AIが「システム連携」を根本から変える

　まずPTC CEOのニール・バルア氏は「私たちの顧客は、日々私たちや私たちの家族が使う製品を作っている、ライフラインに欠かせない会社です。ただし昨今は、地政学的変化、社会的変化、技術的変化という大きな変革の波が押し寄せています。そうした中で、彼らは従来のやり方から脱却する必要があります」と現状を分析。

　こうした状況を打破するため、PTCでは製品開発ビジョン「インテリジェント製品ライフサイクル（IPL：Intelligent Product Lifecycle）」を掲げている。これは、設計データと実機データをつなぎ、製品が“学習し続ける”ライフサイクルを実現する構想だ。従来のPLM（Product Lifecycle Management）が「設計～製造までの管理」だったのに対し、IPLは出荷後の運用データまで統合する点で異なる。 　

　この変革を実現するために、図1にある3つの取り組みを推進する方針。そしてこれらの取り組みを通してIPLを実現するために必要不可欠なのがAIだ。


　AIが担う役割について、同社 最高マーケティング・サステナビリティ責任者 キャサリン・クニカー氏は「AIの役割は、複数のシステムを連携させる際の壁を破壊することです」と強調する。


　この「壁」とは、CAD、PLM、ALMといった各システムが個別に最適化され、データがサイロ化している状態を指す。従来は、これらのシステム間でデータをやり取りするために、個別のインテグレーションを時間とコストをかけて開発する必要があった。

　AIは、各システム内のデータの文脈を理解し、システム横断で情報を解釈・連携させる「インテリジェントな通訳」として機能する。「AI時代にはMCP（Model Context Protocol）サーバのような標準化されたエージェント開発により、もはや1対1のインテグレーションは不要になります」とクニカー氏は述べ、AIがシステム連携のあり方を根本から変える可能性を示した。

データ“だけ”でない…AI精度向上の「必須条件」

　一方、AIを活用するにも「データ」は欠かせない。多くの企業が、設計や製造、製品リリース後の運用フェーズで得られるデータを収集し、AIに活用しようと努力している。中には専用のデータ基盤の構築を目指している企業もあるだろう。しかし、データ収集に課題を持つ企業も少なくない。

　こうした企業に対し、バルア氏は同社の強みでもある「コンテキスト」の重要性を説く。

「データには、そのデータがどういう場面や状況、条件で使われるのかという『コンテキスト』があります。データとともにこのコンテキストを持っていることが非常に重要であり、それがないとAIで精度を出すことは困難です」（バルア氏）

　これを踏まえ、クニカー氏は製品全体にAIを適用するため、エージェント層、データ層、モデル層という3つのレイヤーを持つアーキテクチャで製品を開発していると述べる。

「一番上のエージェント層は、AIエージェントがさまざまなタスクを実行する層です。そして、その下のデータ層が、AIモデルと外部ツールを連携するMCPサービスやRAGなどのデータを管理する層、一番下のモデル層がLLMなどのモデルを管理する層となります。このアーキテクチャに基づいて製品を開発することで、アウトプットの質・精度を高めたいと考えています」（クニカー氏） 【次ページ】ここだけに語った「日本の課題」と「AI活用の成功ポイント」