당사는 체계적이고 효율적인 시스템 엔지니어링 프로세스를 지원하는 '선박용 AI Agent' 개발을 목표로 연구를 진행하고 있습니다. 그에 앞서 주요 생성형 AI 모델(ChatGPT, Gemini, Claude)을 대상으로 '기능분석 및 MCP 운영방식 검토' 연구를 수행하고 있습니다.
이번 연구는 각 AI 모델이 실제 선박 설계 업무에서 얼마나 신뢰성 있는 결과를 도출하고 기존 시스템과 연동될 수 있는지 검증하기 위해 기획되었습니다. 
이를 위해 '선박 설계 과업지시서' 기반의 요구사항과 체계공학 가이드라인을 통제된 환경에서 동일하게 제공하여 아래와 같은 과정으로 테스트를 진행했습니다.

[주요 연구 및 검증 과정]
역할 부여 및 초기화: 각 AI 모델에 'SysML 및 선박 체계공학 기반 기능분석 전문가'로서의 역할을 부여하고 동일한 기본 지식 자료 업로드.
기능분석 수행: 요구사항 분석 결과를 바탕으로 선박 운영 시나리오 도출, 시나리오 기반 기능 모델 정의 및 기능 목록 구조화 요청.
산출물 변환 검토: 도출된 분석 결과를 실무에서 즉시 활용할 수 있도록 엑셀(Excel) 형식으로 변환 및 다운로드하는 능력 검증.
EA MCP 연동 테스트: 모델이 생성한 기능분석 종합보고서를 Model Context Protocol(MCP)을 통해 Enterprise Architect(EA) 툴과 연동하여 Use Case, Activity, BDD 등 적절한 SysML 다이어그램으로 모델링할 수 있는지 검토.
추적성 및 오류 점검: 원본 요구사항과 도출된 기능 간의 추적성(Traceability) 커버리지를 검증하고 기능분석 기준에 따른 논리적 오류 파악.

당사는 이러한 심층적인 연구 과정을 통해 각 AI 모델의 특징과 엔지니어링 도구로서의 한계를 명확히 파악하고 있습니다. 
앞으로도 도출된 인사이트를 바탕으로 당사의 선박 설계 및 시스템 엔지니어링 환경에 최적화된 AI 도입 방안을 지속적으로 고도화해 나갈 계획입니다.

요구사항 추출 기법은 프로젝트 상황과 시기에 따라 적절히 선택해야 하며 각 기법의 장단점을 고려하여 여러 방법을 조합해 사용하는 것이 중요합니다.

주요 기법으로는 인터뷰·설문과 같은 조사 기법, 브레인스토밍 등의 창의적 기법, 기존 문서를 활용하는 문서 중심 기법, 실제 환경을 관찰하는 관찰 기법, 그리고 마인드맵, 프로토타이핑 등을 통해 요구사항을 시각화하고 구체화하여 이해도를 높이는 보조 기법이 있습니다.

체계공학 솔루션 Cradle  |  비용분석 솔루션 SEER  |  리스크관리 솔루션 ARM

ARM에서는 정해진 개별 리스크 이벤트마다 “원인”과 “결과”를 한눈에 볼 수 있는 Bow Tie 기능을 제공하고 있습니다. 
이를 통해서 특정된 리스크의 이벤트를 한 개의 다이어그램을 직관적으로 보며 모니터링 할 수 있는 이점을 가지고 있습니다.

다음 중 요구사항의 원천이 아닌 것은 무엇일까요?

① 이해관계자