소프트웨어 공학을 위한 AI의 도전과 전망

Challenges and Paths Towards AI for Software Engineering

March 28, 2025

저자: Alex Gu, Naman Jain, Wen-Ding Li, Manish Shetty, Yijia Shao, Ziyang Li, Diyi Yang, Kevin Ellis, Koushik Sen, Armando Solar-Lezama

cs.AI

초록

소프트웨어 엔지니어링을 위한 AI는 최근 눈부신 발전을 이루며 생성형 AI 분야에서 주목할 만한 성공을 거두었습니다. 그럼에도 불구하고, 자동화된 소프트웨어 엔지니어링이 그 잠재력을 완전히 발휘하기 위해서는 여전히 해결해야 할 많은 과제들이 남아 있습니다. 인간이 무엇을 구축할지와 어려운 트레이드오프를 어떻게 균형 잡을지와 같은 중요한 결정에 집중하는 동안 대부분의 일상적인 개발 작업이 자동화되는 높은 수준의 자동화에 도달하는 것이 가능해야 합니다. 이러한 수준의 자동화에 도달하기 위해서는 학계와 산업 전반에 걸쳐 상당한 연구와 엔지니어링 노력이 필요할 것입니다. 본 논문에서는 이를 세 가지 측면에서 논의하고자 합니다. 첫째, 코드 생성 및 완성 외에도 소프트웨어 엔지니어링에서 수행되는 다양한 작업을 강조하며, 소프트웨어 엔지니어링을 위한 AI의 구체적인 작업에 대한 구조화된 분류 체계를 제공합니다. 둘째, 현재 접근법을 제한하는 여러 주요 병목 현상을 개요합니다. 마지막으로, 이러한 병목 현상을 해결하기 위한 유망한 연구 방향에 대한 의견을 제시하며, 이 빠르게 성숙해지는 분야에서의 미래 연구에 영감을 주고자 합니다.

English

AI for software engineering has made remarkable progress recently, becoming a notable success within generative AI. Despite this, there are still many challenges that need to be addressed before automated software engineering reaches its full potential. It should be possible to reach high levels of automation where humans can focus on the critical decisions of what to build and how to balance difficult tradeoffs while most routine development effort is automated away. Reaching this level of automation will require substantial research and engineering efforts across academia and industry. In this paper, we aim to discuss progress towards this in a threefold manner. First, we provide a structured taxonomy of concrete tasks in AI for software engineering, emphasizing the many other tasks in software engineering beyond code generation and completion. Second, we outline several key bottlenecks that limit current approaches. Finally, we provide an opinionated list of promising research directions toward making progress on these bottlenecks, hoping to inspire future research in this rapidly maturing field.