A Conceptual Framework for the Generation of High‑Quality Software Requirements

Abstract

Los requerimientos expresados en lenguaje natural son un artefacto indispensable en el proceso de desarrollo de software, ya que pueden ser comprendidos por todas las partes interesadas. Sin embargo, su ambigüedad representa un desafío persistente. Para abordar esta problemática, organizaciones como el Institute of Electrical and Electronics Engineers (IEEE) y el International Council on Systems Engineering (INCOSE) publican guías para escribir requerimientos con reglas que aportan a la tarea. Por otro lado, las metodologías ágiles proponen patrones y estructuras para redactar en lenguaje natural las necesidades de las partes interesadas, tratando de evitar la ambigüedad. Sin embargo, la diferencia de conocimiento entre estas partes respecto a los requerimientos y su correcta formulación dificulta la tarea de especificación. Recientemente, los grandes modelos lingüísticos (LLM, por sus siglas en inglés) han emergido para mejorar las tareas de procesamiento de lenguaje natural, estos son arquitecturas basadas en modelos profundos que emulan mecanismos de atención similares a los humanos. Este trabajo tiene como objetivo evaluar el potencial de los LLM en este dominio. El propósito es utilizar estos modelos para mejorar la calidad de los requerimientos de software, ayudando a los analistas en las tareas de análisis y especificación de requerimientos. Se detallan el marco propuesto, la arquitectura, los componentes clave y las interacciones entre ellos. Además, se desarrolla una prueba conceptual de la propuesta para evaluar su utilidad. Por último, se discuten el potencial y las limitaciones del marco de trabajo, así como las direcciones futuras para continuar su validación y refinamiento.

Requirements expressed in natural language are an essential artifact in the software development process, as all stakeholders can understand them. However, their inherent ambiguity remains a persistent challenge. To address this issue, organizations such as the Institute of Electrical and Electronics Engineers (IEEE) and the International Council on Systems Engineering (INCOSE) publish guidelines with rules that support the task of writing clearer requirements. Additionally, agile methodologies propose patterns and structures for formulating stakeholder needs in natural language, aiming to reduce ambiguity. Nevertheless, differences in stakeholders’ understanding of the requirements and how to express them correctly make the specification task even more difficult. Recently, large language models (LLMs) have emerged to enhance natural language processing tasks. These are deep learning architectures that emulate attention mechanisms similar to those used by humans. This work aims to assess the potential of LLMs in this domain. The goal is to use these models to improve the quality of software requirements, assisting analysts in the tasks of analysis and specification. The proposed framework, its architecture, key components, and their interactions are described. A conceptual test is also conducted to evaluate the framework's usefulness. Finally, the paper discusses the framework’s potential and limitations, as well as future directions for its validation and refinement.