エージェント型造船入門 — AIエージェントが船舶設計にとって本当に意味するもの
船舶設計や生産に携わっているなら、今まさに人工知能について多くの話を耳にしていることでしょう。その一部はわくわくするもので、一部は誇大宣伝であり、また一部は、鋼材図面・生産データ・船級パッケージを仕上げて世に出すという日々の現実からかけ離れて感じられるかもしれません。
私たちCadmaticは、シンプルな問いを立ててきました。AIが船舶設計者や造船所のエンジニアにとって真に役立つためには、何ができなければならないのか？
私たちが取り組んでいる答えが、「エージェント型造船」と呼ぶものです。これは、AI「エージェント」を使って複数ステップのタスクを自動化し、システム間でデータを流し続け、設計の選択肢を提案する一方で、エンジニアがしっかりと主導権を握り続ける、という活用法です。
本記事では、それが実際に何を意味するのかを平易な言葉で説明します。
なぜ船舶設計には新しい種類のデジタル支援が必要なのか
現代の船舶は、新しい燃料やエネルギーシステム、より厳しい環境・安全規則、そしてかつてないほど多くのステークホルダーとデータソースによって、ますます複雑になっています。
同時に、多くの設計事務所は依然として、2Dと3Dのツール、社内に散在するExcelシートやカスタムスクリプト、そしてAPIや社内ライブラリを操れる数人の「達人」の寄せ集めに頼っています。
これがボトルネックを生みます。最も優秀な人材が小さなスクリプトを書いたり、ドキュメントを探し回ったり、仕様をCADの手順に翻訳したりすることに何時間も費やしているとき、彼らは本来最も得意とすること、つまり優れたエンジニアリング上の判断を下すことをしていないのです。
これこそ、AIエージェントが取り組むのを得意とする類の問題です。
AIエージェントとは何か
バズワードはひとまず忘れてください。私たちの文脈では、AIエージェントとは単に、次のことができるソフトウェアのことです。
- 自然言語で記述したタスクを理解する（「このジオメトリ向けのブラケットタイプを作成して」「230VのABBモーターをすべて見つけて」「このブロックの未処理タスクを見せて」）
- アクセスできるツール（API、データベース、モデル）を使って、そのタスクを完了するために必要な手順を計画する
- それらの手順を実行し、ユーザーに代わってCadmaticアプリケーションや他のシステムを呼び出す
- ユーザーが確認・調整・承認できる結果を報告する
わかりやすい考え方の一つは、「AIエージェントがAPIを知っているので、あなたが知る必要はない」ということです。
あらゆるスクリプトインターフェースや連携の詳細を自分で学ぶ代わりに、望む結果をエージェントに伝え、その動作を監督するのです。
設計スパイラルからエージェント型ワークフローへ
造船工学者はよく「設計スパイラル」について語ります。これは、初期コンセプトから基本設計、機能設計、生産設計へと至る反復的なループです。実際には、これらの段階は大きく重なり合っています。建造は設計が「完成」する前に始まることが多く、各変更は図面、モデル、資材、スケジュールに波及していきます。
エージェント型AIはスパイラルを置き換えるものではありません。そうではなく、より少ない手作業の引き継ぎで、スパイラルをより速く回ることを助けます。
（図：Evansの設計スパイラルを応用した船舶設計フェーズ）
私たちの研究と初期のプロトタイプでは、AIエージェントの大きく三つの役割に注目しています。
- デジタル副操縦士（コ・パイロット）— スクリプト、マクロ、反復的なCAD操作を支援する
- ワークフロー自動化者 — ライブラリ作成、データ変換、システム横断のデータ取得など、複数ステップのタスクを遂行する
- 設計レコメンダー — ルール、規格、過去のプロジェクトに基づいて選択肢を提案し、エンジニアがそれを受け入れ・調整・却下できるようにする
Cadmaticがエージェント型AIを活用する4つの方法
1. 面倒な作業の自動化：ブラケットライブラリ
ライブラリの作成と保守は、典型的な隠れたボトルネックです。例えばブラケットタイプの作成・更新は、しばしば一部の専門家しか理解できない独自のスクリプトを書くことを意味します。
私たちのブラケットエージェントを使えば、必要なブラケットをスケッチまたは注記する（あるいは既存のものを単に参照する）ことができます。鼻先の長さ、フランジ寸法、適用規格などの要件を自然言語で記述します。するとエージェントが自動的にスクリプトを生成し、確認してライブラリに保存できる状態にします。
社内テストとデモでは、このアプローチによってブラケットタイプの作成・更新に必要な時間を最大約75％削減できます。エンジニアの役割は「コーディングとデバッグ」から「仕様策定と監督」へと移ります。
（図：Cadmatic HullでAIが生成したブラケットタイプ）
2. テキストの仕様から構造化データへ
私たちが探求しているもう一つの領域は、構造化されていない要件を構造化モデルに変えることです。例えばエージェントは、船主要件、ルールの要約、過去プロジェクトの仕様を読み取れます。主要なパラメータを抽出し、モデルやOCXのような標準交換フォーマットの生成に使える構造化された記述を構築します。そこからCadmaticのAPIを呼び出して基本的な3Dモデルを作成し、それをさらに作り込むことができます。
設計の主導権はあなたが握ったままです。エージェントは、テキストからCAD操作への手作業の翻訳に費やす何時間もを取り除くだけです。
3. 電気機器データを正確かつ一貫した状態に保つ
電気機器はサプライヤーによって大きく異なり、名称、価格、製品ラインは絶えず変化します。今日、正確な電気カタログの維持は、しばしば手作業による更新や散在するスプレッドシートを意味し、不整合、古いデータ、余分な手戻りにつながります。
私たちの電気AIエージェントは、最新の機器データベースを自動的に構築・維持することでこれを解決するよう設計されています。エンジニアは必要なものを記述するだけでよく（例えば「230VのABBモーターを見せて」）、エージェントは信頼できる情報源を検索し、関連情報を抽出して、Cadmaticの電気データ構造に変換します。カタログの更新にとどまらず、エージェントはユーザーの監督のもと、選択した項目をモデル内で直接変更し、古い部品を取り込んだ部品に置き換えることもできます。
その結果、よりクリーンなデータ、より少ない手作業のカタログ保守、そしてより速く正確なモデル更新が得られます。エンジニアは反復作業に費やす時間を減らし、安全で信頼性の高い電気システムの設計により多くの時間を充てられます。
（図：Cadmatic ElectricalでのAIによる製品モデル作成）
4. データ駆動型のコラボレーション
典型的な造船プロジェクトは、モデル、ドキュメント、PLM、その他のシステムにまたがって膨大な量のデータを生み出します。「今まさに必要な一つのもの」を見つけ出すのは苦痛になり得ます。
私たちのデータ駆動型コラボレーションエージェントは、Cadmatic eShareやCadmatic Waveのような環境内でシームレスに動作するよう設計されています。将来的には、「このブロックの溶接のうち、まだ検査報告書がないものはどれか？」といった実務的な問い合わせに対応し、チームがより速く、より少ない摩擦で答えを得られるよう支援します。これらのエージェントは、モデル、PLMプラットフォーム、ドキュメントを含む複数のシステムから情報を収集し、すべてを一つのカスタマイズされたビューにまとめられます。結果はMicrosoft Teamsのような既存のコラボレーションツールに戻して連携できるため、タスクを把握するためにウィンドウを切り替える必要がありません。
目的は、それ自体のためにおしゃべりなチャットボットを作ることではなく、問いと答えの間の距離を縮めることです。
「エージェント型AIが「そうではない」もの
私たちが「やろうとしていないこと」を明確にしておくことが重要です。
AIエージェントは、造船工学者、構造設計者、計画担当者の代替ではありません。安全性、船級適合、コストに関する最終的な決定を下すこともありません。エージェントが引き受けるのは、反復的でルールに基づくタスクであり、エンジニアにより良い情報をより速く提供することです。
私たちのビジョンはシンプルです。人間には創造的で判断を要する仕事を任せ、AIエージェントには骨の折れる単調な作業を任せる、ということです。
