English
Français
Deutsch
日本語
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。
私たちは皆、人工知能（AI）の進歩に対する盛り上がりと興奮を目にしてきました。しかし、今日の従来型のデジタルエンジニアリングツール、ビジネスプロセス、そして人員は、実際にAIに対応できるのでしょうか？多くの場合、答えは「まだ準備ができていない」と見受けられます。多くの企業は、製品ライフサイクル管理（PLM）におけるAIを真に価値のある形で導入しようとする際に、さまざまな課題に直面しています。これらの課題の多くは、今日の労働力がAIをどのように活用するかに関連しているかもしれません。
AIには、労働力に大きな影響を与える可能性があることは間違いありません。時間の節約、新しいコンセプトの創出、意思決定を支援する実行可能な洞察の数の増加などが期待できます。製品設計におけるエンジニアリングのパートナーとしてのAIの影響を過小評価すべきではありません。
しかし、AIはミスを犯すこともあります。そのため、ヒューマンエレメントを完全に排除することは現実的ではありません。新興技術から真の価値を引き出すためには、企業はAIをエンジニアリングプロセスの支援者として位置づける必要があります。エンジニアの代わりとしてではなく。
製品志向企業のためのAIのユースケース
エンジニアリングプロセスを強化するためにAIを活用するには、反復的で付加価値のない作業を排除するAIプロセスとツールに投資する必要があります。このアプローチにより、従業員は人間が好むより創造的なタスクに時間を費やし、AIがバックグラウンドで反復作業をアドバイザーとして行うことができます。
今後数年間で、AIをサポートする人間中心のエンジニアリングプロセスの考えを強化するユースケースがますます増えていくでしょう。ここでは、今日私たちが見ている、AIを活用してエンジニアリングの実践を改善している組織の3つの例を紹介します：
AI主導の設計
現在、私たちは人間が主導する活動が、人間によって促されたAIによって支援されているのを目にしています。しかし、これを成功させるための鍵は、AIに正しいトレーニングデータを提供することです。適切なデジタルスレッドやデジタルツイン内で戦略的に整理された製品データは、クリエイティブな作業を行う人々に対して、AIツールが実際に価値を提供するのに役立ちます。その後、ツールに対してよく構築された質問を投げかけ、組織内に存在するデータに基づいた信頼できる回答を得ることができます。さらに、デジタルスレッドやデジタルツインなどの強力な接続ソリューションに接続されることで、AIは設計に影響を与える変更を監視し、エンジニアリング作業の最適化に対する提案を提供することもできます。
また、AI主導のシステムとの相互作用を可能にする新たなユースケースも登場しており、すべて人間が提案した指示に基づいて進められます。これらの技術がより高度化すると、エンジニアはチャットボットを促して複雑なタスクを実行させ、結果を分析し、追加の精緻化に最適な設計を選択できるようになります。人間は依然として解決策の選択権を持っていますが、AIはコスト、持続可能性、信頼性などの価値ある要因を最適化するための可能な組み合わせを試すという単調な作業を行います。
労働力の補完
多くの組織が製品品質の改善に向けたフィードバックサイクルの確立に課題を抱えています。しばしば、品質の問題が翻訳の過程で失われ、エンジニアリングに戻されることがありません。製品ライフサイクル管理と品質報告に統合されたAIツールは、問題の自然言語記述を解析し、適切な開発チームに自動的に問題を割り当てることができます。その後、異常を検出し、解決策を提案するためにさらに活用することができます。
変更管理のためのバーチャルアシスタント
さらに、AIはバーチャルアシスタントとしてトレーニングされ、会議の計画、タスクの整理、承認ワークフローのサポートを行うことができます。これには、顧客向けの文書、製造文書、サービス文書の更新も含まれます。これらのユースケースでは、バーチャルアシスタントは、より大きな問題を示すパターンを検出し、生成AIを使用して適切なアジェンダで会議を計画することもできます。すべての関連チームメンバーを招待し、変更の影響を文書化したレポートを作成し、問題を修正するためのほとんどの推奨事項とタスクを生成します。問題が報告されると、AIが提案された解決策を作成し、自動的に会議をスケジュールし、サポート文書を提供することができます。
これらのユースケースすべてが、評価と最終決定のために人間の関与を必要とすることを注意することが重要です。AIを組織にとって成功する投資にするためには、全員がプロセスにどのように参加するかを理解し、ツールに一定のポイントで任せることに安心感を持つ必要があります。また、AIのハルシネーション（幻覚）が現実であるという事実についてもトレーニングを受ける必要があります。ツールが、質問に対して良さそうな回答を作成しますが、それが実際には間違っているということです。（AIは「わからない」と言わず、常に答えを提供します。それが正しいかどうかは関係ありません。）組織は、AIの実装が適切なガードレールを持っているかどうかを監視し、確保する必要があります。プロセスステップを文書化することは重要であり、AIソリューションがどのように機能するかについての完全な透明性を確保します。
PLMプロセスへのAI統合のベストプラクティス
PLMプロセスにAIツールを統合しようとする際には、いくつかの考慮事項を念頭に置いておく必要があります：
データから始める
AIを活用したエンジニアリングには、適切な種類のデータが必要です。データが多ければ多いほど、特に製品ライフサイクル全体にわたってよく統合され接続されたデータがあるほど良い結果が得られます。業界では、スレッド接続された情報を追跡し視覚化する新しい方法が見られ、より強力なAI駆動の戦略に貢献し、問題を新しい視点から見るのに役立っています。
