AIがソフトウェア開発を加速させる。産業用ソフトウェアには依然としてエンジニアリングの専門知識が必要

AIはソフトウェア開発を変革している

数週間前、私は生成AIツールに父が所有していた日本のカードゲームのオンライン版を作るよう依頼しました。約10分後に、動作するウェブアプリケーションが完成しました。

結果は印象的であり、同時に驚くべきものでした。数回のプロンプトで機能するコードが生成され、ユーザーインターフェースが構築され、動作するアプリケーションが出来上がりました。ほんの少し前まで、同じアプリケーションを作るにははるかに多くのエンジニアリング作業が必要でした。

開発者は今やコードを生成し、アプリケーションを構築し、ワークフローを自動化し、数年前には考えられなかった速度で開発を加速させることができます。AIは単なるコード生成を超えて、変更提案、テスト実行、エンジニアリングプロセスの大部分を自動化するエージェント的ワークフローへと進化しつつあります。

Mitsubishi Electric Iconics Digital SolutionsのGENESISプロダクトマネジメントディレクターとして、私の考えは単なるウェブアプリケーションから産業オートメーションソフトウェアへとすぐに転換しました。もしAIが10分で機能するアプリケーションを構築できるなら、同じ能力がヒューマンマシンインターフェース（HMI）、監視制御およびデータ取得（SCADA）、可視化、レポーティング、その他の産業アプリケーションに適用されたらどうなるでしょうか？

その問いに答えることで重要な違いが明らかになりました。AIはソフトウェア開発を劇的に高速化しています。産業用ソフトウェアは、単にアプリケーションを生成するだけでは到底カバーできないエンジニアリング上の課題を伴います。

はい、AIは産業用ソフトウェアの構築方法を変革していますが、エンジニアリングの専門知識は、産業用ソフトウェアが運用期間を通じて信頼性を保つために依然として不可欠です。

産業用ソフトウェアは動作するコード以上のものが必要

現在のAIツールにアクセスできる誰でも、数分で動作するアプリケーションを生成できます。ウェブサイトやダッシュボード、シンプルな可視化の構築に、もはや高度なプログラミング経験は必要ありません。

産業用ソフトウェアは、機能するコード以上のものを必要とします。

例えば、Kepwareのような産業用接続プラットフォームを使用して工場フロアから運用データを収集している製造施設を考えてみてください。AIはすぐにウェブアプリケーション、ダッシュボード、レポート、または設定ワークフローを生成し、そのデータを表示できます。ダッシュボードは機能し、情報は可視化され、アプリケーションは概念実証を示します。

しかし、運用上の成功は単なるデモンストレーション以上に多くの要素に依存します。産業用ソフトウェアは既存のオートメーションシステムと統合し、実環境で信頼性を保ち、導入後もミッションクリティカルな運用を支え続けなければなりません。

アプリケーションの最初のバージョンを生成することはますます簡単になっています。しかし、組織が自信を持って導入できる産業用ソフトウェアを提供することは、産業アーキテクチャ、サイバーセキュリティ、信頼性、検証、可観測性、長期的な運用性能に関する専門知識を要する根本的に異なるエンジニアリング課題です。

専門知識が差を生む

経験豊富なエンジニアは、産業アプリケーションの背後にある運用要件、問うべき質問、そしてソフトウェアを導入前に対処すべきリスクを理解しています。

サイバーセキュリティ脆弱性、ソフトウェアコンポーネント、産業アーキテクチャ、規制上の考慮事項、そして長期的な保守性がすべてエンジニアリングプロセスの一部となります。AIで生成されたアプリケーションは、依存関係、API、認証情報、データフロー、または設定上の前提条件を導入することがあり、導入前にレビューが必要です。動作するコードはアプリケーションが何をできるかを示しますが、エンジニアリングの専門知識が組織が自信を持ってそのアプリケーションを導入できるかを決定します。 

実績のあるプラットフォーム上で産業アプリケーションを構築する

エンジニアリングの専門知識は不可欠ですが、経験豊富なエンジニアがゼロから産業用ソフトウェアを構築することは稀です。現代の産業アプリケーションは、実績のあるソフトウェアプラットフォーム上に構築されており、これらは長年の実運用を通じて開発・テスト・改良されてきました。

AIは産業用接続プラットフォーム上にウェブアプリケーションを迅速に生成でき、開発時間を劇的に短縮します。しかし、そのアプリケーションはソリューションの一層に過ぎません。

AIが産業オートメーションの内部へとさらに進んでも、この原則は変わりません。目的特化型エンジニアリングエージェントは、プログラマブルロジックコントローラ（PLC）ロジック、HMI画面、その他の産業アプリケーションコンポーネントを生成でき、主要なソフトウェアベンダーは生成AIを直接組み込むことで産業プラットフォームを強化しています。

これらの機能は印象的ですが、重要な問いを再確認させます。出力を誰が検証し、ライフサイクルを誰が所有し、実際の産業プロセスを制御するソフトウェアに対して誰が責任を負うのか？高速な生成は、組織が長年にわたり自信を持って導入し、サポートできるソフトウェアと同じではありません。

実績のある産業用ソフトウェアプラットフォームは、検証済みアーキテクチャ、冗長性、サイバーセキュリティ保護、ライフサイクルサービスなどの機能をすでに提供しており、エンジニアは実績のある機能を再構築するのではなく、産業課題の解決に専念できます。

実績のあるソフトウェアプラットフォームは、確立されたセキュリティモデル、アップデート経路、ガバナンス、長期サポートも提供し、即席で生成されたアプリケーションが最初から持つことはほとんどありません。

ライフサイクル管理は導入後も続く

産業用ソフトウェアの導入は、エンジニアリングプロセスの開始を意味し、終了ではありません。例えば、プラントマネージャーが運用レポートを要求したとします。AIは数分でレポートを生成し、アプリケーションは期待通りに動作し、関係者全員が結果に満足します。その後、プラントマネージャーが「そのレポートを毎日欲しい」と言います。

一度きりのレポートは、従業員が業務に依存する運用ソフトウェアへと変わります。ソフトウェアプラットフォームは進化し、運用要件は変化し、新たなサイバーセキュリティ脆弱性が出現します。継続的なエンジニアリングは、アップデートの検証、互換性の維持、セキュリティパッチの適用、そして時間を通じた信頼性の確保に不可欠です。

アプリケーションの最初のバージョンを作成するのは、今や数分で済むかもしれません。しかし、そのアプリケーションを運用期間全体にわたって維持することは、継続的なエンジニアリングの責任です。長期的な信頼性は、単にコードを生成するだけでなく、ガバナンス、ライフサイクル管理、継続的なサポートに依存します。

適切な産業用ソフトウェアを選ぶ重要性

経験豊富な産業用ソフトウェア企業は、単なるアプリケーション機能以上を提供します。エンジニアリングの専門知識、製品の検証、サイバーセキュリティの知見、継続的なソフトウェアアップデート、長期的なライフサイクルサポートが、ミッションクリティカルな環境で組織が信頼できるソフトウェアを実現します。

産業用ソフトウェアを評価する組織は、デモや現在の機能だけでなく、長期的な視点で見るべきです。長期的な運用成功は、ソフトウェア導入前に適切な質問をすることに依存します。誰が運用期間を通じてソフトウェアを保守し、セキュリティを確保し、検証し、開発を継続するのか？この決定は機能の速度だけでなく、ソフトウェアが時間とともに保護、ガバナンス、更新、監査、サポートできるかどうかに関わります。

最終的な考察

父の日本のカードゲームのオンライン版を10分で作成したことは、ソフトウェア開発に対する私の期待を変えました。AIはソフトウェア作成に要する時間を劇的に短縮しており、これらの能力は産業オートメーションを今後も変革し続けるでしょう。

速度だけでは、産業用ソフトウェアがミッションクリティカルな運用に適しているかは判断できません。組織は、ソフトウェアがどれだけ速く作成できるかだけでなく、誰が構築し、どのようにエンジニアリングされ、運用期間を通じて誰がサポートするのかを考慮すべきです。

産業オートメーションにおいて、これらの質問がソフトウェアを有用なデモに留めるか、信頼できる運用システムにするかを決定します。