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。

デジタルスレッドにスケーラブルなエージェント型インテリジェンスを届ける

今週初め、ArasはInnovatorEdge AIを、Aras InnovatorEdgeフレームワーク上に構築された拡張サービス群の一つとして発表しました。Edge AIは、デジタルスレッドが持つ豊かなコンテキストを活用することで、Arasのお客様がエンジニアリングAIプログラムをスケールできるようにします。同時に、継続的なコンプライアンス、トレーサビリティ、知的財産の保護を確実にする実用的なガバナンスモデルを提供します。

私たちは、Edge AI上に構築された最初のエージェントとエージェント型サービス群をご紹介できることを嬉しく思います。これらは、あらゆるAras Innovator®のお客様に即時の価値を提供します（Edgeクラウドサービスは、SaaSであってもプライベートインフラ上にホストされていても、Aras Innovatorのどのバージョンとも統合できるという特長を活かしています）。同時に、これらは他のエージェントのためのビルディングブロックにもなり、Arasが掲げる適応性へのコミットメントの精神のもと、Aras Innovatorが利用されている多様な市場や製品ライフサイクル全体にわたって、コミュニティの固有ニーズに合わせて構成できるようになっています。

ACE 2026では、Edge AIとEdge AIエージェントが中心テーマとなります。私たちは「Adaptive Intelligence（適応型インテリジェンス）」というテーマを掘り下げ、インテリジェントなデジタルスレッド、AIネイティブなユーザー体験、そして変化に応答する破壊的な俊敏性によって形づくられるPLMの未来像を提示します。イベントへの登録はこちらから行えます。

今回の最初のEdge AIエージェントは2つのカテゴリーに分かれます。1）Innovatorに組み込まれたAras AI Assistantコンソールから利用できる対話型エージェント。2）ユーザー操作、または特定条件の成立をトリガーとして呼び出され、個別のワークフローや分析を実行するタスクアシスタント。以下の図は、これらのエージェントのインタラクションパターンを、AIネイティブなPLM環境で今後重要になる他のアプローチと比較したものです。

デジタルスレッドから新たな洞察を引き出す

Aras AI Assistantに統合された新しい対話型エージェントは、「Discovery（発見）」に焦点を当てています（PLMのエージェント型サービスを分類するために私たちが用いているDiscover-Enrich-Amplifyフレームワークに沿った設計です）。

Analytics and Insights Agent

Analytics and Insightsサービスは、エンジニアやPLMユーザーが分析的な質問（すなわち、明確な定量値または真偽値で答えられる質問）を、音声またはテキストで自然言語のまま投げかけられるようにすることで、Aras AI Assistantの能力を拡張します。これにより、Aras Markup Language（AML）、SQL、あるいは高度な検索構文を学ぶことなく、必要な製品データを素早く取得できます。Analytics and Insightsエージェントは、InnovatorEdge AIのNatural Language Analytics（NLA）サービスを活用してユーザーの意図を精密なクエリに変換し、意思決定を支える形で結果を返します。分析が含まれる場合は、返された結果を集計・解析し、チャート、トレンド、要約統計を作成して、ユーザーが見ている内容を解釈しやすくします。このモードでは、エージェントは別個のナレッジベースに依存しません。ユーザーがより良い質問を行い、回答をより速く活用できるよう支援します。

Knowledge Analysis Agent

Knowledge Analysisサービスも、Aras AI Assistantの対話型インターフェースに組み込まれており、GraphRAGの独自実装を活用します（Aras ThreadRAGTMに関する今後の記事やACEセッションにもご注目ください）。このサービスは高度なセマンティック検索機能を基盤に、Innovatorが管理するナレッジベース（文書、図表、その他の非構造化／準構造化データストアを含む）を解析し、ユーザーのプロンプトに関連するデジタル情報を見つけ出します。また、PLM構造として明示的にモデル化されていない、暗黙の関係性を特定できる点も特徴です。たとえば、正式な関係が一度も作成されていなくても、ある文書と多数の参照部品番号とのつながりを見出すことができます。これにより、デジタルスレッド全体を横断した、より豊かな対話が可能になります。ユーザーは単なる検索ではなく、意味、リンク、コンテキストを必要とする質問を投げかけられるようになるからです。Knowledge Analysisサービスは、コンテンツが時間とともに変化することを前提に構築されています。関係性の探索は「いつ」の文脈で行われるべきです（たとえば、現場で故障した製品バージョンの設計判断を駆動した要件は何だったのか。しかもその製品は10年前に設計されたものだとしたら）。

デジタルスレッドに含まれるコンテキストとつながりを強化する

新しいタスク特化型エージェントは、スレッドに接続されたデジタル情報から新たな構造化データを推論または抽出し、将来活用できる「記録としての関係性（relationships of record）」を確立することで、デジタルスレッドを強化することに焦点を当てています。これらのタスクアシスタント型サービスはユーザーによって呼び出されるほか、より広範なワークフローに組み込むことも可能です。実運用では、エージェントが新しい関係性を提案し、それを人間のユーザーが承認してデジタルスレッド内に正式に記録する、監督付きまたは半監督型のサービスとして機能します。

Requirements Ingestion Agent

Requirements Ingestionエージェントは、PDF、Excel、Word形式のソース文書を取り込み、その中の要件を特定し、未加工のテキストをAras Requirements Engineering内の構造化要件へと変換します。最大の成果は標準化です。コンテンツを表現（見た目）から切り離し、要件タイプの一貫性を強制することで、チームが要件を、整形されたテキストブロックではなくガバナンスされたオブジェクトとして扱えるようにします。これにより、人の作業は面倒な転記から、検証と意図の確認へと移り、ドメイン知識が真価を発揮する領域に集中できます。また、インポート間の類似度分析もサポートし、新たに取り込んだ要件を既存要件と比較して重複を特定し、本当に新しいものが何かを確認できるようにします。

Smart Variant Agent

Smart Variantエージェントは、大量のBOMを分析し、機能、オプション、ルールを含むバリアントモデルを生成します。また、出力として構成済みBOMを生成することもできます。さらに、カタログやオーダーシートなどの補助文書を取り込み、製品がどのように販売され、どのように構成されるのかという「現場の言葉（vernacular）」を学習できます。これは、BOM構造だけからは十分に推定できないことが多いからです。構成のビジネス上の意味、たとえばレース仕様とオフロード仕様を分ける定義は、部品リストではなく文書に存在することが少なくありません。結果として、エンジニアード・トゥ・オーダー（engineered-to-order）の拡散状態から、コンフィギュア・トゥ・オーダー（configure-to-order）の規律へ移行するための実用的な導入路を提供します。これは、製品構造と、ビジネスがすでに使っている言語に根ざした形で実現されます。

BOM Assistant Agent

BOM Assistantは、重要な製品構造情報が、特にサプライヤー協業のシナリオでは、複数のソースからスプレッドシート、PDF、その他の形式で届くという現実に対応します。このエージェントは、受け取ったデータが正しいPLM構造にどのようにマッピングされるべきかを推論し、階層のインデントパターン、レベル指標、その他の慣習を解釈して、Aras Innovator内の標準構造へ正規化します。これにより、入力形式がクリーンなインポートを想定していなかった場合でも、手作業でのマッピングや手戻りを削減できます。さらに、Rev AのBOMとサプライヤー提供のRev BのBOMの間で何が変わったのかを理解するといったライフサイクルワークフローの土台にもなり、チームは構造全体を繰り返し再インポートするのではなく、差分（デルタ）を意図的に適用できるようになります。

PLMにおけるAIのスケーリングは、実務的であるべき

これらのエージェントはいずれも、エンタープライズPLMにおける継続的な摩擦点を狙い撃ちしています。製品データからより速く答えを得ること、デジタルスレッド全体で意味や暗黙の関係性を見出すこと、非構造化の要件をガバナンスされたオブジェクトに変換すること、engineered-to-orderからconfigure-to-orderへの移行を加速すること、そして完璧な形で届くことがほとんどないBOM入力を正規化することです。

同じくらい重要なのは、これらがPLMソフトウェアのアプリケーションロジックに埋め込まれたポイントソリューションではないという点です。InnovatorEdge / InnovatorEdge AIフレームワークにより、現実の製品開発環境が進化していく中でも、運用能力としてデプロイ、ガバナンス、監視、改善できることが保証されます。巧妙な自動化、自然言語理解、生成AIの統合、強力なデータサイエンスの適用を超えて、PLMにおけるエージェント型AIの真の価値は、再現性、信頼、そしてチーム、プログラム、サプライヤー、ライフサイクル段階をまたいでスケールできる能力にかかっています。PLMリーダーは、デジタルトランスフォーメーションおよびAIチームと連携し、スケールできない断片的な意思決定による「並行世界」を生み出すことなく、AIの力を引き出す必要があります。

この最初のエージェント群は、非常に現実的なPLMユースケースに対応しています。しかし同時に、市場に概念を根付かせることも意図しています。InnovatorEdge AIエコシステムを拡張していく中での目標は、企業がPLMにすでに期待しているのと同じ規律でデジタルスレッド上で動作するエージェントを構築し、採用できるようにするための、ガバナンスされた基盤をお客様とパートナーに提供することです。

Category:
ACE Artificial Intelligence