लाइब्रेरी पर वापस जाएं

प्रमुख प्रश्न नया

AI द्वारा प्रसंस्कृत · लेखक द्वारा अनुमोदित

क्या जेनेरेटिव एआई सॉफ्टवेयर आवश्यकताओं को एकत्र और परिभाषित करने में लगने वाले मानसिक प्रयास को कम करता है?

Requirements Engineering with Generative AI: Transformation of Requirements Elicitation and Cognitive Load
Adrianna Weronika Pawińska, Kevin Kintzel, Till Schirrmeister, व अन्य · International Conference on Information Systems (ICIS) · 2026

18 बार देखा गया

चित्र: क्या जेनेरेटिव एआई सॉफ्टवेयर आवश्यकताओं को एकत्र और परिभाषित करने में लगने वाले मानसिक प्रयास को कम करता है?

Spotify का प्लेयर लोड करता है; Spotify कुकीज़ सेट कर सकता है। यह डिवाइस आपकी पसंद याद रखता है।

मुख्य निष्कर्ष

  • जेनेरेटिव एआई ट्रांसक्रिप्शन, सारांश तैयार करने और प्रारंभिक प्रारूपण जैसे नियमित कार्यों को स्वचालित करता है, जिससे बाह्य मानसिक प्रयास कम होता है।
  • मानसिक प्रयास पूरी तरह से कम होने के बजाय पुनर्वितरित होता है, क्योंकि प्रॉम्प्ट इंजीनियरिंग, आउटपुट सत्यापन और टूल की क्षमताओं के मूल्यांकन से नई आवश्यकताएं उत्पन्न होती हैं।
  • जब इसका उपयोग विचार-विमर्श करने वाले साथी के रूप में किया जाता है, तो जेनेरेटिव एआई रचनात्मक समस्या-समाधान और नए विकल्पों की खोज में मदद करता है, लेकिन बिना सोचे-समझे अपनाने से सतही विश्लेषण का जोखिम रहता है।
  • साक्षात्कार में शामिल 20 पेशेवरों में से 11 ने मानसिक प्रयास में कुल कमी का अनुभव किया, 9 को कोई शुद्ध बदलाव महसूस नहीं हुआ, और 1 ने कुल संज्ञानात्मक बोझ में वृद्धि का अनुभव किया।
  • मानवीय डोमेन विशेषज्ञता आवश्यक बनी रहती है क्योंकि कनिष्ठ कर्मचारियों में अक्सर त्रुटियों को पकड़ने के लिए आवश्यक संदर्भ की कमी होती है और वरिष्ठ कर्मचारियों पर निगरानी का दायित्व बढ़ जाता है।

आपके लिए इसका क्या अर्थ है

CIO / आईटी एक्ज़ीक्यूटिव

Allocate budget this morning to establish mandatory AI output verification training, ensuring teams do not rely uncritically on generated requirements.

आईटी प्रबंधक

Pair junior requirements engineers with senior domain experts this morning to review all GenAI-generated initial drafts and catch hallucinated edge cases.

बिज़नेस रणनीतिकार

Revise project planning metrics this morning to account for shifted cognitive effort—recognizing that time saved on drafting will be reinvested into prompt engineering and critical evaluation.

शोधकर्ता

Design an empirical study this morning to measure the specific threshold where senior staff oversight burden outweighs the productivity gains of junior staff using GenAI.

नीति निर्माता

Draft guidelines this morning requiring mandatory human-in-the-loop oversight and validation for any automated requirements engineering processes used in critical infrastructure IT projects.

सारांश

यह अध्ययन जांच करता है कि जेनेरेटिव आर्टिफिशियल इंटेलिजेंस आवश्यकता प्राप्ति (रिक्वायरमेंट्स एलिसिटेशन) के तौर-तरीकों को कैसे बदलता है और पेशेवरों के मानसिक कार्यभार को कैसे प्रभावित करता है। कॉग्निटिव लोड थ्योरी द्वारा निर्देशित, शोधकर्ताओं ने ग्राउंडेड थ्योरी विधियों का उपयोग करके एक यूरोपीय आईटी सेवा प्रदाता कंपनी के 20 रिक्वायरमेंट्स इंजीनियरिंग पेशेवरों के अर्ध-संरचित साक्षात्कारों का विश्लेषण किया।

समस्या

यद्यपि कोडिंग पर जेनेरेटिव एआई के प्रभाव पर व्यापक शोध हुआ है, लेकिन आवश्यकता प्राप्ति जैसे प्रारंभिक और अस्पष्ट चरणों पर इसके प्रभाव अभी भी पूरी तरह समझे नहीं गए हैं। संगठन अक्सर यह मान लेते हैं कि जेनेरेटिव एआई केवल मानसिक प्रयास को कम करेगा, और इस बात की अनदेखी कर देते हैं कि क्या यह नए संज्ञानात्मक बोझ पैदा करता है या जटिल सॉफ्टवेयर आवश्यकताओं के विश्लेषण के तरीके को बदलता है।

ट्रांसक्रिप्ट
Host: A.I.S. Insights — powered by Living Knowledge में आप सभी का स्वागत है। मैं हूँ आपकी होस्ट, Anna Ivy Summers। आज हम एक नए अध्ययन पर चर्चा कर रहे हैं, जिसका शीर्षक है "जेनेरेटिव एआई के साथ रिक्वायरमेंट्स इंजीनियरिंग: आवश्यकता प्राप्ति और संज्ञानात्मक भार का रूपांतरण"। यह अध्ययन Adrianna Weronika Pawińska, Kevin Kintzel, Till Schirrmeister और Georg Voronin द्वारा संचालित किया गया है और इसे International Conference on Information Systems, 2026 में प्रस्तुत किया गया। यह अध्ययन जांच करता है कि जेनेरेटिव एआई आवश्यकता प्राप्ति के तौर-तरीकों को कैसे बदलता है और पेशेवरों के मानसिक कार्यभार पर इसका क्या प्रभाव पड़ता है। मेरे साथ स्टूडियो में हैं हमारे विश्लेषक Alex Ian Sutherland। Alex, आपका स्वागत है।

Expert: धन्यवाद Anna। इस अध्ययन के व्यावहारिक निष्कर्षों पर चर्चा करने के लिए मैं यहाँ उपस्थित होकर प्रसन्न हूँ।

Host: Alex, सॉफ्टवेयर विकास में जेनेरेटिव एआई की चर्चा अक्सर कोडिंग तक सीमित रहती है। लेकिन यह अध्ययन आवश्यकता प्राप्ति, यानी रिक्वायरमेंट्स एलिसिटेशन पर केंद्रित है। यहाँ मुख्य समस्या क्या है जिसे यह अध्ययन संबोधित करता है?

Expert: Anna, कोडिंग पर जेनेरेटिव एआई के प्रभावों का व्यापक अध्ययन हुआ है, लेकिन आवश्यकता प्राप्ति सॉफ्टवेयर विकास का प्रारंभिक और अत्यधिक अस्पष्ट चरण होता है। कई संगठन यह मान लेते हैं कि जेनेरेटिव एआई केवल पेशेवरों के मानसिक प्रयास को कम करेगा। वे इस बात की अनदेखी कर देते हैं कि क्या यह तकनीक नए प्रकार का संज्ञानात्मक भार पैदा कर रही है या जटिल सॉफ्टवेयर आवश्यकताओं के विश्लेषण के तरीकों को बदल रही है।

Host: इस विषय की पड़ताल के लिए शोधकर्ताओं ने किस पद्धति का उपयोग किया?

Expert: शोधकर्ताओं ने कॉग्निटिव लोड थ्योरी का उपयोग किया और ग्राउंडेड थ्योरी पद्धति के आधार पर एक यूरोपीय आईटी सेवा प्रदाता कंपनी के 20 रिक्वायरमेंट्स इंजीनियरिंग पेशेवरों के अर्ध-संरचित साक्षात्कारों का विश्लेषण किया। उन्होंने यह देखा कि इस तकनीक के उपयोग से कार्य के दौरान मानसिक प्रयास किस प्रकार पुनर्वितरित होता है।

Host: तो इस अध्ययन के मुख्य परिणाम क्या रहे? क्या पेशेवरों का मानसिक कार्यभार वास्तव में कम हुआ?

Expert: परिणाम काफी संतुलित और विस्तृत हैं। अध्ययन से पता चलता है कि जेनेरेटिव एआई ट्रांसक्रिप्शन, मीटिंग सारांश तैयार करने और प्रारंभिक प्रारूपण जैसे नियमित कार्यों को स्वचालित करता है, जिससे बाह्य मानसिक प्रयास कम होता है।

Host: यानी नियमित और प्रशासनिक कार्यों में राहत मिलती है। लेकिन क्या इससे नए प्रकार की जिम्मेदारियां भी जुड़ी हैं?

Expert: जी हाँ, मानसिक प्रयास पूरी तरह समाप्त नहीं होता, बल्कि उसका पुनर्वितरण होता है। पेशेवरों को अब प्रॉम्प्ट तैयार करने, एआई द्वारा दिए गए आउटपुट के सत्यापन और टूल की क्षमताओं व सीमाओं का मूल्यांकन करने में नया मानसिक प्रयास लगाना पड़ता है। जब इसका उपयोग विचार-विमर्श करने वाले साथी के रूप में किया जाता है, तो यह रचनात्मक समस्या-समाधान और नए विकल्पों की खोज में मदद करता है। लेकिन बिना सोचे-समझे अपनाने से सतही विश्लेषण का जोखिम भी रहता है।

Host: क्या सभी 20 पेशेवरों ने इस बदलाव का समान अनुभव किया?

Expert: नहीं, सभी का अनुभव एक जैसा नहीं था। साक्षात्कार में शामिल 20 पेशेवरों में से 11 ने मानसिक प्रयास में कुल कमी का अनुभव किया, 9 को कोई शुद्ध बदलाव महसूस नहीं हुआ, और 1 ने कुल संज्ञानात्मक बोझ में वृद्धि का अनुभव किया। इसके अलावा, अध्ययन में यह भी सामने आया कि कनिष्ठ कर्मचारियों में अक्सर त्रुटियों को पकड़ने के लिए आवश्यक डोमेन संदर्भ की कमी होती है, जिससे वरिष्ठ कर्मचारियों पर आउटपुट की समीक्षा और निगरानी का दायित्व बढ़ जाता है। मानवीय विशेषज्ञता अभी भी अनिवार्य बनी हुई है।

Host: यह एक बहुत महत्वपूर्ण बिंदु है। व्यावसायिक नेतृत्व और संगठनों के लिए इसके क्या व्यावहारिक निहितार्थ हैं? वे इस ज्ञान का उपयोग कैसे कर सकते हैं?

Expert: संगठनों के लिए मुख्य सीख यह है कि जेनेरेटिव एआई को केवल समय बचाने वाले समाधान के रूप में न देखा जाए। कार्यप्रणालियों को इस तरह पुनर्गठित करना चाहिए कि आउटपुट के सत्यापन और समीक्षा के लिए पर्याप्त समय मिल सके। दूसरा, कर्मचारियों को प्रॉम्प्टिंग और एआई आउटपुट के आलोचनात्मक मूल्यांकन का प्रशिक्षण दिया जाना चाहिए। तीसरा, कनिष्ठ कर्मचारियों के डोमेन ज्ञान को मजबूत करने पर ध्यान देना होगा, ताकि वे त्रुटियों की पहचान स्वयं कर सकें और वरिष्ठ कर्मचारियों पर निगरानी का अतिरिक्त बोझ न पड़े।

Host: संक्षेप में कहें तो, जेनेरेटिव एआई नियमित कार्यों को आसान बनाता है, लेकिन विश्लेषण और सत्यापन की नई संज्ञानात्मक मांगें भी पैदा करता है। Alex, इस अध्ययन के निष्कर्षों को सरलता से समझाने के लिए आपका बहुत-बहुत धन्यवाद।

Expert: धन्यवाद Anna।

Host: और हमारे सभी श्रोताओं का A.I.S. Insights — powered by Living Knowledge सुनने के लिए धन्यवाद। अगले अंक में फिर मिलेंगे।
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS
AIS eLibrary में शोध पत्र पढ़ें

Generative AI, Requirements Engineering, Cognitive Load, Requirements Elicitation, Work Augmentation, Human-AI Collaboration