本記事では、要件定義の初期に行うインタビューにおいて、LLMがどこまで支援できるかを検証した研究を紹介します。

面接相手の発言を受けて、適切なフォローアップ質問を生成する能力に焦点を当て、プロンプト設計やミスの回避といった観点から分析されています。実験にはGPT-4oが用いられ、人間のアナリストとの比較も行われました。LLMを現場で活用したいと考えている方にとって、設計上のヒントとなる内容になっています。

背景

ソフトウェア開発の初期段階では、利害関係者のニーズを正しく把握することが重要であり、その手段としてインタビューがよく活用されます。関係者と直接やり取りすることで、表に出にくいニーズや期待を丁寧に引き出していくのが目的です。

ただし、インタビューを効果的に行うには高度なスキルが求められます。たとえば、相手の発言から曖昧な点や矛盾を見つけ、それに応じた追加の質問を即座に投げかける必要があります。その際、対象領域に対する知識が不足していると、相手の話を正確に理解できず、深掘りするのが難しくなります。また、聞きながら次の質問を考えるという作業は非常に負荷が高く、長く複雑な回答を受けた場合には、どの部分に注目すべきか判断がつかなくなることもあります。

こうした負担の大きさから、インタビューの準備や実施、分析には時間とコストがかかります。

そこで本記事では、LLMを活用して適切なフォローアップをリアルタイムで生成できる仕組みの開発と検証結果を取り上げます。