AiDD软件研发数字峰会-北京站

出品人：刘璘

清华大学软件学院副研究员
CCF高级会员
软件工程专委委员
需求工程国际期刊编委/副主编

博士，清华大学软件学院副研究员，清华-中国人寿财险工业大数据联合研究中心主任、国际需求工程委员会委员，国际需求工程委员会中国分会理事，《需求工程》国际期刊编委，中国计算机学会软件工程专委委员。
刘璘教授于1999年中国科学院数学研究所博士毕业后留学加拿大。2004年回国任教，研究兴趣包括：需求工程与领域知识处理。发表SCI、EI检索国际期刊/会议论文百余篇，谷歌学术搜索引用两千余次。主持承担和参与国家和企业科研项目十余项。担任软件需求领域国际会议程序委员数十次，为多家国内外重要期刊担任编委和审稿人。

智能需求工程

基于大模型的数据智能技术发展，让人工智能研究与实践者的若干愿景成为可能。人机智能融合的未来世界里，我们如何更好地定义系统的边界、在线需求获取与推荐技术、多源融合的一体化需求生成方法、复杂系统需求智能建模与验证技术、追踪与变更管理技术、模型驱动的复杂系统需求工程技术等是智能需求工程论坛重点讨论的议题。

智能时代的需求工程研究实践

刘璘

清华大学软件学院副研究员

李童

博士，北京工业大学信息学部副教授，硕士生导师

博士，清华大学软件学院副研究员，清华-中国人寿财险工业大数据联合研究中心主任、国际需求工程委员会委员，国际需求工程委员会中国分会理事，《需求工程》国际期刊编委，中国计算机学会软件工程专委委员。

2016年毕业于意大利特伦托大学信息工程与计算机科学系，获博士学位。入选2018年北京市优秀人才青年骨干个人项目。主要研究方向包括软件需求工程，数据挖掘，网络安全等。作为联合编辑，研制我国首个工业互联网安全国际标准ISO/IEC 24392。在ICSE、REJ、MODELS等领域知名学术期刊和会议发表论文20余篇，谷歌学术被引1300余次，h-index 20。主持国家自然科学基金青年科学基金，科技部外专引智项目、国家重点研发计划项目子课题、北京市教委科技计划项目、CCF-绿盟科技“鲲鹏”科研基金等项目。现为ISO/IEC 国际标准安全专家、中国计算机学会软件工程专业委员会委员，CCF YOCSEF委员。

内容简介：

1. 智能需求工程与系统需求工程的共同关注点与差异；

2. 大模型为智能需求工程带来哪些深刻的影响；

3. 哪些新的功能和非功能性需求需要关注？如何定义与验证。

4. 哪些需求活动要机器辅助完成，哪些需求活动要人来完成？

5. 实践案例和思考。

演讲提纲：

1. 智能需求工程与信息系统需求工程的共同关注点与差异分析；
2. 大语言模型对需求获取、需求开发、需求分析、需求决策、需求验证活动带来的重要影响；
3. 智能应用需要关注的重要非功能性需求，如可靠性、可解释性、安全性的现状分析；
4.大模型时代的人机智能融合方式设计；
5. 医疗与工业安全领域的若干实践案例和思考。

6. 基于用户交互行为的隐式需求挖掘

听众受益：

1. 对领域现状的理解或能深入；
2. 对创新产品需求实践方法的尝试得到反馈；
3. 对现实实践挑战做理性分析，讨论应对之策。

面向智能应用的需求工程：中国移动智能客服实践经验分享

内容简介：

1.客服行业的发展脉络。客服电话从“接线员”到呼叫中心，到在线客服；从电路交换到CTI融合，到全面云化；从全人工到计算机辅助，到多模态、认知智能。每一步演进都离不开技术进步与需求的双轮驱动，供给创造需求，需求牵引供给。
2.中国移动大力推进客服智能化的背景与需求工程实践。客服行业面临的主要挑战包括服务需求量大、坐席管理难度大、服务成本高企等。在此背景下，智能化是必由之路。中国移动从四方面需求出发，自2016年以来持续推进客服系统智能化改造。一是管理需求驱动，系统从分散到云化集中；二是客户需求驱动，交付从人工到智能；三是生态需求驱动，能力从自用到产品化；四是技术需求驱动，AI从小模型到大小模型并重。

演讲提纲：

1. 中国移动企业简介
2. 客服行业的发展脉络
3. 中国移动客服智能化需求工程实践
1). 管理需求驱动，系统从分散到云化集中
2). 客户需求驱动，交付从人工到智能
3). 生态需求驱动，能力从自用到产品化
4). 技术需求驱动，AI从小模型到大小模型并重
4. 实践体会

听众受益：

1. 客服行业全景式发展脉络，以及当前行业面临的主要挑战
2. 作为全球规模最大的客服系统，中国移动客服自2016年以来的改造升级之路
3. 围绕客服领域，中国移动在大模型及AI方面的思考与实践

朱鸿
中国移动客户服务部副总经理

中国科学院大学管理科学与工程博士。深耕通信行业多年，从2G到5G，长期致力于移动通信的产业化运营。曾参与低轨卫星互联网重大工程的系统论证，从技术体制到产业链，提出卫星通信与移动通信融合方案。目前负责中国移动客户服务体系的数字化转型，在自研建成全球最大单体客服系统的基础上，充分应用数字化技术，面向客户升级服务体验，面向员工提供智能辅助，助力企业增强服务弹性、提升运营效率。

面向领域的智能需求工程：百度智慧医疗的实践

内容简介：

以百度为例，整体介绍AI在医疗领域可落地应用的场景，包括但不限于诊前智能筛查、诊中辅助诊疗和诊后随访与患者管理等，介绍百度智慧医疗业务实践成果。

演讲提纲：

1. 智慧医疗：需求背景概述
2. 智慧医疗：需求工程实践
1). 找场景：公立医院vs基层医院
2). 定角色：用户需求vs客户需求
3). 找需求：需求聆听vs主动引导
4). 用起来：医疗AI的可信可控和可解释性
5). 用得好：痛点需求vs“爽点”需求
3. 智慧医疗：LLM的需求机遇
1). 医药数据服务
2). 诊疗管理服务
3). 医疗零售服务
4. 百度智慧医疗业务实践成果

听众受益：

1. 了解医疗领域中智能需求工程的经验总结
2. 了解在LLM时代下医疗智能需求的变化展望
3. 了解国内AI+医疗行业的基本格局

陈俊
百度智慧医疗算法方向负责人

陈俊博士毕业于清华大学软件学院，现任百度智慧医疗资深研发工程师、算法方向负责人，北京市工程技术副高级职称，国家标准主要起草人。主要研究方向包括大语言模型、自然语言处理、知识图谱、图计算、推荐系统等，在ACL、IJCAI、AAAI、IEEE TKDE、IEEE TIP等国际顶尖刊物中发表论文30余篇，申请国内外发明专利60余项。曾任ACL、EMNLP、NAACL等国际学术刊物审稿人。现负责百度智慧医疗的临床辅助决策系统CDSS、智慧病案IMR以及医疗大模型等方向的技术研发工作。

价值场景驱动工业数据智能应用研发

内容简介：

在工业从自动化、信息化的工业3.0时代迈向互联化、数字化、智能化的工业4.0时代的过程中，数据成为新的关键生产要素，智能分析技术成为新的生产力工具。掌握和利用数据和智能分析技术，向工业数据要业务价值，成为工业企业在数智化时代提升企业竞争力的必经之路。工业数据智能应用的研发有其独特性，和传统信息化应用相比在需求方面往往面临很大的不确定性，在技术上需要将数字化、智能化技术和工业应用场景、领域知识有机融合，在参与人员方面需要工业专家、数据分析师和信息化专家的高效协同，要高效支持工业数据智能应用的研发，需要充分考虑上述独特挑战。本报告将介绍一套经过实践检验、支持3T融合（工业技术-数据技术-信息技术融合）、用价值场景驱动来进行工业数据智能应用研发的方法论，同时也将介绍在能源、冶金、电子制造等领域的应用案例。

演讲提纲：

1. 工业数据智能应用研发的独特性
2. 支持3T融合（工业技术-数据技术-信息技术融合）、用价值场景驱动来进行工业数据智能应用研发的方法论
3. 在能源、冶金、电子制造等领域的应用案例

听众受益：

理解研发工业数据智能应用的独特挑战，并收获一套经过实践检验的工业数据智能应用研发方法论及应用案例的分享。