Nate Evans, 創設者兼気候/AI責任者、Fictiv Nate Evans 創設者兼気候/AI責任者、Fictiv

未来の工場はプロンプトで書かれる

物理的な物体がどのように作られるかについて、ほとんどの人が知らないことがある。誰かが何かを設計する。誰か別の人がそれを作る。トラックが到着する。しかし、コンセプトが仕様になる部分、仕様が調達の決定になる部分、調達の決定が生産ランになる部分、生産ランが注文した物になる部分、それらの部分はほとんど見えず、非常に複雑で、長い間ほとんど同じように機能してきた。しかし、それは今変化している。生成的なAIは、製造ライフサイクルを、過剰と言うほど大きく変えている。正確に言うと、変化は主に速度についてではない。コストについてでもない。もっと基本的なものについてだ。プロセスの中で、どこで知能が適用されるか、誰によって、どのくらい早く適用されるか、それが問われている。私たちは、電気化やコンピュータ化と同等の工業経済の変革の始まりに立っており、現在この変化を理解している会社が、後から参入する他の会社のルールを決めることになる。製造における最も高価な問題は何ではないかほとんどの人は、製造が間違うのは工場にあると言うだろう。しかし、最も高価な失敗は、製品アイデアが要件に結晶化する段階で起こることが多い。それは、時間とお金が消える場所だ。問題は、要件の不一致だ。要件は、メール、半分だけ読んだ文書、そして、整合性が達成されたと思われるが実際には達成されていないミーティングを通じて収集される。エンジニアリングブリーフは、誰も気づかなかった曖昧さを含んだ状態で数週間後に到着し、プロトタイプが間違っている、またはサプライヤーが一致しないものを引用した、または生産チームが設計が大量生産できないことを実現したときに、曖昧さが表面化する。生成的なAIは、正確にこの段階で介入し、以降のすべてのプロセスに影響を及ぼす。これらのシステムは、膨大な非構造化入力を、顧客のフィードバック、規制上の提出、フィールドでの故障データ、競合他社の解析など、人間のチームが管理できるよりも速く、より一貫性のある方法で構造化された、相互参照された要件に変換できる。システムエンジニアリングで数週間かかっていたものが、数時間で草案できるようになった。要件が早くて、より高品質に到着すると、ハンドオフが変化する。調達チームは、設計と並行してサプライヤーを特定し始めることができる。生産計画は、図面が最終化される前に開始できる。順序だった段階が同時に実行されるようになる。ベテランエンジニアが知っていることベストの製造エンジニアの中には、外から説明するのが非常に難しい種類の知識がある。どの公差が大規模に達成可能か。どの合金が特定の熱とストレスの組み合わせで故障するか。どの設計上の決定が紙上では優雅に見えるが、工具チームにとっては災難をもたらすか。これは数十年かけて蓄積されるもので、ほとんど移転できず、シニアエンジニアが退職するたびに外に出ていく。AIコパイロットは、これを変え始めている。新しいコンポーネントの幾何学について作業しているエンジニアは、システムに質問して、大規模な製造可能性についての分析を受け取り、材料の変更によるコストの影響を評価することができる。すべてが、物理的なプロトタイプが存在する前に、設計環境内で起こる。情報が実際に役立つときに起こる。2種類のAIが融合し、工場は二度と同じにはならないここでは、重要な区別がある。デジタルAI — 設計、文書化、調達分析、意思決定支援を支援する生成システム — がある。これらは情報を操作する。物理AI — 工業ロボット、自律ロジスティクス、適応型製造装置を動かす認識、計画、制御システム — がある。これらは物質を操作する。世界を感知し、行動を計画し、物を動かす。過去10年間で、これら2つのカテゴリはほぼ別々の世界で発展してきた。しかし、生成モデルは、物理システムをプログラムし、指示し、解釈するために、ますます使用されるようになっている。ロボットは、自然言語の指示を受け取って、それを動作シーケンスに翻訳できる。ビジョン言語モデルにより、検査システムが人間が行動できる用語で何を観察しているかを説明できる。生成設計ツールは、CNCマシンや加法製造システムに直接接続されており、モデルが設計したものは、工場で構築できる。労働力の問題AIと製造について正直に話す場合、人について話さなければならない。テクノロジー記事で一般的な慣習となっている「新しい仕事が生まれる」というソフトランディングでは済まない。実際に話さなければならない。不安は現実的であり、根拠のあるものだ。製造業の雇用は、すでに4つの десяти年間で激しい混乱を経験してきた。AI駆動の変革の別のラウンドは、これらの業界で働く人々にとって抽象的なものではない。初期のデータは、最も重要な近期的な影響は、置き換えではなく、昇格であることを示唆している。AIコパイロットを使用するエンジニアは、より重要なエンジニアリングを行っており、ルーチンワークのドキュメントに費やす時間が少なくなり、製品の成功を決定する判断に費やす時間が増えている。サプライチェーンマネージャーは、より複雑なものをよりよい情報でナビゲートしている。運用リーダーは、AI生成の洞察を、人間の判断が求められる環境に適用している。窓製造業は一枚岩ではない。航空宇宙でのAIの採用は、消費者向け電子機器とは異なり、カスタム工業部品とは異なり、医療機器とは異なる。変化のペースは、データインフラストラクチャ、規制環境、組織の能力によって非常に異なる。しかし、方向は明確ではない。製造ライフサイクルは、すべてのノードでAIによって再構成されている。データインフラストラクチャ、AI強化エンジニアリングワークフロー、労働力能力、ハイステークス意思決定のためのガバナンスシステムに投資する会社が、10年後の先進的な製造業の姿を決定することになる。未来の工場は、モデルによって形作られ、プロンプトで書かれ、人間とマシンのコラボレーションによって洗練される。どのようなものになるかは、現在まだ何を尋ねるべきかを模索している会社で行われる選択によって決まる。有意義なアドバンテージを構築するための窓は開いている。しかし、いつまでも開いているわけではない。