera kraven.
• Fas 3 – Implementering och Utvärdering av Proof-of-Concept: Implementera en automation i Jira som anropar den nya tjänsten när en User Story skapas. Utvärdera resultatet genom att automatiskt markera User Stories som redo eller inte, samt lägga till en kommentar med en motivering för det föreslagna utfallet.

Därefter analysera effekten av detta system genom att jämföra tidsåtgång och kvalitet med det tidigare manuella arbetssättet.

Relevanta artiklar

Föreslagen litteratur inkluderar, men är inte begränsad till:

Forskning om kravkvalitet och tekniker för validering av User Stories.

A guide to building and using Rovo Agents Länk till annan webbplats.

Område

Detta examensarbete är lämpligt för studenter som vill specialisera sig inom:

• Artificiell Intelligens (AI) och Maskininlärning (ML).
• Systemutveckling och Mjukvaruteknik.
• Datateknik.

Kompetens

Examensarbetet är lämpligt för studenter inom civilingenjörsprogrammet i datateknik, systemvetenskap eller närliggande. Förslaget gäller på kandidat- eller masternivå, beroende på studentens tidigare erfarenhet och kompetens. Studenten bör ha kunskaper i programmering och AI.

Kontakt

Martin Roos och Fredrik Sundqvist.