(AI 3강) 요구사항 관리에서 AI 활용 📋

---

Title: AI 초급 강좌 3강 – 요구사항 관리에서 AI 활용하기 📋
Description: AI 초급 강좌 3강에서는 자연어 처리 기반 요구사항 분석과 Polarion·DOORS 등 엔지니어 실무 도구와 AI를 연계하여 요구사항 품질을 향상시키는 방법을 다룹니다.
Keywords: 요구사항 관리, AI 개발 프로세스, 자연어 처리, Polarion, DOORS, OEM, Tier1, Tier2, 소프트웨어 품질

---

3강: 요구사항 관리에서 AI 활용 📋

자동차 소프트웨어 개발에서 요구사항 관리(Requirements Management)는 설계·개발·테스트를 연결하는 중심 축입니다.
이번 강의에서는 자연어 처리(NLP)를 활용해 요구사항을 분석하고,

실제 실무에서 널리 사용하는 Polarion, DOORS와 AI를 연결해 생산성을 높이는 방법을 다룹니다.
AI는 복잡한 문서를 자동 분석해 모호성, 중복, 추적성 문제를 조기에 발견하도록 도와 개발 품질을 한 단계 끌어올릴 수 있습니다.

---

1. 자연어 처리 기반 요구사항 분석의 강점 💡

전장 SW 요구사항은 대부분 자연어로 작성되기 때문에, AI가 이해하기 적합한 데이터 형태입니다. NLP 기반 분석을 활용하면 다음과 같은 이점을 얻습니다.

• 모호한 표현 자동 탐지
  “적절히”, “가능하면”, “빠르게” 같은 주관적 표현을 AI가 자동 표시하여 리뷰 품질을 높입니다.
• 중복 · 충돌 요구사항 식별
  동일 기능을 다른 표현으로 기술한 경우, 혹은 상반되는 조건이 포함된 경우 AI가 탐지합니다.
• 요구사항 구조 개선 제안
  ISO 26262 Part 6에서 강조하는 명확성(Clearness), 검증 가능성(Verifiability), 추적성(Traceability) 기준을 기반으로 구조를 개선하도록 제안할 수 있습니다.

📌 실무 AI 활용 예제

프롬프트:
너는 자동차 소프트웨어 요구사항 분석 전문가야.
다음 요구사항 목록을 검토하고,
모호한 표현,
중복된 항목,
충돌 위험이 있는 내용
을 각각 분리해 분석해줘.
출력은 표 형식으로 제공해줘.

---

2. Polarion·DOORS와 AI의 연계 활용 📁

현대 자동차 개발 조직은 대부분 Polarion ALM, IBM DOORS 같은 요구사항 관리 도구를 사용합니다.
AI는 이 도구들을 대체하는 것이 아니라 보조하는 역할로 활용하는 것이 가장 효과적입니다.

🔧 1) Polarion과 AI 연계

• AI가 요구사항 항목의 품질 점수(quality score)를 자동 매기고 개선안을 제시
• Test Case와 연결되지 않은 요구사항을 자동 탐색해 추적성 갭(Traceability Gap) 탐지
• 수백 개의 항목을 5~10개의 상위 요구사항으로 자동 요약

🔧 2) DOORS와 AI 연계

• DOORS에서 내보낸 CSV 기반으로 AI가 요구사항 관계 분석(RSM)을 수행
• 변경 이력(Change History)을 기반으로 영향 분석(Impact Analysis) 자동화
• 동일한 문장 패턴을 기반으로 ASIL 수준에 따라 표현을 통일하여 문서 품질 일관성 확보

---

3. OEM / Tier1 / Tier2 관점에서의 AI 요구사항 적용 전략 🏭

🚗 OEM 관점

• 시스템 요구사항이 방대하므로 AI 기반 자동 구조화·요약 기술 필요
• 여러 Tier1에서 제출하는 요구 문서의 품질을 AI 점검 규칙으로 표준화
• 변경 관리 프로세스(Change Management) 자동화에 큰 효과

🛠️ Tier1 관점

• 고객 요구사항을 ECU SW 요구사항으로 정제하는 작업에서 AI 활용 가치가 높음
• ASIL 분류, 에러 상황 정의, 상태도 자동 생성 등 SW 요구사항 품질 향상에 최적
• Polarion과 연계해 문서 간 추적성(Req → Design → Test) 자동 점검

🔬 Tier2 관점

• 센서/반도체 스펙 문서를 기반으로 기술 요구사항 자동 생성
• 고객사(주로 Tier1) 문서를 빠르게 분석해 대응 속도 향상
• 리소스가 적은 개발 조직에서 AI 기반 분석은 ROI가 매우 큼

---

4. 실습: 실제 요구사항을 AI로 분석해보기 🧑‍💻

아래는 실무에서 바로 사용할 수 있는 실습 프롬프트입니다.

프롬프트:
너는 자동차 ECU 요구사항 관리 전문가야.
다음은 브레이크 제어기(SBC) 기능 요구사항 목록이야.

{요구사항 목록}

모호한 문장
검증 불가능한 문장
동일 기능을 표현한 중복 문장
ISO 26262 기반 개선안
을 4개의 표로 나누어 분석해줘.
그리고 Polarion 기준의 추적성 개선 포인트도 제시해줘.

 

👉 실습 목표

• AI 출력이 실제 요구사항 품질 원칙(명확성·일관성·검증 가능성·추적성)에 부합하는지 점검
• Polarion/DOORS를 사용하는 조직에서 즉시 응용할 수 있는 형태의 분석을 경험

---

📘 핵심 내용 정리

• 자연어 처리 기반 AI 도구는 요구사항 문서의 모호성·중복·충돌을 자동 분석할 수 있다.
• Polarion·DOORS와 연계하면 추적성, 변경 관리, 요구사항 구조화에 큰 효과가 있다.
• OEM/Tier1/Tier2는 각각 요구사항의 규모·형태·역할이 다르기 때문에 AI 적용 전략도 분리해야 한다.
• 실무 프롬프트를 표준화하면 조직 전체 문서 품질을 일정 수준 이상으로 끌어올릴 수 있다.

---

다음 강의 예고 🔔

다음 4강에서는 AI를 활용한 시스템 아키텍처 설계 지원을 다룹니다.
요구사항에서 아키텍처로 자연스럽게 이어지는 AI 활용 흐름을 경험하게 될 것입니다. 🚀
자동차 전장 엔지니어라면 꼭 필요한 역량이므로 기대해 주세요!