随着AI技术的发展，各个领域都已经开展AI技术的应用。聊天、写作、图片和视频生成、编码……AI技术已经开始影响我们的生活和工作，它能极大地提高我们工作的效率。
我们实施GJB5000B也一样可以通过AI技术的应用来提高效率。
这里谈谈AI如何应用在GJB5000B的“需求开发与管理”实践域。
需求开发与管理实践域共2个等级11个实践，大致可以分为需求开发、需求确认、需求管理等三个方面。
AI技术用于需求开发
利用AI技术熟悉业务领域
通过适当的提示词，可以让AI工具给出业务领域的相关知识、实例，让开发人员更快地熟悉待开发软件的业务领域。
明确需求场景与目标
在确定需求场景之后，需要评估场景是否适合采用AI技术解决，以及确定AI技术要解决的具体问题，如识别检测、语音识别、自然语言处理等，确定系统需要达到的预期输出和性能指标。
需求开发与迭代
可以利用AI工具自动生成符合GJB5000B和GJB438C要求的需求文档，还可以使用AI技术快速生成原型，以便进行初步的功能和性能测试。
共性需求的提取也可以通过训练AI模型来进行。
AI技术用于需求确认
需求确认的方法有评审、分析、仿真、原型、演示、测试、模型验证等，AI技术在评审、建立原型、模型等方面都可以提供帮助。
利用AI技术的自然语言处理（NLP）、机器学习算法、数据挖掘和关联规则等多种技术手段，可以发现需求描述中存在的问题。在需求确认中，可以将AI评审需求文档作为预审的有效补充，这可以极大地提高预审的质量和效率。
具体的方法可以先通过“提示词”向AI工具指明需求描述的标准模板，然后再给出具体的需求描述，由AI工具指出存在的问题（参考Megadotnet公众号文章《AI辅助需求规格描述评审》）。
AI技术用于需求管理
需求管理包括获得需求一致理解和承诺、建立并维护需求双向可追溯性以及管理需求变更。AI技术可以在“获得需求一致理解”和“需求跟踪矩阵的完整性”方面提供帮助——对于“获得需求一致理解”，AI技术可以通过建立原型或模型等可见的图形来避免开发人员与用户对需求理解的不一致，可以通过提示词建立需求跟踪的原则（比如跟踪矩阵应该覆盖需求文档中每个需求标识），使得AI工具依据原则来判断需求跟踪矩阵是否完整。
总之，AI技术可以为“需求开发与管理”实践域的实施提供极大助力，在将来的GJB5000C可以增加这样一条实践：利用AI技术实施本实践域。
这正是：
A I 助力需求管，技术多样效倍添
开发确认皆提速，管理质量亦领先
