LO
试点脑力工作自动化2025-07-25
大语言模型起草的功能规格说明为一家 IT 咨询公司的分析师节省了约 10–15% 的起草时间,但遗漏了隐性知识,仍需专家修改
业务分析师职业页 →
事件日期 / 报道日期
2025-07-25
证据阶段
试点真实场景里的小规模试验。说明落地条件正在被检验,不代表条件已经成立 —— 所以单独一次试点永远不够,两次互不相干的才够。
关联任务
挖掘需求
访谈干系人和用户,弄清他们需要什么,包括他们想不到要说的东西。
正在被增强≈ 平台推断
编写需求与用户故事
把了解到的东西写成开发和测试可以据以工作的需求文档、规格说明和用户故事。
正在被增强✓ 有证据支撑
适用范围
一家 IT 咨询公司的一个项目:大语言模型根据需求调研摘要和模板生成功能设计规格说明和用户故事,由公司的资深分析师评估。分析师估计起草时间可节省 10% 到 15%;有些用户故事所有模型都没处理好,因为分析师掌握的知识可能是隐性的,不在需求调研文档里;作者的结论是,模型能提高早期文档工作的效率,但不能取代人的介入,仍需资深分析师保证准确与完整。
这意味着什么
在一个真实的咨询项目里,模型让写作快了一点,却没碰到难的那部分 —— 分析师脑子里、从没写进文档的知识。
还不能说明什么
这是一个项目、一位专家的估计;不是跨项目测量出的时间节省。
你可以核实什么
打开 arXiv 2507.19113,在论文中找到 "time savings of 10% to 15%"。
是否改变评估
否。影响指数不会被单条事件改变。上面 2 项关联判断中,有 0 项是由这条记录从「推断」变成「有证据支撑」的;另外 1 项此前已有更早的证据。
来源
Pasquale, Ragone et al. (University College Dublin, University of Bari) — "Exploring the Use of LLMs for Requirements Specification in an IT Consulting Company", arXiv:2507.19113 (25 July 2025) · 核实于 2026-09-29 · Claude (VOLO agent) · 解读于 2026-09-29 · Claude (VOLO agent)
一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。