Funktionsområden för req:ai
En fullständig översikt av req:ais funktionalitet och kapacitet.
1. Administration och åtkomstkontroll
Per projektstyrd administration med rollbaserad åtkomstkontroll
Fördefinierade roller kan kompletteras med kundspecifika roller och behörigheter
Varje användare har en personlig dashboard med relevanta projekt, krav och uppgifter
Stöd för AD och LDAP integration
Full spårbarhet av användaraktiviteter inklusive vem som gjort vad och när
2. Import av källmaterial
Stöd för ett mycket brett spektrum av format inklusive PDF, Word, PowerPoint, Excel, bilder med OCR, ljudfiler med automatisk transkription, ren text, Markdown, HTML, XML, JSON och CSV
Import kan ske löpande under projektets gång
Allt källmaterial lagras i ett dokumentarkiv kopplat till projektet
3. AI-stöd genom hela kravprocessen
req:ai är AI-drivet genom hela kravets livscykel
AI analyserar, genererar, förfinar, granskar och föreslår förbättringar kontinuerligt
Mänsklig granskning och fastställande är alltid möjlig och central i processen, vilket säkerställer kvalitet och regelefterlevnad
4. Automatisk analys av dokument
AI analyserar allt importerat material och identifierar relevanta utsagor, begrepp, mål, begränsningar och behov
För ljudfiler sker automatisk transkription innan analys
Varje identifierad utsaga kan spåras tillbaka till exakt källa och position i originaldokumentet
5. Generering av krav och kriterier
AI genererar intressentkrav med tillhörande valideringskriterier samt systemkrav med verifieringskriterier och testfall
Kraven skapas enligt ISO 15288 och anpassas till projektets kontext och målbild
Allt sker konsekvent och spårbart
6. Kravförfining och samarbete
Användare kan föra dialog med AI för att förtydliga, bryta ner eller omformulera krav
Intressenter kan kommentera krav och AI analyserar kommentarerna för att föreslå nya eller förbättrade kravtexter
Granskning och fastställande av krav där intressenterna granskar, kommenterar, avslår, begär omarbetning eller godkänner kraven.
Detta möjliggör effektivt samarbete mellan teknik, verksamhet och ledning
7. Kravklassificering och attributstyrning
Krav klassificeras automatiskt med hjälp av AI till exempelvis säkerhet, funktion, prestanda eller regelverk
Kravtyper, status, prioritet och andra attribut hanteras via konfigurerbara fält
Kraftfull filtrering och AI-stödd fulltextsökning gör stora kravmängder hanterbara
8. Spårbarhet och källkoppling
Fullständig och automatisk spårbarhet från källmaterialet och dess text till intressentkrav, valideringskriteria och vidare till systemkrav, verifieringskriterier och testfall
Spårbarheten visas både grafiskt och textuellt och uppdateras dynamiskt vid förändringar
9. Dubblett- och konfliktanalys
AI analyserar kontinuerligt kravmassan för att identifiera dubbletter, överlappande krav och motstridiga krav
Analysen inkluderar semantisk förståelse, inte enbart textlikhet
Förslag på sammanslagning eller förtydligande presenteras för användaren
10. Granskning, fastställande och versionshantering
Krav kan granskas, fastställas och frysas
Varje krav och hela kravmassan versionshanteras med full historik
Alla ändringar loggas med exakt information om vad som ändrats, av vem och när
Fastställda krav kan endast ändras via formell Change Control Board
11. Baselines och workflow
Stöd för att skapa baselines av kravmassor vid definierade tidpunkter
Arbetsflöden är anpassade för ISO 15288
Arkitekturen är förberedd för kommande stöd för GAMP5, ISO 12207, DO 178C, ISO 26262 och andra närliggande standarder
12. Export, modeller och rapportering
Export av krav och relaterad information till Word, Excel, SQL, Sparx Enterprise Architect och upphandlingssystem som ProTendering
AI kan generera kompletta rapporter inklusive systembeskrivningar anpassade efter mottagare och syfte
13. Skalbarhet, drift och API
Mycket hög skalbarhet med stöd för både molndrift och on premise installation
Öppet och väldokumenterat API ger full åtkomst till all information i systemet
Plattformen är designad för att hantera mycket stora kravmängder, över 100 000 krav
14. Insikter om kravmassan
AI-baserade insikter analyserar hela kravmassan och identifierar svagheter, luckor och förbättringsmöjligheter
Exempelvis vilka kravområden som saknas, är otydliga eller behöver förfinas
Användaren kan själv skapa egna insikter genom dialog med AI för att få exakt den analys som behövs
När väljer man req:ai?
req:ai är rätt val när organisationen vill modernisera sitt kravarbete, minska risker och höja kvaliteten genom AI-stöd och strukturerade arbetssätt.
1. När krav är många, komplexa och föränderliga
Välj req:ai när:
Projektet innehåller hundratals eller tusentals krav
Krav förändras över tid och måste kunna hanteras kontrollerat
Spårbarhet mellan behov, krav och verifiering är affärskritisk
2. När kvalitet och konsekvens i krav är viktigare än manuellt arbete
Välj req:ai när:
Krav ska vara entydiga, verifierbara och konsekventa
Personberoende ska minskas
Organisationen vill undvika kravglidning och tolkningsproblem
3. När AI ska användas för analys, inte ersätta människor
Välj req:ai när:
AI ska stödja analys, strukturering och förbättring
Mänsklig granskning och beslut fortsatt är centrala
Kvalitet prioriteras före hastig dokumentproduktion
4. När full spårbarhet och ändringskontroll krävs
Välj req:ai när:
Varje krav måste kunna spåras till sitt ursprung
Alla ändringar ska loggas och kunna granskas i efterhand
Fastställda krav endast får ändras via formell förändringshantering
5. Moln och on premise
Välj req:ai när:
Organisationen behöver full kontroll över sin data
Lokal drift eller isolerade miljöer krävs
Samma funktionalitet ska finnas i både moln och lokal installation
6. När ISO 15288 ska efterlevas i praktiken
Välj req:ai när:
ISO 15288 används som arbetssätt, inte bara referens
Intressentkrav, systemkrav, verifiering och validering ska hänga ihop
Kravprocessen ska vara begriplig för både teknik och verksamhet
När man INTE ska välja req:ai
req:ai är ett AI-drivet kravhanteringsverktyg som följer ISO 15288 och är utvecklat för att effektivisera och kvalitetssäkra kravarbete genom hela livscykeln. Det finns situationer där req:ai inte är rätt val.
1. Om organisationen är djupt låst i IBM DOORS med omfattande DXL-logik
Välj inte req:ai om:
Organisationen har stora mängder affärskritiska DXL-skript
Kravprocesser, rapporter och integrationer är hårt kodade i DOORS
Verksamheten saknar mandat eller vilja att förändra arbetssätt
Motivering: req:ai använder öppna API:er och AI-driven logik istället för interna skriptspråk. Migrering från en tung DXL-baserad miljö innebär både teknisk och organisatorisk förändring.
2. Om projektet kräver hantering av miljontals kravobjekt i en enda monolitisk databas
Välj inte req:ai om:
Projektet omfattar miljontals kravobjekt i ett sammanhängande system
Prestandaoptimering på extremt låg databasnivå är avgörande
Kravhantering sker i mycket djupa och statiska hierarkier
Motivering: req:ai är byggt för hög skalbarhet och stora kravmängder, men inte optimerat för historiska monolitiska installationer i samma omfattning som vissa mycket gamla DOORS-miljöer.
3. Om verktyget måste vara formellt accepterat av tillsynsmyndighet sedan tidigare
Välj inte req:ai om:
Organisationen verkar i en miljö där endast tidigare accepterade verktyg får användas
Verktygsbyte kräver omcertifiering som inte är möjlig att genomföra
Beslut baseras på historiska verktygslistor snarare än funktionella krav
Motivering: req:ai uppfyller kraven i relevanta standarder funktionellt, men saknar ännu den historiska verktygsacceptans som vissa äldre verktyg har i specifika regulatoriska miljöer.
4. Om organisationen inte vill använda AI i kravprocessen
Välj inte req:ai om:
Organisationen har policy eller kultur som förbjuder AI-stöd
Krav ska skapas och analyseras helt manuellt
AI uppfattas som ett hinder snarare än ett stöd
Motivering: req:ai är byggt med AI som kärna. Även om mänsklig granskning alltid finns är AI-stödet grundläggande för hur verktyget skapar värde.
Sammanfattning
req:ai är rätt val för organisationer som vill arbeta strukturerat, spårbart och kvalitetsdrivet med krav, med AI som ett praktiskt och kontrollerat stöd.
Välj inte req:ai om historiska verktyg, manuella processer och låg förändringstakt är viktigare än kvalitet, spårbarhet och effektivitet.
