PTC中国装備製造業エリートフォーラム長沙大会の会場
現在、人工知能技術は汎用的な質疑応答やコンテンツ生成から、企業の中核業務プロセスへの深い組み込みへと進む新たな段階に入っている。装備製造、エネルギー、ハイエンド装備、新エネルギーなどの業界にとって、AIの価値はもはや「目に見えるデモ効果」にとどまらず、製品開発、要求エンジニアリング、PLMデータ管理、ソフトウェアライフサイクル管理、サプライチェーン協働、サービス運用といった重要プロセスに入り込めるか否かにかかっている。開発期間の長さ、エンジニアリングデータの複雑さ、チーム横断協働のコスト高、要求変更の影響追跡の困難さ、テスト検証の負荷といった実際の問題を真に解決できるかどうかが問われている。
2026年6月17日、PTC中国装備製造業エリートフォーラム長沙大会が成功裏に開催された。本イベントは「AIが装備製造・エネルギー業界のバリューチェーン全体のデジタルイノベーションを駆動する」をテーマに、PTCのグローバル経営陣、現地技術専門家、業界エコシステムパートナー、さらには建設機械、風力発電・エネルギー、ハイエンド装備などの分野から集まった企業デジタル化責任者を集め、工業AIの装備製造・エネルギー業界におけるスケーラブルな実装の道筋をともに議論した。
PTCエコシステムのパートナーの中でもAI実装実践に継続的に注力する代表として、SOIN AI（SOIN AI）が本イベントに招かれ、「AI強化型の製品要求エンジニアリング」「Windchill + AI」「Codebeamer + AI」といった製造業の中核シーンをめぐり、Agentic AI、業界ドメインモデル、エンジニアリング知識処理、要求ガバナンス、テスト生成、製品データのインテリジェントなインタラクション、ローカライズされたAI展開などの分野での製品化の蓄積を体系的に披露した。
これはSOIN AIにとって、PTC中国デジタルトランスフォーメーションエリートフォーラム厦門大会、PTC中国業界エリートフォーラム武漢大会、PTC自動車業界エリートフォーラム青島大会に続く、PTCエコシステム交流プラットフォーム上での、製造業のリアルなビジネスシーンに向けたAI応用能力の披露である。以前からSOIN AIはPTC関連イベントで、製造業のAI実装はビジネスの痛点から出発し、企業のデータ・プロセス・垂直ドメインモデルの能力と結びつけ、業務のメインプロセスの中で自律的に割り当て・応用できるインテリジェントエージェント（Agent）へと段階的に発展させるべきであり、孤立したツールや単発のデモのレベルにとどまってはならないと繰り返し強調してきた。
PTCのスマート製品ライフサイクル戦略：AIは製造業のデジタルスレッドに入りつつある
PTCグローバルソリューションコンサルティング上級バイスプレジデント Brad Ferguson氏
会場では、PTCがスマート製品ライフサイクル体系、AI戦略、製品ロードマップをめぐって講演を行った。PTCは、スマート化・ソフトウェア化・サービス化が深まる製造業に向けて、企業は信頼できる製品データを基礎とし、AIをエンジニアが日々使うツールとワークフローに組み込むことで、製品のライフサイクル全体からより多くの価値を引き出す必要があると述べた。PTCの公式AI戦略も、そのエンタープライズAIが信頼できる製品データの上に構築され、顧客の日常ツールとワークフローに組み込まれ、より効率的な製品イノベーション、意思決定、協働を支援すると明確に強調している。
PTCの製品体系において、Windchill AIは生成AIとエージェント型AIをPLMプロセスに組み込み、ワークフローの自動化、製品データからのインサイト発掘、生産性向上を支援している。Codebeamer AIはALMに生成AIを組み込むことで、要求処理、品質向上、製品開発の加速を支援する。この方向性は、「AIはメインプロセスに入るべきであり、孤立したアシスタントを新たに追加するのではない」というSOIN AIが長年掲げる製品理念と高度に一致している。
装備製造とエネルギー業界の複雑性が決めるのは、AIが長期的な価値を生むには、エンジニアリングのセマンティクス、プロセス間の関係、権限の境界、データのコンテキストを理解しなければならないということだ。要求、BOM、変更、テスト、品質、サプライチェーン、保守運用などの対象には大量の上流・下流の関係が存在し、どの一箇所での理解のズレも、後続の設計、検証、納品、監査の段階における高額な手戻りコストに拡大しかねない。したがって、製造業に本当に適したAI能力とは、「質問に答えられる」だけでなく、具体的なエンジニアリング対象をめぐってタスクを実行し、コンテキストを組織し、構造化された結果を出力し、人間の確認後に企業のデジタルスレッドへ書き戻せるものでなければならない。
AI強化型の製品要求エンジニアリング：「質問に答えるAI」から「開発プロセスに入るAgentic AI」へ
SOIN科技（SOIN）生成AI応用エキスパート 王謝男氏による講演
「AI強化型の製品要求エンジニアリング」の専門セッションでは、PTC中国のプリセールス技術コンサルタント劉泓汛氏と、SOIN科技（SOIN）の生成AI応用エキスパート王謝男氏が、ソフトウェア定義製品の潮流下での要求エンジニアリングの転換をめぐって対話を行った。複雑装備企業に共通する要求チェーンの長さ、パラメータの高密度、チーム横断協働の複雑さ、要求変更の追跡困難さといった課題に対し、双方はAIがCodebeamerなどの要求管理プラットフォームと結合し、要求の取り込み、品質チェック、整合性検証、インテリジェントな分解からテストケース生成に至るエンドツーエンドのインテリジェント強化能力をどう形成するかを重点的に披露した。
SOIN AIは会場での講演の中で、複雑装備業界の要求エンジニアリングに必要なのはテキスト理解だけではなく、専門用語、パラメータ、ルール、関係に対する安定した判断であると提起した。汎用モデルは自然言語レベルの理解、要約、生成の問題を解決できるが、油圧、電子制御、制御戦略、蓄電池安全、エンジニアリングパラメータの境界、企業ルール、上流・下流の関係といった複雑なシーンでは、業界ドメインモデルとコンテキストエンジニアリングが共同で支えることで、初めてAIは「文字を読む」から「エンジニアリングの制約を読む」へと進める。この判断はSOIN AIの会場資料にも反映されている。要求エンジニアリングAgentの鍵はより良いコンテキストエンジニアリングにあり、要求の出所、関係、ルール、履歴、テスト、権限境界を結びつけて初めて、AIの結果はエンジニアリング上の実用性を備える、というものである。
この目標をめぐり、SOIN AIはALAの能力をCodebeamerの要求管理メインプロセスに組み込み、「要求IDにもとづいて要求と関係チェーンを読み込む ― AIが補助処理 ― 構造化結果を出力 ― 人間が確認 ― Codebeamerメインラインに蓄積する」という閉ループを形成した。この経路が強調するのは、AIがエンジニアの最終判断に取って代わるのではなく、読解、チェック、検索、分解、検証といった高頻度の作業の中で、確認可能で、追跡可能で、書き戻し可能なエンジニアリング支援を提供するということだ。
SOIN AI ALA：先進製造業に向けたソフトウェアライフサイクル管理AI製品の蓄積
SOIN AI ALAのCodebeamer組み込み能力デモ
SOIN AIが本イベントで重点的に披露したALA（自律的研究開発ライフサイクル・インテリジェントアシスタント）は、SOIN AI自社開発のAgentic Workflow Engine（AWE）とAgentic Documents Suite（ADS）を基盤に構築された業界レベルのALMインテリジェントアプリケーションであり、製造企業の要求レビュー、テスト管理、部品選定といった高価値の工程に向け、PDF、技術規格、要求文書、テスト資産、過去プロジェクト、専門家の経験に散在する知識を、オーケストレーション可能で、呼び出し可能で、インテリジェントエージェントが自動実行できる知識資産へと転換する。関連製品資料によれば、ALAは製造業ALMシーンに向け、要求レビュー、テスト管理、部品選定などの重要工程を重点的にサービスし、INCOSE、ISO26262、ASPICEなどのコンプライアンス・トレーサビリティ要件に対応している。
Codebeamer + AIのシーンをめぐり、SOIN AIはすでに八大の要求エンドツーエンドAI中核能力を蓄積している。
PDF取り込みと要求文書の解析。OEMが発行するPDF仕様書、プロトコル、変更通知などの非構造化文書に対し、ALAはそれらを自動的に構造が明確で、様式が規範的で、編集・再利用可能な要求文書へ転換し、手入力とフォーマット整理の作業を減らし、プロジェクト立ち上げの段階から要求の消化効率を高める。
要求項目の翻訳と多言語協働。地域横断の研究開発、海外顧客との協働、外国語技術標準の理解などのシーンに対し、ALAは専門分野の高精度翻訳を支援し、用語集、コンテキストのセマンティクス、業界の表現慣行を組み合わせ、用語が一致し、論理が通った、対話可能な訳文を出力し、非母語チームの技術細部理解のズレを低減する。
要求品質チェック。要求品質は開発デジタルスレッドの源である。ALAはINCOSEなどの要求品質標準にもとづき、要求項目の明確さ、完全性、検証可能性、整合性などをインテリジェントに審査し、要求が後続の設計、開発、検証の工程に入る前に潜在的な曖昧さ、欠落、不規範な表現を発見するよう支援し、欠陥の後工程移動による手戻りリスクを減らす。
要求類似性チェックと知識の再利用。多チーム・多プロジェクトが並行する複雑な研究開発環境では、要求の重複、表現の不整合、歴史資産の再利用不足がよくある問題だ。ALAはセマンティック検索と類似度評価により、類似要求、重複要求、潜在的な矛盾点を識別し、プロジェクト横断の再利用、要求トレーサビリティ、変更影響分析を支援し、要求ライブラリの品質とレビュー効率を高める。
要求整合性チェック。装備製造、新エネルギー、ハイエンド装備業界では、要求項目内の重要パラメータに上流・下流の分解関係が存在することが多い。数値境界の伝達が一度歪むと、後続のインターフェース、システム統合、テスト検証にすべてズレが生じかねない。ALAは階層要求内の重要数値指標の整合性を自動検証し、衝突を識別し、関連要求へのジャンプを支援することで、パラメータ伝達の正確さ、割り当ての合理性、トレーサビリティを確保する。
テストケースの自動生成。テストケースの手書きに時間がかかる、カバレッジが経験に依存する、ステップと期待結果の表現を統一しにくいといった問題に対し、ALAは要求内容にもとづいてテストケース生成プロセスを実行し、テストタイトル、前提条件、実行ステップ、期待結果を出力し、エンジニアがどの段階でも手動修正と確認を行えるよう支援することで、要求検証資産をALMメインラインに蓄積する。
AIによるインテリジェントな要求分解。製品要求からソフトウェア要求へ、システム要求からサブシステム要求への転換の過程で、ALAは目標業務のコンテキストと制約を結びつけて要求を構造化に分解し、レビュー可能で、追跡可能で、粒度のより一致したソフトウェア要求または下流要求を出力し、人間の理解による漏れや曖昧さを低減する。
インテリジェント要求検索。膨大な要求ライブラリにおけるキーワード検索の低効率、エンジニアリングセマンティクスとパラメータ制約をカバーしにくいという問題に対し、ALAは自然言語クエリと要求マッチングを支援し、類似度と関連性にもとづいて関連要求リストを返し、エンジニアが歴史資産をすばやく特定し、プロジェクト横断の再利用、影響分析、研究開発の意思決定を支える。
PTC公式のCodebeamer AIもまた、要求の作成、テスト生成、トレーサビリティ関係の維持、コンプライアンスリスクの洞察などの能力を強化しつつある。PTC関連資料によれば、Codebeamer AIは要求の生成・最適化・明確化を補助し、要求にもとづいてテストケースを提案し、アーティファクト間の正確な関係を維持するとともに、ライフサイクルにおける欠落、不整合、コンプライアンスリスクを早期に識別できるという。SOIN AIのローカライズされたALA能力は、さらに中国の製造企業のリアルな業務慣行、プライベート展開要件、ドメイン用語体系、既存プラットフォームの統合環境をめぐり、現地シーンに一層寄り添った拡張ソリューションを提供する。
Windchill + AI：製品データを「管理可能」から「理解可能・再利用可能・意思決定可能」へ
PTC工業装備業界シニアテクニカルマネージャー 呂振遠氏 WindchillローカライズAI戦略と事例講演
本イベントでは、PTCもWindchillのローカライズAI戦略と事例をめぐって講演し、AIの製品データインタラクション、業務実行の効率化、プロセスのインテリジェント協働などにおける応用価値を披露した。PTC公式資料によれば、Windchill AIはAIをPLMワークフローに直接組み込むことで、ユーザーが複雑な製品データをより速く検索・理解・処理するのを支援し、自然言語クエリ、複雑文書の要約、信頼できる製品データのトレーサビリティをサポートし、厳格なアクセス制御とガバナンス機構の下でPLMの使用効率を高める。
Windchill + AIのシーンをめぐり、SOIN AIは製造業製品サービス体系の中ですでに複数の実装可能な能力を蓄積しており、とりわけ製品データのインテリジェントインタラクション、部品技術文書の解析、物料検索と選定、BOMデータガバナンス、変更影響分析、ナレッジグラフ強化などの方向に集中している。
PLM統合サプライチェーンと部品管理のシーンで企業が直面する共通の課題には、データ入力の非効率、データ検索の困難さ、分析プロセスの硬直化などがある。手作業での物料パラメータ入力は効率が低く、規範性に欠け、選定とBOMの正確さにも影響する。エンジニアが曖昧な要求を技術パラメータへ転換する際は時間がかかりミスしやすく、多言語文書におけるセマンティックマッチングとデータ統合にも難しさがある。従来の分析プロセスは固定化されたルールに依存しがちで、柔軟で、多次元で、データソースをまたぐ意思決定支援を支えにくい。SOIN AIの資料はこれらの問題を、インテリジェントデータ入力、インテリジェント検索、インテリジェント分析の三類の施策に対応させ、物料の自動分類と属性抽出、Datasheetデータ認識と部品ナレッジベース構築、物料重複チェックと代替推薦、プロジェクト横断のパラメータ再利用、複数ソースデータの比較分析と初版技術方案の生成などの能力を含めている。
部品技術文書の解析面では、SOIN AIは多フォーマット文書の解析・抽出、多言語認識と変換、部品のインテリジェント分類、分類属性の抽出、分類物料の自動作成を支援でき、企業がPDF、Datasheet、サプライヤー仕様書に散在していた非構造化情報を構造化データ資産へ転換し、源流から物料データ品質を高めるのを助ける。
インテリジェントインタラクションと意思決定支援面では、SOIN AIは自然言語による対話検索、複数ソースデータの統合分析、部品・物料の全面比較、代替物料のインテリジェント推薦、最適化設計提案を支援し、エンジニアがシステム内で資料を検索・比較・整理する時間を減らし、より多くの精力を設計判断とエンジニアリング意思決定に注げるようにする。
より複雑なPLM業務プロセスでは、SOIN AIはさらにナレッジグラフ、RAG検索強化、Agentic Workflowの能力を組み合わせ、AIによる物料検索・選定支援、AIによる設計変更影響分析支援、管理計画の生成支援、BOMのインテリジェントな構築などのシーンを支える。その目標はWindchillなどのPLMメインシステムを迂回することではなく、既存の製品データ基盤とプロセス体系に依拠し、信頼できるデータ、権限ガバナンス、人間確認の機構の下で、AIに情報抽出、関係理解、リスク提示、構造化出力を完遂させることだ。
単点AI機能からプロセスレベルAgentへ：SOIN AIの製造業実装方法論
SOIN AI業界ソリューションアーキテクチャ講演
製造業のAI実装の難しさは、決してモデル能力そのものだけではない。モデルをいかに企業のリアルなプロセス、リアルなデータ、リアルな権限、リアルな責任機構と結びつけるかにある。SOIN AIの見解では、先進製造企業に必要なのは「AI能力 + ビジネスオーケストレーション + データガバナンス + 人間確認 + システムへの書き戻し」という完全な閉ループである。
製品アーキテクチャでは、SOIN AIはAWEとADSを中核とする能力基盤を形成している。AWEはマルチAgent、マルチツールのスケジューリングとタスクオーケストレーション能力を提供し、ADSは複雑文書に向けた解析、スライス、理解、抽出、構造化処理の能力を提供する。その上で、SOIN AIはAgentic RAG、マルチモーダルスライス、セマンティック階層Embedding、高精度な要求エンティティ抽出、文書横断のロジック検証などの能力を通じて、複雑な製造業の文書、ルール、要求、テスト、物料、過去プロジェクトの経験を、検索可能で、判断可能で、オーケストレーション可能で、再利用可能なエンジニアリング知識へ転換する。関連資料によれば、ALAはすでに、要求品質レビューAgent、テストケース生成・評価Agent、変更影響分析Agent、トレーサビリティマトリクス生成Agent、品質最適化提案Agentを含むALM業界インテリジェントエージェント体系を形成しており、ローカライズ展開、プライベートEmbeddingモデル、文書の安全分離、推論チェーンのトレーサビリティといった工業レベルの制御可能性要件を強調している。
展開とガバナンスの経路では、SOIN AIは企業に、低リスク・高頻度の必須シーンから切り込み、段階的に要求エンジニアリングのチェーン化運用へ進むことを勧めている。第一段階は資料と品質の先行を図り、文書を読めるようにし、翻訳を一致させ、要求品質を前倒しする。第二段階は知識の再利用と関係検証を強化し、類似検索、歴史再利用、上流・下流の整合性検証を通じて重複と衝突を減らす。第三段階は分解と検証の接続を貫通させ、要求分解、テスト生成、検証資産をメインプロセスに蓄積する。第四段階はドメインモデルを持続的に最適化し、専門家の修正、誤検知・見落とし、人間確認の結果を学習・評価サンプルとして蓄積する。第五段階はガバナンスと持続運用の体系を構築し、権限、監査、モニタリング、評価、バージョン管理をカバーし、最終的に手戻り少なく、漏れ少なく、重複少なく、記録が残る状態を実現する。
この方法論は、PTCの組み込みAI成熟度に関する判断とも呼応する。PTCは企業におけるAIエージェントの役割を「提案・支援・自動化」の三つの成熟段階に分類している。即時の知識アクセス、コンテンツ要約、関連情報検索から、ワークフローのステップ完了の補助へ、そして少量の人間の入力のもとで自律的にシステムに接続し、データを監視し、結果を推進する段階へ。製造企業にとって、AI実装は一足飛びに既存プロセスを代替することではなく、信頼できるデータとプロセスガバナンスの基盤の上で、補助的な提案からプロセス協働へ、さらに特定タスクにおける自動化実行へと段階的に進むことだ。
PTCエコシステムへの継続的な取り組み：製造業AIを「概念実証」から「エンジニアリングの結果」へ
AIが強化するソフトウェアライフサイクル管理のブース交流
近年、SOIN AIはPTCエコシステムにおけるPLM、ALM、製造業デジタル化のシーンをめぐる探求を続けている。2026年4月、SOIN AIはPTC中国エレクトロニクス・ハイテクおよび医療機器業界エリートフォーラム武漢大会で、ALAソフトウェアライフサイクル管理AI製品ソリューションを発表し、要求文書解析、多言語処理、要求品質チェック、要求類似性識別、要求整合性分析などの能力を重点的に披露するとともに、AIは「内容の識別」や「質問への回答」からさらに進み、要求ガバナンス、知識再利用、協働プロセス、品質管理への深層的な支えへ向かうべきだと明確に提起した。
2025年9月、PTC自動車業界エリートフォーラム青島大会では、SOIN AIは自動車業界におけるAgentic AIの実戦経験をめぐって講演し、マルチモーダルナレッジベース構築、Agentic AIとPLMシステムの深い融合、Agentic AIとALMの結合などを通じて、企業の「データの眠り、プロセスの硬直化、進化の欠如」という転換の痛点を解決する方策を提起した。エレクトロニクス・ハイテク、医療機器から自動車へ、さらに装備製造とエネルギー業界へと至る、PTCエコシステムにおけるSOIN AIの継続的な参加は、業界交流、シーン検証から製品化蓄積に至る連続的な歩みを体現している。
今回の長沙大会は、SOIN AIが製造業向けAI製品能力をさらに披露する重要な契機となった。Codebeamer + AIをめぐり、SOIN AIはすでに、要求収集、要求分析、要求分解、要求実装から要求検証に至るエンドツーエンドの能力チェーンを形成している。Windchill + AIをめぐっては、SOIN AIは文書のインテリジェント解析、物料知識の構築、BOMデータガバナンス、自然言語インタラクション、変更影響分析、ナレッジグラフ強化などの能力を、製品データ管理とPLM業務協働の中に組み込みつつある。
将来に向けて、SOIN AIは「AI応用、実装こそが王」という理念を堅持し続け、自社開発のAgentic AI能力、製造業ドメインモデル、エンタープライズレベルの展開経験に依拠し、PTCエコシステムパートナー、さらに多くの装備製造・エネルギー・ハイエンド装備・新エネルギー企業とともに、研究開発のデジタル化、製品ライフサイクル管理、ソフトウェアライフサイクル管理、サプライチェーン協働におけるAIの深い応用を共に探求していく。
AIは製造業のデジタルトランスフォーメーションの「外付けツール」ではなく、製品データ、エンジニアリングプロセス、企業の知識体系に入りつつある内生的な能力である。SOIN AIは、確かな製品の蓄積と実装可能なソリューションを通じて、製造企業が散在するデータを再利用可能な知識へ、複雑なプロセスをオーケストレーション可能なタスクへと変え、AIの能力を真に、より高品質で、より高効率で、より追跡可能なエンジニアリングの結果へと転換できるよう支援したい。