このページの内容は、サードパーティサービスによって自動翻訳されています。

今週、ArasはInnovatorEdge AIを発表しました。これは、Aras InnovatorEdgeサービス拡張の一環として提供されるものです。

製品開発およびエンジニアリングにおけるAIの可能性は、この数年にわたり広く議論されてきました。意思決定の迅速化、引き継ぎの削減、エンジニアリング知識のより効果的な再活用、生産性の向上などが期待されています。わずか2年前、私たちはエンジニアリング分野のAI専門家とのディスカッションを開催し、GenAI、PLM、デジタルエンジニアリングの統合可能性に焦点を当てました。当時は、2026年までにPLMベンダーの50％がAIを自社ソフトウェアに統合するというGartnerの予測を引用しました。そして2026年1月現在、PLMおよびエンジニアリングソフトウェアプロバイダーの100％が、自社ソフトウェアにAIを統合していると「主張している」と言ってもよいでしょう。

しかし、従来型PLMベンダーによるAIマーケティングの表層を取り除いてみると、その多くはLLMベースのコパイロット体験という基本的な応用にとどまっていることが分かります。また、タスク特化型のAIエージェント（例：変更管理）についても耳にするようになっていますが、それらはポイント的な実装にすぎず、スケーラビリティについては大きな疑問が残ります。

PLMにおけるAIイノベーションを真に実現するためには、業界は次の3つの基本的な現実に向き合う必要があります。

  1. AIイノベーションは、PLMテクノロジーエコシステム全体で起こります。PLMソフトウェアベンダー、クラウドおよびAIサービスプロバイダー、コンサルタントやシステムインテグレーター、そして何よりもPLMソフトウェアを活用する製品開発チームによって、AIサービス、エージェント、ソリューションが開発されていきます。
  2. デジタルスレッドデータへの統制された安全なアクセスが、意味のあるAI価値創出の基盤となります。
  3. エンタープライズIT部門は、自社組織にどのようにAIを導入するかについて主導権を維持しなければなりません。

AIネイティブなPLMおよびエンジニアリングAIソリューションを大規模に提供するためのプラットフォーム

私たちは、Aras InnovatorEdge AI（「Edge AI」）を発表できることを大変嬉しく思います。これは、PLMエコシステム全体にわたり、エージェント型ワークフローおよびAIサービスを構築、展開、実行、ガバナンスするためのサービススイートです。さらに、Edge AI上に構築された最初のAras AIエージェント群も発表します。詳細はこちらをご覧ください。

私たちはEdge AIを、PLMおよびエンジニアリングにおけるAI導入を加速しながら、知的財産の管理を維持し、顧客に対する説明責任を果たし、複雑な製品提供に伴う規制責任を遵守できるようにする画期的なアプローチであると考えています。

真の課題は、PLMにおけるAIの運用化

多くの企業が直面している問題は、AIがテキストを生成できるか、文書を要約できるかどうかではありません。重要なのは、AIが製品開発における信頼できる参加者として機能できるかどうかです。すなわち、プロセス制約の中で行動し、信頼できるデジタル製品情報源を参照し、説明可能かつ監査可能な成果を生み出せるかどうかです。

PLMの観点では、次のような問いになります。

  • AIは、文脈から切り離されたデータの断片ではなく、構成管理された製品データを扱えるか。
  • 「as designed」「as built」「as maintained」の各状態を、推測に頼らずに横断できるか。
  • 役割、権限、知的財産の境界をデフォルトで尊重できるか。
  • 何を行い、なぜそうしたのかについて、追跡可能な証跡の連鎖を作成できるか。

これらのいずれかに対する答えが否であれば、それはエンタープライズPLMにおけるAI戦略ではなく、興味深いデモの集合にすぎません。

エンタープライズ対応PLM AIのための実践的リトマス試験

PLMにおけるAIへのアプローチが、次の問いに答えられない場合、それはスケールしません。各問いは、PLMにおけるAIが停滞しがちな具体的理由を示し、エージェントを信頼できるものにするために基盤へ組み込むべき要素を明らかにします。

  1. AIはどの製品コンテキストを使用したのか。
    PLMでは、「正しい答え」は構成、有効性、リビジョン履歴、承認状態、要件、部品、BOM、文書、変更間の関係性に依存します。AIがどの製品定義、どのリビジョン、どのベースライン、どの関連オブジェクトを参照して出力を生成したのかを明示できなければ、その結果を意思決定支援として扱うことはできません。コンテキストの開示は、旧要件と現行要件の混在や、特定顧客オプションに対して誤った構成を分析するといった微妙なエラーの防止にもつながります。
  2. 何にアクセスすることが許可されていたのか、そしてなぜか。
    PLMにおけるアクセス制御は、製品の完全性の一部です。役割の境界、サプライヤーの境界、プログラムの分離、輸出規制、知的財産保護は、特定タスクに適切なデータを決定します。AIが何を見ることを許可されていたのか、なぜその範囲内で結論を導いたのかを説明できなければ、チームは情報漏えいや不完全な入力に基づく判断が行われていないと信頼できません。権限認識の有無は、有用な機能とガバナンス上の問題を分ける決定的な違いです。
  3. PLMワークフロー内でどのようなアクションを実行したのか。
    エージェント型AIの価値は、作業を説明できることではなく、製品意思決定が行われる場で作業を前進させられることにあります。構造化オブジェクトの提案、ワークフローの開始、影響のフラグ付け、タスクのルーティング、受け入れ・却下・修正可能な明確な意図を持つ推奨の提示などが含まれます。実行されたアクションを説明できなければ、それは単なる対話型インターフェースであり、実運用エージェントとは言えません。
  4. それらのアクションと成果の追跡可能な記録は何か。
    トレーサビリティはPLMの中核です。何が変更され、誰が承認し、どのデータがそれを支え、どの下流オブジェクトに影響し、ライフサイクル全体でどのように実行されたかを証明できなければなりません。AIの出力が、使用した入力や引き起こしたアクションを含めて製品記録の一部として保存されなければ、正式なデジタルスレッドの外に並行する現実を生み出します。これはコンプライアンスの観点から受け入れられません。
  5. どのようにガバナンスし、監視し、時間とともに更新するのか。
    製品開発は長期にわたり、常に進化します。要件は変わり、サプライヤーは変わり、製品ラインは進化し、プロセスは更新され、データモデルは成熟します。ガバナンスできないAIは、やがて無意味になるかリスクを生み出します。企業には、ライフサイクル管理、バージョニング、ポリシー管理、可観測性、そして環境間で再現可能なデプロイメントパターンが必要です。

InnovatorEdge AIは、これらの課題に直接対応するよう設計されています。そして何よりも、エンタープライズ規模でそれを実現するために。

ゲームを変えるアプローチ

InnovatorEdge AIの目的は、エージェント型AIを企業で実用化することです。そのために、エージェント設計、展開、オーケストレーション、ガバナンスを統合したサービススイートを提供します。これは、1）明確なルールを確立し、2）参加者がそのルール内で運用されていることを監督し、3）各プレイヤーがAI活用方法について自由にイノベーションできる十分な運用上の自由を確保することで、PLMおよびエンジニアリングにおけるAIのスケーリングを実現する画期的なアプローチです。

Category:
ACE Aras Insights Artificial Intelligence Digital Engineering