Baptiste Bouvier, Dapticin toimitusjohtaja ja yksi perustajista – haastattelusarja

Baptiste Bouvier on Dapticin toimitusjohtaja ja yksi perustajista. Hänen työnään on yhdistää sääntelyä koskeva tieto tuotekehitykseen. Hän on suorittanut tietojenkäsittelytieteen ja tekniikan tutkinnon MIT:ssä, ja hänen kokemuksensa ulottuu tekoälyn ja autonomisten järjestelmien tutkimuksesta MIT CSAILissa terveydenhuollon tekoälyn parissa työskentelyyn Babylon Healthissa, kvantitatiiviseen tutkimukseen J.P. Morganilla, AR/VR-tekniikkaan Metalla ja konsultointiin McKinseyssä. Työssään hän keskittyy auttamaan valmistajia muuntamaan monimutkaiset sääntelyvaatimukset käytännön suunnitteluratkaisuiksi.

Daptic tarjoaa tekoälypohjaisen tuotteen vaatimustenmukaisuuden hallinta-alustan, joka yhdistää sääntelyn muutokset, niiden tulkinnan ja tuotetta koskevat vaatimukset tuotteen koko elinkaaren ajan. Sen ohjelmisto auttaa sääntelyasiantuntijoita, insinöörejä ja tuotetiimejä seuraamaan maailmanlaajuisia vaatimuksia, arvioimaan niiden vaikutuksia ja sisällyttämään ne tuotekehityksen työnkulkuihin. Samalla se varmistaa lähteiden jäljitettävyyden ja ihmisen valvonnan. Tässä haastattelussa Bouvier kertoo sääntelytiedon hallinnasta, fyysisestä tekoälystä, koneellisesti luettavista suunnittelurajoitteista ja siirtymisestä jatkuvaan tuotteen vaatimustenmukaisuuden elinkaaren hallintaan.

Urasi on vienyt sinut tekoälyn ja autonomisten järjestelmien tutkimuksesta MIT CSAILissa terveydenhuollon tekoälyn pariin Babylon Healthissa, kvantitatiiviseen tutkimukseen J.P. Morganilla, AR/VR-tekniikan pariin Metalla ja konsultointiin McKinseyssä. Miten nämä kokemukset vaikuttivat päätökseesi perustaa Daptic, ja mikä sai sinut vakuuttumaan siitä, että tekoäly voisi muuttaa sääntelyä koskevan tiedon hallintaa perusteellisesti?

Minulle ratkaisevaa oli huomata, kuinka paljon sääntely vaikuttaa tuotekehitykseen ja kuinka vähän tätä työtä tukevia ohjelmistoja oli olemassa.

Taustani on ennen kaikkea tietojenkäsittelytieteessä, ja minulla on myös jonkin verran koneenrakennusalan osaamista. Ennen Dapticin perustamista työskentelin erilaisissa teknisissä ympäristöissä. McKinseyllä pääsin kuitenkin tutustumaan läheltä siihen, miten suuret yritykset kehittävät fyysisiä tuotteita ja miten sääntely voi hidastaa tätä prosessia.

Näin erittäin edistyneitä yrityksiä, jotka hoitivat tuotekehityksen keskeistä osa-aluetta dokumenttien, taulukkolaskentatiedostojen, sähköpostien ja useiden eri tiimien välisten keskustelujen avulla. Sääntely voi alkaa hallituksen julkaisemana juridisena tekstinä, mutta lopulta jonkun on muunnettava se täsmälliseksi tekniseksi vaatimukseksi, joka muuttaa tuotteen suunnittelua.

Sääntelyn ja tekniikan välinen kuilu kiinnosti minua. Työhön liittyi valtavasti asiantuntemusta, mutta sitä yhdistävää infrastruktuuria oli hyvin vähän. Kutsumme tätä laajempaa kokonaisuutta tuotteen vaatimustenmukaisuuden elinkaaren hallinnaksi. Siinä sääntelyn muutokset, niiden tulkinta ja tuotetta koskevat vaatimukset yhdistetään päätöksiin, joita tiimit tekevät tuotekehityksen kaikissa vaiheissa ja tuotteen koko elinkaaren ajan.

Tekoäly muuttaa mahdollisuuksia, sillä sen avulla voidaan käsitellä samanaikaisesti suuria määriä sääntelyaineistoa, tuotetietoa ja organisaation tietämystä. Näin voimme rakentaa infrastruktuuria työnkulkuun, joka on perinteisesti vaatinut valtavasti manuaalista työtä. Tämä loi pohjan Dapticille.

Esimerkiksi auto-, ilmailu- ja avaruus-, puolustus- ja lääkinnällisten laitteiden aloilla sekä robotiikassa tuotesuunnittelijat voivat joutua huomioimaan tuhansia muuttuvia säännöksiä. Missä tekoälystä on eniten hyötyä, kun valtava määrä sääntelytietoa halutaan muuttaa sellaiseksi, että insinöörit voivat todella hyödyntää sitä tuotekehityksessä?

Suurin hyöty on siinä, että sääntelyn tapahtumat voidaan pitää yhteydessä tuotteen kehitykseen.

Kuvittele, että kehität monimutkaista fyysistä tuotetta, jota myydään aikanaan 30 tai 40 eri maantieteellisellä markkina-alueella. Sinun on selvitettävä, mitkä säännökset koskevat tuotetta, seurattava niiden muutoksia, arvioitava, mitkä muutokset vaikuttavat tuotteeseen, ja muunnettava olennaiset vaatimukset teknisiksi päätöksiksi.

Tekoäly voi seurata sääntely-ympäristöä jatkuvasti ja rajata tiimin arvioitavaksi tulevan tiedon määrää. Jos vaatimus muuttuu, järjestelmä voi auttaa tunnistamaan, mihin tuotteisiin, komponentteihin tai teknisiin päätöksiin muutos saattaa vaikuttaa, sekä tuomaan olennaisen taustatiedon sitä tarvitsevien ihmisten saataville.

Vielä kiinnostavampaa on se, mitä tapahtuu, kun sääntelyä koskeva taustatieto tuodaan osaksi teknistä työnkulkua. Suunnitteluratkaisua tekevän insinöörin pitäisi pystyä selvittämään nopeasti kyseiseen ratkaisuun liittyvät vaatimukset ilman, että hänen tarvitsee etsiä niitä käsin eri oikeudenkäyttöalueilta, standardeista ja sääntelyaloilta.

Sääntely muuttuu ja tuotteet muuttuvat. Todellinen hyöty syntyy siitä, että nämä kaksi kokonaisuutta pidetään yhteydessä toisiinsa, jotta tiimit ymmärtävät muutosten vaikutukset ajoissa ja voivat vielä tehdä toisenlaisen teknisen ratkaisun. Tämä jatkuva yhteys on keskeinen osa tuotteen vaatimustenmukaisuuden elinkaaren hallintaa.

Sääntelyn noudattaminen on tekoälyn käytössä erityisen suuren vastuun ala: vaatimuksen huomaamatta jäämisellä tai virheellisellä tulkinnalla voi olla vakavia seurauksia. Miten Daptic varmistaa tarkkuuden, selitettävyyden ja ihmisen valvonnan, kun tekoälyä käytetään sääntelyä koskevan tiedon hallintaan?

Luottamus on tällä alalla kaiken perusta.

Sääntelyyn liittyvät päätökset edellyttävät suurta luottamusta, joten jäljitettävyys on sisällytettävä työnkulkuun. Tiimien on voitava nähdä, mistä tieto on peräisin, tarkastella lähdeaineistoa ja ymmärtää, miten tulkintaan on päädytty.

Ihmisten asiantuntemus on edelleen erittäin tärkeää, sillä säädöksiin liittyy tulkinnanvaraisuutta. Säädös voi kertoa paljon, mutta sen soveltaminen tiettyyn tuotteeseen edellyttää usein asiayhteyden tuntemusta, kokemusta ja harkintaa. Eri asiantuntijat voivat myös päätyä tulkitsemaan samaa vaatimusta eri tavoin.

Meidän lähestymistapamme on hyödyntää tekoälyä asiantuntemuksen tukena. Tekoäly voi etsiä ja jäsentää tietoa, yhdistää sen tuotteen kannalta olennaiseen asiayhteyteen ja säilyttää jo tehdyn päättelytyön. Insinöörit ja sääntelyn asiantuntijat osallistuvat edelleen prosessiin: he voivat tarkastella ja hienosäätää tietoja sekä tuoda siihen omaa asiantuntemustaan.

Näin syntyy ajan mittaan myös organisaatiolle arvokasta tietoa. Sääntelyä koskevan päätöksen taustalla oleva päättely muuttuu organisaation yhteiseksi tietopääomaksi, johon voidaan palata ja jota voidaan hyödyntää jatkossa sen sijaan, että se jäisi sähköpostiketjuun tai yhden henkilön varaan. Jotta tuotteiden vaatimustenmukaisuuden elinkaaren hallinta toimisi laajassa mittakaavassa, tämän asiayhteyden ja asiantuntijaharkinnan on säilyttävä tiimien, tuotteiden ja kehityssyklien välillä.

Fyysinen tekoäly siirtyy nopeasti valvotuista teollisuusympäristöistä kohti tuotteita, joita voidaan käyttää kodeissa ja julkisissa tiloissa. Kun humanoidirobotit ja robottikoirien kaltaiset järjestelmät kehittyvät yhä kyvykkäämmiksi, mitkä sääntelyyn liittyvät haasteet muodostuvat mielestäsi suurimmiksi esteiksi niiden laajalle kuluttajakäytölle?

Fyysinen tekoäly yhdistää sääntelyn osa-alueita, joita on aiemmin voitu käsitellä huomattavasti itsenäisemmin toisistaan.

Otetaan esimerkiksi kotona tai julkisessa ympäristössä toimiva humanoidirobotti. Samaan tuotteeseen voivat liittyä fyysinen turvallisuus, sähköjärjestelmät, akut, langaton viestintä, kyberturvallisuus, tietosuoja ja autonominen toiminta. Robotin käyttötarkoituksesta riippuen mukaan voi tulla myös koneita, liikennettä, lääkinnällistä käyttöä tai muuta säänneltyä toimintaa koskevia lisävaatimuksia.

Erityisen kiinnostavaksi tilanteen tekee se, että näiden tuotteiden toiminta määräytyy yhä useammin ohjelmiston perusteella. Fyysisen tuotteen ominaisuudet voivat muuttua merkittävästi ohjelmistopäivityksen myötä vielä sen myymisen jälkeenkin. Päivityksessä lisätty uusi ominaisuus tai toimintatapa voi muuttaa tuotteeseen liittyviä sääntelyyn liittyviä näkökohtia.

Yritysten on siis tarkasteltava sääntelyä tuotteen koko elinkaaren ajan eikä vain yhdessä vaiheessa ennen lanseerausta. Siirtyminen yksittäiseen ajankohtaan sidotusta vaatimustenmukaisuuden varmistamisesta jatkuvaan tuotteiden vaatimustenmukaisuuden elinkaaren hallintaan on erityisen tärkeää tuotteissa, joiden ominaisuudet voivat kehittyä niiden tultua markkinoille.

Asiaan liittyy myös maailmanlaajuinen ulottuvuus. Eri lainkäyttöalueilla laaditaan näitä teknologioita koskevia sääntöjä eri tahtiin ja usein erilaisista lähtökohdista.

Fyysiseen tekoälyyn perustuvia tuotteita kehittäville yrityksille sääntelystrategiasta tulee yhä useammin osa tuotestrategiaa. Antureita, autonomisuutta, tiedonkeruuta, materiaaleja, liitettävyyttä ja tuotteen toimintaa koskevat päätökset voivat vaikuttaa siihen, missä tuotetta voidaan käyttää, miten se on testattava ja mitä vaatimuksia sen on täytettävä. Nämä yhteydet on ymmärrettävä jo tuotteen suunnitteluvaiheessa.

Nykyään vaatimustenmukaisuuden varmistamista pidetään usein asiana, joka hoidetaan tuotekehityksen loppuvaiheessa. Mikä muuttuu, kun sääntelyvaatimukset otetaan tekniikan ja tuotesuunnittelun lähtökohdiksi heti alusta alkaen?

Insinööreille avautuu huomattavasti laajempi joukko mahdollisia ratkaisuja.

Tekniikan alalta löytyy hyödyllinen vertauskohta: valmistettavuuden huomioiminen suunnittelussa. CAD-mallissa voidaan suunnitella jotakin, joka näyttää täysin järkevältä, mutta myöhemmin voi käydä ilmi, että sen valmistaminen laajassa mittakaavassa vaatii aivan toisenlaisen lähestymistavan. Alalla kehitettiin työkaluja ja menetelmiä, joiden avulla valmistettavuuteen liittyvä tieto tuotiin suunnitteluprosessiin aiemmin, jotta insinöörit pystyivät ottamaan rajoitteet huomioon silloin, kun heillä oli vielä liikkumavaraa.

Sääntelyvaatimuksia voidaan käsitellä samalla tavalla.

Kun insinöörit tuntevat sääntelyyn liittyvät rajoitteet jo suunnitteluvaiheessa, he voivat arvioida erilaisia arkkitehtuureja, materiaaleja, komponentteja ja tuotteen toimintatapoja huomattavasti paremmassa asiayhteydessä. He voivat myös ymmärtää, miten jokin päätös saattaa vaikuttaa testaukseen, sertifiointiin tai markkinoillepääsyyn, ennen kuin siihen sitoutuu kuukausien kehitystyö.

Tällä voi olla merkittävä vaikutus kehityksen nopeuteen ja kustannuksiin. Vielä tärkeämpää on, että sääntelystä tulee tekniikan suunnitteluprosessin lähtökohta eikä tietoa, joka saadaan vasta sen jälkeen, kun monet tärkeät tuotevalinnat on jo tehty. Tämä on yksi tuotteiden vaatimustenmukaisuuden elinkaaren hallinnan keskeisistä muutoksista: sääntelytiedosta tulee osa tuotteen kehittämistä, ei vain myöhemmin ylitettävä portti.

Voisivatko säädökset ajan mittaan muuttua lähes koneellisesti luettaviksi suunnittelurajoitteiksi, jolloin tekoälyjärjestelmät voisivat varoittaa insinöörejä reaaliajassa siitä, että ehdotettu komponentti, materiaali, ohjelmisto-ominaisuus tai tuotteen toimintatapa saattaa rikkoa tietyillä markkinoilla voimassa olevia vaatimuksia? Kuinka lähellä tällainen työnkulku on?

Olemme etenemässä tähän suuntaan, mutta keskeistä ei ole pelkästään tehdä sääntelystä koneellisesti luettavaa. Sääntelyteksti on muunnettava rajoitteiksi, joilla on merkitystä tietyn tuotteen asiayhteydessä.

Sääntelyä ei yleensä kirjoiteta teknisten eritelmien tapaan. Hallitukset ja standardointiorganisaatiot laativat sitä ihmisille, ja sääntelytekstin ja insinöörin tarvitsemien teknisten rajoitteiden välillä on useita tulkintakerroksia.

Tekoäly tarjoaa paljon paremmat työkalut näiden kerrosten yhdistämiseen. Järjestelmä voi ymmärtää sääntelyvaatimukset, viralliset tulkinnat ja suunniteltavan tuotteen kontekstin. Kun insinööri muuttaa materiaalia, komponenttia, ohjelmiston ominaisuutta tai tuotteen toimintaa, järjestelmä voi tuoda esiin vaatimukset, joihin muutos saattaa vaikuttaa, ja selittää yhteyden.

Ratkaisevaa on tuotteen konteksti. Samalla sääntelytekstillä voi olla hyvin erilaisia vaikutuksia tuotteesta, markkinasta, komponentista tai käyttötarkoituksesta riippuen.

Olemme jo ottamassa käyttöön tämän työnkulun osia. Sääntelyyn liittyvän palautteen syvällinen integrointi eri suunnitteluympäristöihin edellyttää jäsenneltyä tuotetietoa ja luotettavia yhteyksiä sääntelytekstin, sisäisten tulkintojen ja teknisten vaatimusten välille. Tekoäly on nopeuttanut kykyämme rakentaa näitä yhteyksiä.

Odotan, että sääntelyyn liittyvä palaute integroidaan ajan mittaan entistä tiiviimmin työkaluihin, joita insinöörit jo käyttävät, samaan tapaan kuin muutkin suunnittelun reunaehdot ovat siirtyneet lähemmäs sitä vaihetta, jossa suunnittelupäätökset tehdään.

Maailmanlaajuisesti toimivien valmistajien on usein noudatettava eri lainkäyttöalueilla erilaisia ja toisinaan keskenään ristiriitaisia sääntöjä. Miten tekoäly voi auttaa suunnittelutiimejä selvittämään paitsi sen, mitä säädöksiä sovelletaan, myös sen, miten yhdellä markkinalla tehty suunnittelupäätös voi vaikuttaa tuotteeseen maailmanlaajuisesti?

Sääntelyä koskevan tiedon yhdistäminen tuotteen kontekstiin on tässä erityisen tehokasta.

Valmistajat pyrkivät yleensä maksimoimaan tuotteiden yhtenäisyyden eri markkinoilla, sillä saman tuotteen useiden erilaisten versioiden ylläpito lisää huomattavasti kustannuksia ja monimutkaisuutta. Vaatimukset kuitenkin vaihtelevat lainkäyttöalueittain, joten joissakin tapauksissa tuotetta on muutettava.

Tekoäly voi auttaa tiimejä kartoittamaan näitä yhteyksiä paljon järjestelmällisemmin. Jos harkitset tiettyä materiaalia, komponenttia tai ominaisuutta, voit arvioida, millä markkinoilla tuotetta myydään, ja selvittää kunkin markkinan vaatimukset.

Näin suunnittelutiimit näkevät suunnittelupäätöksen maailmanlaajuiset vaikutukset huomattavasti aikaisemmin. Yksi ratkaisu saattaa toimia 25 markkinalla mutta tuoda mukanaan lisävaatimuksia viidellä markkinalla. Tiimi voi sitten päättää, muuttaako se maailmanlaajuista suunnitelmaa, luoko se alueellisen version vai tekeekö se toisenlaisen kompromissin.

Valmistajat tekevät tällaisia päätöksiä jo nyt. Mahdollisuutena on tarjota ihmisille huomattavasti parempi näkyvyys siihen, miten sääntely liittyy tuotteeseen, jotta kompromisseista voidaan päättää aiemmin ja parempaan tilannekuvaan perustuen.

Sääntelyä koskeva tiedonhankinta on muutakin kuin jo voimaan tulleiden lakien seuraamista. Miten tekoäly voi tunnistaa varhaisia merkkejä sääntöluonnoksista, hallitusten keskusteluista, standardointiorganisaatioilta, valvontatoimista ja muista lähteistä, jotta yritykset voivat ennakoida vaatimuksia ennen kuin ne vaikuttavat tuotteen lanseeraukseen?

Tulevien muutosten ennakointi on erityisen tärkeää, kun tuotekehityssyklit kestävät vuosia.

Valmistajalle eilen tapahtuneiden muutosten ymmärtäminen on vain osa kokonaisuutta. Tiimien on myös pystyttävä seuraamaan, mikä voi muuttua tuotteen suunnittelun, testauksen ja lanseerausvalmistelujen aikana.

Mahdollisia ennakkomerkkejä on monia. Hallitukset julkaisevat ehdotuksia uusiksi säännöiksi ja kuulemisasiakirjoja. Standardointiorganisaatiot keskustelevat muutoksista. Sääntelyviranomaiset julkaisevat ohjeita ja ryhtyvät valvontatoimiin. Yhdessä nämä lähteet voivat antaa hyödyllisiä viitteitä siitä, mihin suuntaan vaatimukset ovat kehittymässä.

Toiminnan mittakaava on huomattava. Maailmanlaajuisesti toimivan valmistajan on ehkä seurattava lähteitä kymmenillä lainkäyttöalueilla, useilla kielillä ja monilla sääntelyn osa-alueilla sekä selvitettävä, mitkä muutokset ovat sen tuotteiden kannalta todella merkityksellisiä.

Tekoäly voi seurata näitä lähteitä jatkuvasti, tunnistaa mahdollisesti merkityksellisiä muutoksia ja yhdistää ne tiettyihin tuotteisiin, komponentteihin tai liiketoiminnan osa-alueisiin. Näin sääntelyasiantuntijat voivat käyttää enemmän aikaa sellaisten muutosten arviointiin, jotka saattavat vaikuttaa merkittävästi tuotesuunnitelmiin.

Mitä aikaisemmin tämä tieto saavuttaa tuotetiimin, sitä enemmän liikkumavaraa yrityksellä on. Jos vaatimuksen odotetaan muuttuvan kahden vuoden kuluttua ja seuraava tuote lanseerataan 18 kuukauden päästä, asiasta voidaan päättää tuotesuunnittelussa jo tänään.

Kun tekoälyagentit integroituvat yhä syvemmin suunnittelutyönkulkuihin, voisimmeko tulevaisuudessa nähdä erikoistuneita vaatimustenmukaisuusagentteja työskentelemässä insinöörien, tuotepäälliköiden ja muiden tekoälyjärjestelmien rinnalla tuotteen koko elinkaaren ajan? Millainen tällainen arkkitehtuuri olisi käytännössä?

Kyllä, ja mielestäni keskeistä on, että näiden järjestelmien on seurattava yhtälön molempia puolia. Sääntely muuttuu, mutta myös tuote muuttuu.

Erikoistuneet agentit voisivat seurata sääntelyn kehitystä jatkuvasti ja määrittää, mitkä muutokset ovat merkityksellisiä tietyn tuotevalikoiman kannalta. Muut agentit voisivat auttaa selvittämään, mitä nämä vaatimukset tarkoittavat teknisen suunnittelun kannalta.

Samalla agentit voisivat seurata itse tuotteeseen tulevia muutoksia. Tiimi voisi vaihtaa materiaalia, päivittää ohjelmistoa, vaihtaa toimittajaa, muokata komponenttia tai ottaa käyttöön uuden tuoteominaisuuden. Mikä tahansa näistä päätöksistä voi vaikuttaa siihen, mitä vaatimuksia sovelletaan tai miten olemassa olevaa vaatimusta tulisi tulkita.

Näiden järjestelmien on jaettava konteksti. Sääntelyagentin on tunnettava tuote. Suunnittelua tukevalla agentilla on oltava pääsy olennaisiin sääntelyrajoitteisiin. Molemmilla on oltava käytettävissään organisaation aiemmat päätökset ja tulkinnat.

Ihmisen harkinta säilyy tärkeänä osana tätä arkkitehtuuria. Kun agentti kohtaa monitulkintaisen tilanteen, keskenään ristiriitaisia vaatimuksia tai merkittäviä seurauksia aiheuttavan päätöksen, asianmukaisen asiantuntijan pitäisi voida tarkastella alkuperäisiä lähteitä, esittää tulkintansa ja tallentaa tulkinnan perustelut koko organisaation käyttöön.

Näen arkkitehtuurin kehittyvän erikoistuneiden järjestelmien ja asiantuntijoiden verkostoksi, jota yhdistää yhteinen ymmärrys tuotteesta. Tämä on erityisen tehokasta fyysisten tuotteiden kohdalla, sillä yksittäisellä suunnittelupäätöksellä voi olla myöhempiä vaikutuksia valmistukseen, turvallisuuteen, sertifiointiin, sääntelyyn ja markkinoille pääsyyn. Monin tavoin tällaiseksi voi muodostua tuotteiden vaatimustenmukaisuuden elinkaaren hallinnan yhteinen infrastruktuuri: järjestelmä, joka koordinoi sääntelyä koskevaa tietoa, tuotetietoja, tekoälyä ja ihmisten asiantuntemusta tuotteen koko elinkaaren ajan.

Kun katsotaan viiden–kymmenen vuoden päähän, jolloin fyysinen tekoäly, autonomiset koneet ja yhä ohjelmistopohjaisemmat tuotteet yleistyvät, miten uskot tekniikan suunnittelun, tekoälyn ja sääntelyn välisten suhteiden kehittyvän, ja millaisena näet Dapticin roolin tässä ekosysteemissä?

Uskon, että sääntelyä koskevasta tiedosta tulee vakiintunut lähtökohta fyysisten tuotteiden suunnittelulle.

Olemme nähneet tämän tapahtuvan tekniikan suunnittelun muilla osa-alueilla. Tieto, joka aiemmin kuului erilliseen prosessiin, siirtyy lopulta lähemmäs suunnittelijaa ja tulee saataville päätöksentekohetkellä. Valmistettavuuden huomioiminen suunnittelussa on tästä hyvä esimerkki.

Sääntely kehittyy samaan suuntaan, sillä tekoälyn avulla voimme käsitellä kokonaisuuteen liittyvää laajuutta ja monimutkaisuutta sekä yhdistää sääntelyvaatimukset tiettyihin tuotteisiin ja suunnittelupäätöksiin.

Tämä käy yhä tärkeämmäksi, kun tuotteista tulee autonomisempia ja ohjelmistopohjaisempia. Ohjelmistopäivitys voi muuttaa fyysisen tuotteen toimintaa sen markkinoille tulon jälkeen. Toimittaja tai komponentti voi vaihtua. Uusi ominaisuus voi muuttaa sitä, mitkä vaatimukset ovat merkityksellisiä. Samalla säädökset ja standardit kehittyvät jatkuvasti eri markkinoilla.

Tuote muuttuu, ja myös sääntely-ympäristö muuttuu. Yritykset tarvitsevat infrastruktuurin, joka yhdistää nämä kaksi jatkuvasti.

Kehitämme Dapticia tähän suuntaan. Haluamme, että sääntelyä koskevasta tiedosta tulee osa tuotekehityksen infrastruktuuria. Näin suunnittelijat saavat tietoa sääntelyn vaikutuksista silloin, kun heillä on vielä liikkumavaraa suunnittelussa, ja sääntelyasiantuntijat voivat hyödyntää osaamistaan huomattavasti suuremmissa organisaatioissa.

Viime kädessä näemme, että tuotteiden vaatimustenmukaisuuden elinkaaren hallinnasta tulee keskeinen osa tätä infrastruktuuria. Tavoitteena on yhdistää sääntely ja tekniikan suunnittelu tuotteen koko elinkaaren ajan, jotta yritykset voivat tehdä parempia tuotevalintoja, säilyttää organisaation kannalta kriittisen tietämyksen ja tuoda fyysiset innovaatiot markkinoille nopeammin.

Kiitos hienosta haastattelusta! Lukijat, jotka haluavat oppia lisää tekoälypohjaisesta sääntelyä koskevasta tiedosta ja tuotteiden vaatimustenmukaisuuden elinkaaren hallinnasta, voivat tutustua Dapticiin.