Baptiste Bouvier、DapticのCEO兼共同創業者―インタビューシリーズ

Baptiste Bouvierは、DapticのCEO兼共同創業者として、規制に関するインテリジェンスと製品開発を結び付ける取り組みを進めています。MITでコンピューターサイエンスと工学を学んだ彼は、MIT CSAILでのAIおよび自律システムの研究、Babylon HealthでのヘルスケアAI、J.P. Morganでの定量分析、MetaでのAR/VRエンジニアリング、McKinseyでのコンサルティングと、幅広い経験を積んできました。複雑な規制要件を、メーカーが実際のエンジニアリング上の判断に反映できるよう支援することに力を注いでいます。

Dapticは、製品ライフサイクル全体にわたり、規制の変更や解釈と製品要件を結び付ける、AIを活用した製品コンプライアンスプラットフォームを提供しています。同社のソフトウェアは、規制担当者、エンジニア、製品チームが世界各地の要件を監視し、その影響を評価したうえで、出典を追跡できる状態と人間による監督を確保しながら、開発ワークフローに反映できるよう支援します。このインタビューでBouvierは、規制に関するインテリジェンス、フィジカルAI、機械可読な設計制約、そして継続的な製品コンプライアンス・ライフサイクル管理への移行について語ります。

あなたは、MIT CSAILでのAIおよび自律システムの研究から、Babylon HealthでのヘルスケアAI、J.P. Morganでの定量分析、MetaでのAR/VRエンジニアリング、McKinseyでのコンサルティングまで、幅広いキャリアを歩んできました。こうした経験は、Dapticを共同創業する決断にどのような影響を与えましたか。また、規制に関するインテリジェンスは、AIによって根本的に変えられる課題だと確信したのはなぜですか？

製品開発が規制によって大きく左右される一方で、その業務を支えるソフトウェアがほとんど存在しないことに気付いたのが、私にとって大きな転機でした。

私の専門は主にコンピューターサイエンスで、機械工学も多少学びました。Dapticを立ち上げる前には、さまざまな技術分野の環境で経験を積みました。一方、McKinseyでは、大企業がどのように物理的な製品を開発するのか、また規制がそのプロセスをいかに遅らせるのかを、より深く知ることができました。

非常に高度な技術力を持つ企業でさえ、製品開発の重要な一部を、文書やスプレッドシート、メール、そして多くのチーム間のやり取りに頼って管理しているのを目にしました。規制は、政府が公表する法律文書として始まるかもしれません。しかし最終的には、それを具体的なエンジニアリング要件に置き換え、製品の設計を変える必要があります。

規制とエンジニアリングの間にあるこの隔たりに、私は関心を持ちました。そこには膨大な専門知識が関わっている一方で、業務をつなぐ基盤はほとんどありませんでした。私たちは、この分野全体を「製品コンプライアンス・ライフサイクル管理」と捉えています。つまり、規制の変更や解釈、製品要件を、製品開発の全過程と製品のライフサイクルを通じてチームが下す判断に結び付けることです。

AIによって可能性が広がるのは、大量の規制資料、製品情報、組織内の知識を一度に扱えるからです。これにより、これまで膨大な手作業に依存してきたワークフローを支える基盤を構築する機会が生まれます。それがDapticの出発点でした。

自動車、航空宇宙、防衛、医療機器、ロボティクスなどの分野で働く製品エンジニアは、変化し続ける何千もの規制に直面することがあります。膨大な規制情報を、製品開発の現場でエンジニアが実際に活用できる形にするうえで、AIはどのような点で最大の強みを発揮しますか？

最大の強みは、規制の動向と製品の状況を結び付けた状態に保てることです。

最終的に30または40の異なる地理的市場で販売される、複雑な物理的製品を開発していると想像してください。どの規制が適用されるのかを把握し、その変更を監視し、どの変更が自社製品に関係するのかを判断したうえで、該当する要件をエンジニアリング上の判断に反映させる必要があります。

AIは規制環境を継続的に監視し、チームが評価すべき情報を絞り込むことができます。要件が変更された場合、システムは影響を受ける可能性のある製品、部品、エンジニアリング上の判断を特定し、必要な人に関連情報を届ける手助けをします。

さらに重要な可能性は、規制に関する情報がエンジニアリングのワークフローそのものに組み込まれたときに生まれます。設計上の判断を下すエンジニアが、管轄区域や規格、規制分野をまたいで手作業で検索しなくても、その判断に関係する要件をすぐに把握できるようにすべきです。

規制も製品も変化します。真の価値は、この2つを常につなぎ、別のエンジニアリング上の判断を下す時間がまだあるうちに、チームがその影響を把握できるようにすることです。この継続的な連携は、製品コンプライアンス・ライフサイクル管理の中核をなします。

規制への準拠は、AIの活用において特にリスクの高い分野です。要件を見落としたり、誤った解釈を生成したりすれば、深刻な結果を招く可能性があります。Dapticは、規制に関するインテリジェンスにAIを適用する際、正確性、説明可能性、人間による監督にどのように取り組んでいますか？

この分野では、信頼が何よりも重要です。

規制に関する判断には高い確信度が求められるため、ワークフローにはトレーサビリティを組み込む必要があります。チームは、情報の出所を確認し、元の資料を検証したうえで、どのような経緯で解釈に至ったのかを把握できなければなりません。

規制には曖昧さが含まれるため、人間の専門知識は非常に重要です。規制から多くの情報を得ることはできますが、それを特定の製品に適用するには、多くの場合、背景事情や経験、判断力が必要です。また、同じ要件でも、専門家によって解釈が異なることがあります。

私たちは、そうした専門知識をAIで支援するアプローチを取っています。AIは情報を見つけて整理し、関連する製品の背景情報と結び付け、これまでに行われた判断の根拠を保持できます。このプロセスにはエンジニアや規制対応の専門家も引き続き関与し、内容を確認、改善するとともに、自らの専門知識を加えることができます。

それによって、時間の経過とともに組織にとって価値あるものも生まれます。規制に関する判断の根拠は、メールのやり取りや特定の個人のもとにとどまるのではなく、参照し、発展させていける組織の知識となります。製品コンプライアンスのライフサイクル管理を大規模に機能させるには、そうした背景情報と専門家の判断を、チーム、製品、開発サイクルをまたいで継承していく必要があります。

フィジカルAIは、管理された産業環境から、家庭や公共の場で稼働する可能性のある製品へと急速に広がっています。ヒューマノイドロボットやロボット犬などのシステムが高性能化するなか、消費者への普及を妨げる最大の障壁となる規制上の課題は何だとお考えですか。

フィジカルAIの登場により、これまでならはるかに独立して扱えた規制分野が結び付きつつあります。

家庭や公共の場で稼働するヒューマノイドロボットを例に考えてみましょう。同じ製品でも、身体への安全性、電気システム、バッテリー、無線通信、サイバーセキュリティ、プライバシー、自律的な動作など、さまざまな要素が関わります。そのロボットの用途によっては、機械、輸送、医療用途、その他の規制対象となる活動に関する追加要件も適用される可能性があります。

特に興味深いのは、こうした製品がソフトウェアによって定義される傾向を強めていることです。物理的な製品は、販売後であっても、ソフトウェアによって大きく変化する可能性があります。アップデートによって新たな機能や動作が追加されれば、その製品に適用される規制上の検討事項も変わり得ます。

つまり、企業は発売前の一時点だけでなく、製品のライフサイクル全体を通して規制を考慮する必要があります。市場投入後も機能が進化し得る製品では、特定の時点でのコンプライアンスから、継続的な製品コンプライアンスのライフサイクル管理へと移行することが、特に重要になります。

さらに、グローバルな視点も欠かせません。各国・地域では、こうした技術に関するルールの整備が、それぞれ異なるペースで進んでおり、出発点も異なることが少なくありません。

フィジカルAI製品を開発する企業にとって、規制戦略はますます製品戦略の一部になっています。センサー、自律性、データ収集、素材、接続性、製品の動作に関する決定は、その製品をどこで展開できるか、どのような試験が必要か、どの要件を満たす必要があるかに影響します。製品の設計段階で、こうしたつながりを把握しておく必要があります。

現在、コンプライアンス対応は製品開発の終盤に行うものとして扱われることがよくあります。規制要件を最初からエンジニアリングや製品設計のインプットにすると、何が変わるのでしょうか。

エンジニアが検討できる解決策の幅は大きく広がります。

エンジニアリング分野には、製造容易性を考慮した設計という分かりやすい例があります。CAD上ではまったく問題がないように見えるものを設計しても、量産するにはまるで別のアプローチが必要だと後になって分かることがあります。そこで業界では、製造のしやすさに関する情報を設計プロセスの早い段階から取り入れ、柔軟に変更できるうちにエンジニアが制約を考慮できるよう、ツールや手法が整備されました。

規制要件についても、同じように早い段階から取り入れることができます。

設計中に規制上の制約を把握できれば、エンジニアはさまざまなアーキテクチャ、素材、部品、製品の動作を、より適切な背景情報に基づいて評価できます。また、開発に何カ月も費やすと決める前に、ある決定が試験、認証、市場参入にどのような影響を与え得るかも理解できます。

それによって、開発のスピードとコストに大きな影響を与えられます。さらに重要なのは、重要な製品決定の多くがすでになされた後に情報が届くのではなく、規制をエンジニアリングプロセスへのインプットにできることです。これは、製品コンプライアンスのライフサイクル管理を支える根本的な変化の一つです。規制に関する情報が、後から通過しなければならない関門にとどまらず、製品の開発方法そのものに組み込まれるのです。

将来的には、規制がほぼ機械可読な設計上の制約となり、AIシステムが、提案された部品、素材、ソフトウェア機能、または製品の動作が特定の市場の要件に違反する可能性を、エンジニアにリアルタイムで警告できるようになるのでしょうか。そうしたワークフローの実現には、あとどれくらいの段階にあるのでしょうか。

その方向には進んでいますが、重要なのは規制を単に機械可読にすることではありません。規制の文言を、特定の製品の文脈で意味を持つ制約へと置き換えることです。

規制は一般に、エンジニアリング仕様書のようには書かれていません。政府や標準化団体が人に向けて作成するものであり、規制文書の文言と、エンジニアが実際に必要とする技術的制約との間には、複数の解釈段階があります。

AIは、こうした複数の層をつなぐための、はるかに優れたツールを提供します。システムは、規制要件や公式な解釈に加え、設計中の製品の背景も理解できます。エンジニアが素材、部品、ソフトウェア機能、または製品の動作を変更すると、影響を受ける可能性のある要件を提示し、その変更との関連性を説明できます。

重要なのは、製品の背景を把握することです。同じ規制文言でも、製品、市場、部品、または想定される用途によって、意味合いは大きく異なります。

このワークフローの一部は、すでに実現に向けて進んでいます。エンジニアリング環境全体に規制情報を深く統合し、フィードバックを提供するには、製品の背景を体系的に整理し、規制文言、社内の解釈、技術要件を確実に結び付ける必要があります。AIによって、こうしたつながりを構築する能力は飛躍的に高まりました。

今後、規制に関するフィードバックは、エンジニアがすでに使っているツールにさらに深く統合されていくと考えています。他のエンジニアリング上の制約が、設計判断を下す段階に近づいてきたのと同じです。

グローバルメーカーは、数十の法域で異なる、時には相反する規則への準拠を求められることが少なくありません。AIは、どの規制が適用されるかを特定するだけでなく、ある市場での設計判断が製品全体にどのような影響を及ぼすかを、エンジニアリングチームが判断するうえでどのように役立つでしょうか。

規制に関する情報と製品の背景を組み合わせることで、大きな力を発揮できます。

メーカーは一般に、市場間で製品の共通性を最大限に高めようとします。同じ製品の異なるバージョンを数多く維持するには、大きなコストと複雑さが伴うためです。一方で、法域によって要件が異なるため、製品を変更しなければならない場合もあります。

AIは、こうした関係をより体系的に整理するのに役立ちます。特定の素材、部品、または機能を採用することを検討している場合、製品を販売する市場を評価し、それぞれに関連する要件を把握できます。

これにより、エンジニアリングチームは設計判断が世界各地に及ぼす影響を、はるかに早い段階で把握できます。ある選択肢が25の市場では通用しても、5つの市場では追加要件が生じるかもしれません。そのうえでチームは、世界共通の設計を変更するか、地域別の仕様を設けるか、あるいは別の妥協点を選ぶかを判断できます。

メーカーは、すでにこうした判断を行っています。規制と製品のつながりを、担当者がより明確に把握できるようにすることが重要です。そうすれば、より早い段階で、より十分な背景情報に基づいてトレードオフを検討できます。

規制に関する情報収集は、すでに制定された法律を追跡するだけではありません。AIは、製品の発売に影響が及ぶ前に企業が要件を予測できるよう、規則案、政府内の議論、標準化団体、執行措置などの情報源から、どのように早期の兆候を捉えられるでしょうか。

製品開発に何年もかかる場合、将来の規制動向を先読みすることが特に重要になります。

メーカーにとって、昨日何が変わったかを把握することは、状況を理解するうえでの一要素にすぎません。製品の設計、試験、発売準備を進める間に何が変わる可能性があるのかについても、チームは情報を得る必要があります。

早期の兆候となり得る情報源は数多くあります。政府は規則案や意見募集文書を公表します。標準化団体では変更が議論されます。規制当局はガイダンスや執行措置を発表します。こうした情報を組み合わせることで、要件が今後どのような方向に進むのかを知る手掛かりが得られます。

対象となる範囲は広大です。グローバルメーカーは、数十の法域、言語、規制分野にわたる情報源を監視し、どの動向が自社製品に実際に関係するのかを見極めなければならない場合があります。

AIは、そうした情報源を継続的に監視し、関連する可能性のある動向を特定して、個々の製品、部品、または事業領域と結び付けることができます。これにより、規制の専門家は、製品ロードマップに重大な影響を及ぼし得る動向の評価に、より多くの時間を割けるようになります。

こうした背景情報が製品チームに早く届くほど、企業が選べる対応の幅は広がります。2年後に要件が変更される可能性が高く、次期製品の発売が18か月後であれば、そのことを今日の製品計画に反映できます。

AIエージェントがエンジニアリングのワークフローにさらに深く組み込まれるにつれ、製品ライフサイクル全体を通じて、エンジニアやプロダクトマネージャー、その他のAIシステムと連携する、コンプライアンスに特化したエージェントが登場する可能性はあるでしょうか。実際には、どのようなアーキテクチャになるのでしょうか。

はい。重要なのは、こうしたシステムが両方の変化を監視する必要があるということだと思います。規制が変わる一方で、製品も変化します。

規制の動向を継続的に監視し、どの変更が特定の製品ポートフォリオに関係するかを判断する専門エージェントを配置できます。別のエージェントが、そうした要件をエンジニアリング上の影響に置き換える作業を支援することもできます。

同時に、エージェントは製品自体の変更も監視できます。チームが材料を変更したり、ソフトウェアを更新したり、サプライヤーを切り替えたり、部品を変更したり、新たな製品機能を導入したりすることが考えられます。こうした判断のいずれも、適用される要件や既存の要件の解釈に影響を与える可能性があります。

こうしたシステムは、相互に文脈を共有する必要があります。規制対応エージェントは製品を理解していなければなりません。エンジニアリングエージェントは、関連する規制上の制約にアクセスできる必要があります。どちらも、組織がこれまでに下した判断や解釈にアクセスできなければなりません。

このアーキテクチャにおいて、人間の判断は引き続き重要な役割を果たします。エージェントが曖昧さや要件間の矛盾、重大な結果を伴う判断に直面した場合、適切な専門家が根拠となる情報源を確認し、解釈を加え、その判断の根拠を組織全体で活用できるように残せるべきです。

製品について共通の理解を持つ専門システムと専門家のネットワークへと、アーキテクチャは発展していくと考えています。物理製品では、1つのエンジニアリング上の判断が、製造、安全、認証、規制、市場参入にまで影響を及ぼし得るため、これは特に大きな力を発揮します。さまざまな意味で、この共有基盤は、規制インテリジェンス、製品の文脈、AI、人間の専門知識をライフサイクル全体にわたって連携させる仕組みとして、製品コンプライアンス・ライフサイクル管理へと発展し得るものです。

今後5年から10年を見据え、フィジカルAI、自律型機械、そしてソフトウェア定義型製品がますます普及するなかで、エンジニアリング、AI、規制の関係はどのように変化するとお考えですか。また、そのエコシステムにおいてDapticはどのような役割を担うとお考えですか。

規制インテリジェンスは、物理製品の設計における標準的なインプットになっていくと考えています。

エンジニアリングのほかの分野では、すでに同様の変化が起きています。かつて独立したプロセスの中にあった情報が、やがてエンジニアの近くに移り、意思決定の場で活用できるようになります。製造性を考慮した設計は、その好例です。

AIによって、規制に関わる膨大な量と複雑さに対応し、規制要件を個々の製品やエンジニアリング上の判断と結び付けられるようになるため、規制もその方向へ進んでいます。

製品の自律性が高まり、ソフトウェア定義型へと移行するにつれ、これはますます重要になります。ソフトウェアの更新によって、発売後に物理製品の挙動が変わることがあります。サプライヤーや部品が変更されることもあります。新たな機能によって、関連する要件が変わる場合もあります。同時に、市場ごとに規制や規格も進化し続けています。

製品も規制環境も変化しています。企業には、両者を継続的に結び付けるインフラが必要です。

私たちは、Dapticをその方向へと発展させています。規制インテリジェンスを製品開発インフラの一部とし、設計の柔軟性がまだ保たれている段階で、エンジニアが規制上の影響を把握できるようにするとともに、規制の専門家が、より大規模な組織全体でその専門知識を生かせる方法を提供したいと考えています。

最終的には、製品コンプライアンス・ライフサイクル管理がこのインフラの中核を担うようになると考えています。規制とエンジニアリングを製品ライフサイクル全体にわたって結び付け、企業がより良い製品判断を下し、重要な組織知を維持し、物理的なイノベーションをより速く市場に投入できるようにすることが目標です。

素晴らしいインタビューをありがとうございました。AIを活用した規制インテリジェンスと製品コンプライアンス・ライフサイクル管理について詳しく知りたい読者は、Dapticをご覧ください。