Generatiivisen tekoälyn hyödyntäminen vaatimusten kuvaamisessa kehitettävän järjestelmän UML- malleiksi
Laaja, Milla (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025060219477
https://urn.fi/URN:NBN:fi:amk-2025060219477
Tiivistelmä
Opinnäytetyössä tutkittiin generatiivisen tekoälyn hyödyntämistä vaatimusten kuvaamisessa kehitettävän järjestelmän UML- malleiksi. Työn keskeinen ajatus oli selvittää, voiko tekoälyä hyödyntää mallinnusta tehostavana työkaluna. Tutkimuksessa keskityttiin laajojen kielimallien (engl. LLM) tekoälysovelluksiin, jotka prosessoivat luonnollista kieltä ja joiden avulla voi tuottaa tehokkaasti sisältöä. Näitä ominaisuuksia hyödynnettiin tietojärjestelmälle kerättyjen vaatimusten käsittelyssä ja UML- kaavioiden mallinnusta toteuttavan tekstimuotoisen PlantUML- koodin tuottamisessa.
Tutkimus on luonteeltaan laadullinen. Tutkimuksen tietoperustassa käsitellään vaatimusmäärittelyprosessia vaatimusten muodostumisen ja kuvaamisen näkökulmista. Lisäksi perehdytään generatiivisen tekoälyn ja UML- mallinnuksen ominaisuuksiin. Teorian ja empiiristen testien kautta pyrittiin selvittämään, minkälaisia UML- kielen mallinnustehtäviä tekoäly pystyy suorittamaan vaatimusten perusteella, miten tekoälyä voi ohjata mallinnuksessa, miten generoidut kaaviot eroavat ihmisten tuottamista kaavioista ja minkälaisia ongelmia mallinnuksessa kohdataan.
Työn tutkimuskysymyksiin haettiin vastauksia empiirisessä osassa, jossa tekoälyä testattiin vaatimusten kuvaamisessa UML- malleiksi. Aineistoa syntyi testitulosten lisäksi kaavioiden arvioinnissa ja vertailussa sekä asiantuntijahaastattelussa.
Tutkimuksen tulosten perusteella tekoälyn hyödyntäminen mallinnusta avustavana työkaluna ei automaattisesti tuo työhön tehokkuutta, vaikka tekoälyllä generoidut kaaviot voidaan tuottaa todella nopeasti. Keskeinen ongelma tekoälyn käytössä on siihen liittyvä arvaamattomuus, kun kehotteiden vaikutusta kaavioihin ei tarkalleen tiedetä. Vaikka tekoälyn avulla kaavioista ei saisi riittävän hyviä, niitä voi mahdollisesti käyttää ajattelun tukena ja erilaisten näkökulmien luomisessa. Tämän tutkimuksen tulokset eivät kuitenkaan riitä antamaan lopullista vastausta tekoälyn hyödyntämisestä mallinnusta tehostavana työkaluna ja tarkemman kuvan saaminen edellyttää lisätutkimuksia aiheesta.
Tutkimus on luonteeltaan laadullinen. Tutkimuksen tietoperustassa käsitellään vaatimusmäärittelyprosessia vaatimusten muodostumisen ja kuvaamisen näkökulmista. Lisäksi perehdytään generatiivisen tekoälyn ja UML- mallinnuksen ominaisuuksiin. Teorian ja empiiristen testien kautta pyrittiin selvittämään, minkälaisia UML- kielen mallinnustehtäviä tekoäly pystyy suorittamaan vaatimusten perusteella, miten tekoälyä voi ohjata mallinnuksessa, miten generoidut kaaviot eroavat ihmisten tuottamista kaavioista ja minkälaisia ongelmia mallinnuksessa kohdataan.
Työn tutkimuskysymyksiin haettiin vastauksia empiirisessä osassa, jossa tekoälyä testattiin vaatimusten kuvaamisessa UML- malleiksi. Aineistoa syntyi testitulosten lisäksi kaavioiden arvioinnissa ja vertailussa sekä asiantuntijahaastattelussa.
Tutkimuksen tulosten perusteella tekoälyn hyödyntäminen mallinnusta avustavana työkaluna ei automaattisesti tuo työhön tehokkuutta, vaikka tekoälyllä generoidut kaaviot voidaan tuottaa todella nopeasti. Keskeinen ongelma tekoälyn käytössä on siihen liittyvä arvaamattomuus, kun kehotteiden vaikutusta kaavioihin ei tarkalleen tiedetä. Vaikka tekoälyn avulla kaavioista ei saisi riittävän hyviä, niitä voi mahdollisesti käyttää ajattelun tukena ja erilaisten näkökulmien luomisessa. Tämän tutkimuksen tulokset eivät kuitenkaan riitä antamaan lopullista vastausta tekoälyn hyödyntämisestä mallinnusta tehostavana työkaluna ja tarkemman kuvan saaminen edellyttää lisätutkimuksia aiheesta.