基于 LLM 从利益相关者对话中发现潜在需求：行业初步结果

利益相关者访谈是获取需求的重要信息来源，但许多相关需求仍然隐含在此类对话中。利益相关者经常描述工作流程、挑战和操作实践，但没有明确阐明可以解决这些问题的软件功能。最近的工作考虑使用 LLM 来分析对话数据并从利益相关者访谈中提取需求。然而，现有的方法主要侧重于确定明确规定的要求，而很大程度上未探索隐含的机会。在本文中，我们提出了 LENS（LLM-Enabled Needs Discovery from Stakeholder Interviews），这是一种分析利益相关者访谈记录以提取明确需求并推断其他潜在需求的方法。 LENS 通过对利益相关者的陈述以及有关组织工具和基础设施的上下文信息进行推理来执行此推理。提取和推断的需求都以用户故事的形式表示，并链接到文字摘录以确保可追溯性。我们使用在涉及网络安全运营的工业环境中收集的 12 名利益相关者访谈笔录对 LENS 进行初步评估。我们表明，LENS 在提取显式需求方面的平均 F1 分数为 84.4%，而平均而言，LENS 识别的潜在需求中有 75% 被领域专家认为提供了有用的自动化或节省时间的潜力。