今日やったこと # タスク管理PWAの「最初の一歩」フローを刷新 # タイトルだけで素早くタスクを追加し、必要な場合だけ期限や一歩などの詳細入力へ進める流れを追加した。詳細画面へ移っても入力中のタイトルを保持する。 分解済みなら最初の未完了ステップ、未分解なら本人が書いた一歩かタスク名を「いまの一歩」として扱うようにした。行動を決めたように見える自動文言は使わない。 集中開始時に対象の一歩を保持し、休憩、再開、再読込、時間切れ後の継続でも別の一歩へ切り替わらないようにした。途中で内容が変わった場合は、現在の一歩で安全にやり直せる。 子の一歩の完了と親タスクの完了を分離した。タイマー満了や「今日はここまで」では完了にせず、本人の明示操作でだけ状態を変える。 旧形式の自動文言と集中状態を移行できるようにし、手書きの内容は維持した。専用の回帰テストと、旧版へ戻せる配備手順も追加した。 検証済みのフロントエンドを本番へ公開した。公開前にデータベースと旧版を退避し、異常時に利用開始後のデータを失わずコードだけを戻せる構成にした。 既存開発プロジェクトを選択移行 # 容量が200MB以下で機密ファイルを含まない既存プロジェクト16件をクラウドストレージへ移し、従来の論理パスはリンクで維持した。 旧同期サービス由来の登録が残る6件は、現在の登録先と旧登録先の両方から同じ実体へ接続できるように復旧した。 大容量、機密ファイル、依存リンク、使用中ロックを検出した対象は除外または保留した。使用中だった1件はコピーまで完了したが、切り替えは未完了である。 復旧用の元データはローカルに保持し、移行直後に消さない運用とした。 判断と学び # 「少し試す」と「完了した」を同じ操作にすると、タイマーや画面遷移が本人の判断を上書きしてしまう。着手、子の一歩の完了、親タスクの完了を別々の状態として扱うことで、短時間だけ試す使い方と正確な進捗管理を両立できる。
今日やったこと # 同意型の非同期AI支援を追加 # AI機能を既定で無効にし、本人が初回説明を読んで明示的に同意した場合だけ有効になるようにした。無効のままでもToDo、通知、育成などの端末内機能は使える。 手動のタスク分解と背景整理を共通キューへ統合した。手動依頼を優先し、同じ優先度では利用者間を公平に処理する。再試行、入力の失効、利用上限の消費条件も定めた。 「あとで小分け」、放置タスクの救助、整理案、今日の候補、週次日記、完了時刻からの通知時間提案を非同期で返すようにした。提案は本人が確認して操作するまでタスクへ反映しない。 AIを無効にしたときは、端末内の提案とサーバー上の関連ジョブを削除するようにした。送信範囲、保持、外部AIによる処理を分けて説明する画面も追加した。 暗号化バックアップを直近3世代まで保持し、本人が過去版を選んで最新版として復元できるようにした。招待の再発行、全セッション失効、本文を表示しない利用統計も管理機能へ追加した。 「最初の一歩」の既定文言を修正 # 自動生成する最初の一歩が、実際の行動を勝手に決めたように見えない文言へ変更した。 以前の既定文言だけを新形式へ移行し、本人が編集した文言は変更しない処理を追加した。 個人知識基盤を選択同期へ移行 # 知識、作業メモ、受信箱、添付資料の可搬領域だけをクラウドストレージへ移し、既存の論理パスから接続する構成にした。Git、端末固有設定、ローカル原典、運用資材は端末側に残した。 旧同期方式を無効化し、同じデータへ複数の同期エンジンを重ねない運用へ切り替えた。大きな生ログやデータベース、依存物、ビルドキャッシュもローカル領域に残す方針を明文化した。 Wikiツールは、許可した可搬領域が想定した保存先へ接続されている場合だけリンク先を扱えるようにした。想定外のリンクによる保管境界の逸脱は拒否する。 判断と学び # AI支援は便利さより先に、利用者の同意、送信範囲、停止時の削除を明確にする必要がある。既定を無効にし、提案を自動適用せず、端末内機能をAIから独立させると、使わない選択を損なわずに支援機能を追加できる。
今日のご案内 ☕✨ # 今日の中心は、AIが「相談相手」から工学・製造systemを直接呼び出す実行層へ移っていることだ。AutodeskはFusion Compute MCPで7,000超のAPI endpointをAgentへ開き、parametric modelingからCAM・NC codeまでcloud上で実行可能にした。P&GとSiemensはAI外観検査を世界展開し、精度だけでなくcommissioning速度やedge infrastructureも量産deployのKPIにし始めている。
Scientific AIでも価値の軸は「生成」から「検証できるか」へ寄る。Anthropicは30超のbiomolecular modelを最適化し、CADSplatは既存CADをshape priorとして少数viewのdigital twin reconstructionへ組み込む。既存の数値model、geometry、reference outputと接続し、適用限界を測る構成が共通している。
一方、Agentが実際にactionを取るほどmodel外側の統治が重要になる。PLMによるproduct truth、factory-floorのleast privilege、adversarial evidenceを混ぜたbenchmark、misalignment incidentのdisclosure frameworkが同時に進む。GartnerのAI支出予測でもinfrastructureが最大項目であり、巨大な市場規模と業務applicationのROIは分けて読む必要がある。
1. Fusion Compute MCP、CAD/CAMを外部Agentから直接実行するcloud layerへ # Autodeskは9月15日、cloud-hostedのFusion Compute MCPをpublic betaにした。単一のexecute toolの背後に7,000超のFusion TypeScript API endpointを置き、parametric modeling、assembly、CAM setup/toolpath、posted NC code、Fusion Team document、STL/STEP exportまで外部Agentから扱える。local desktop clientを占有せず、各Agentは独立したcloud sessionで作業する。
今日やったこと # 旧バックアップの移行とブラウザ復旧を整備 # 旧形式のバックアップを利用者ごとの期限付きキューから取り込み、タスクと繰り返しを識別子単位で統合する移行処理を追加した。競合時は更新日時が新しい側を採用し、所持品は和集合にする。 移行前の状態をチェックポイントとして残し、現在の復旧キーで暗号化同期が成功した後だけ移行元を削除する順序にした。 同じアカウントからログアウトした場合は復旧キーを端末に残し、別アカウントへ切り替える場合だけ削除するようにした。 古いService Workerと新しいモジュールが混在して画面が空になる場合に備え、利用者データを残したままアプリ専用のキャッシュとService Workerだけを更新できる復旧導線を追加した。静的モジュールにも世代を付け、同一世代を取得しやすくした。 7活動日の成長導線と報酬一覧を追加 # 着手と完了で得るポイントに合わせてレベル曲線を見直し、次のレベルまでに必要なポイントを表示した。 報酬を得たローカル日付から活動日を数え、連続ログインを要求せず、休んでも進捗を失わない7活動日の成長経路にした。 最初の7活動日に家具や部屋の雰囲気を順に解放し、未確認分は部屋へ入ったときに一度に知らせるようにした。初回説明は3画面で、スキップもできる。 「もらったもの」の一覧を追加し、所持数、配置先、未解放条件、交換済みの状態を確認できるようにした。スターター報酬は端末間同期の対象にも含めた。 部屋の成長システムとイラスト表現を拡張 # 7活動日後もレベルに応じて本、植物、棚、キャットタワー、天候や時間帯の雰囲気が解放される成長経路を追加した。 到達済みの報酬を履歴と累計ポイントから導出し、古いバックアップには不足する部屋設定を補完するようにした。家具は固定位置へ自動配置し、利用者が選ぶ対象をラグと雰囲気に絞った。 キャラクターの反応を7種類追加し、活動日やレベルに応じて解放した。軽い動きは設定とOSの動き抑制設定で止められるようにした。 部屋の小物12種類を透過イラストへ置き換えた。キャラクターと画風をそろえ、一覧と部屋で同じ素材を使う構成にした。 完了操作と表示密度を調整 # 部屋へ常設する小物を最近解放した2個に絞り、過去の所持品は一覧から選んだときだけ一時表示するようにした。窓と背景の雰囲気は別枠で維持する。 タスクの左フリックをゴミ箱移動から完了へ変更し、報酬付与、並べ替え、通知解除、取り消しを既存の完了処理へ統合した。削除は編集画面に残した。 ホームの日付帯に、その日に完了報酬を得たことを示す小さな印を追加し、部屋の次回報酬表示も小さい画面で崩れないよう調整した。 判断と学び # ブラウザ側の更新障害を直すときは、キャッシュと利用者データを分けて扱う必要がある。アプリの実行資産だけを更新し、端末内データ、認証状態、復旧キーを残す復旧導線にすると、再読み込みのために大切なデータを失う危険を減らせる。
今日のご案内 ☕✨ # 今日の中心は、Engineering AIが「助言する画面」から、設計・解析・製造を実際に動かす実行ループへ踏み込んでいることだ。GE VernovaのFORGEは生成設計、AIサロゲート、性能から形状へ戻す逆設計をタービン系ブレードで一続きにし、COMSOL Multiphysics 2027はMCP Server経由で外部Agentにモデル作成、変更、計算、結果確認、反復を許す。FANUCも図面解釈から溶接条件とロボット動作の生成までをつなぎ、AIの価値が自然言語応答ではなく既存の工学系を安全に操作できるかへ移っている。
同時に、Scientific AIでは「生成できること」より検証可能性が差になる。Paper2Agentは論文の手法をMCPツール化し、参照出力と一致しないツールを除外する。MatSemNetは文献由来のマルチモーダル表現を触媒候補へつなぎ、実験で性能を確認した。日本発の自動合成platformもLLM生成コードを実機に接続し、ZIF-8合成の再現性まで示している。
企業側では、MBSE、計測、Digital Twin、AI利用統治が同じ問題に収束する。安全なon-premise環境、inspection data、OT/IT間のinterface、Agentのnetwork egress、従業員のShadow AIまで、実装価値は「どこまで実行させ、どこで検証し、誰が責任を持つか」で決まる。モデル性能だけではなく、traceabilityとvalidation gateを含む運用設計が主戦場になっている。
1. タービン翼設計を「生成→高速評価→逆設計」の閉ループへ # GE Vernova Advanced ResearchはMIT、University of Marylandと9か月のFORGE（Framework for Optimized Rotating blade design using Generative Engineering）projectを進めている。対象は風力、ガスタービン、水力などのrotating-machinery bladeで、生成設計、AI-enabled surrogateによる高速評価、目標性能から形状へ戻すinverse designを一つのpipelineとして扱う。GE Vernovaは、従来の「形状を決めてsimulationで性能を見る」流れを、性能targetから直接設計を探索する方向へ反転させると説明している。
今日のご案内 ☕✨ # 今日の中心は、Engineering AIの競争軸が「広い条件を一度に学習した大きなモデル」から、どこまで転移できるか、どこで残差を見て学び直すか、どの制約を最後まで満たすかという検証可能な境界設計へ寄っていることだ。Linearized Subspace Transferは単一条件で学習したneural solverのoutput Jacobianを再利用し、Active Transfer Modelingは残差を見ながら応答空間を追加する。別の研究では、凍結したdiffusion priorに終端feasibilityを課すBackward SDEを組み、生成と制約充足を分けずに扱う方向が示された。
一方、航空・製造ではデジタル技術の価値が最終的に物理的な量産能力と更新可能性へ接続する。Northrop GrummanはB-21向けのEast Gate 3を開設して生産能力を拡張し、BAE Systemsは小型航空プラットフォーム向けにsoftware-defined、open-architecture、field-upgradeableを掲げるShadow EWを発表した。設計やsimulationの高度化だけでなく、工場、供給網、software lifecycleまで含めて成果を測る必要がある。
Enterprise Agentも同様で、MCP/A2Aへの接続数だけでは本番準備度を測れない。Genesysは接続、spec-driven development、testing、auditabilityを一つの実行面へまとめる一方、外部package infrastructureへ触れるAgent事案や各国のガイドライン検討は、network egress、外部書き込み、physical system境界まで統治対象が広がることを示している。AI導入率についても、利用、scale、ROI、physical deploymentを一つの「adoption」に畳むと判断を誤る。今日の複数シグナルは、モデル性能よりも検証、境界、運用をどう設計するかが実装力になることを揃って示している。
1. 単一条件solverのJacobianを、近傍条件へ転移できる応答空間として再利用 # Wenbo Caoらの研究は、1条件で学習したneural solution modelのoutput Jacobianが、近傍のparametric PDE条件に対する解変化を表す再利用可能なresponse spaceになると示した。Linearized Subspace Transfer（LST）は、その空間上で対象PDEの残差を最小化して新しい条件の解を求める。さらにActive Transfer Modeling（ATM）は、転移後の残差をcoverage不足の指標として使い、必要なときだけ別条件のresponse spaceを追加する。
今日やったこと # 個人用タスク管理PWAを実装・配備 # 端末内のデータベースを正本にし、タスクの追加・編集・完了・削除・復元、期限と繰り返し、2分タイマー、報酬、JSONバックアップと復元を備えたPWAを実装した。 初回読み込み後のオフライン起動に対応し、オンライン機能がなくても基本機能を使える構成にした。 選択中のタスクだけを送るAI分解と、本人認証付きの通知登録・予定置換・取消・配達処理を任意機能として追加した。設定がない環境では無効になる。 限定された接続環境へ配備し、本体とAI分解の応答を確認した。スマートフォン実機でのホーム画面追加と通知受信は未検証である。 モバイル向けのタスクUIを調整 # 画面上部の重複した見出しを減らし、曜日帯からタスクへ自然に視線が移る高密度な構成へ変更した。 タスク登録画面に固定のキャンセルと保存を置き、曖昧なメニューを廃止して削除操作を編集画面へ集約した。 小さい画面でも主要なタスクが追加ボタンに隠れず、横スクロールが生じないよう余白と要素寸法を調整した。 放置タスク救助と週次振り返りを追加 # 更新が止まった未完了タスクに対して、縮小・延期・取り下げと具体的な最初の一歩を非同期で提案する機能を実装した。提案は利用者が明示的に選ぶまで反映しない。 着手数、完了数、停滞数、分類別の集計から短い週次振り返りを生成する機能を追加した。 永続キュー、再起動時の回収、失敗時の停止、結果取得後の削除を組み込み、初期状態は停止とした。成功後は処理側に入力本文を残さない設計にした。 キャラクター画像の透過表示を修正 # 部屋画面の画像に残っていた背景とクッションを除き、被写体の外側が実際に透明な画像素材へ差し替えた。 部屋画面だけ専用素材を使い、疑似的なマスクを外すことで背景の矩形や二重表示を解消した。 状態に応じたポーズを追加 # 手振り、首かしげ、集中、伸び、遊び、休息、睡眠、達成、驚きの9種類を追加し、通常姿を含む10種類を部屋画面で切り替えられるようにした。 集中中、休憩中、達成時には状態に合う姿を自動表示し、追加素材をオフラインキャッシュへ含めた。 判断と学び # 基本機能の正本を端末内に置き、AIや通知を任意のオンライン機能として分離すると、通信や設定の状態に左右されず使い続けられる。オンライン機能は設定不足で安全に停止し、対象データを絞り、結果を自動適用しないことが重要だと分かった。
今日のご案内 ☕✨ # 今日の中心は、AIを「賢い出力器」として導入するだけでは足りず、結果を検証できる実行系として組み込む設計が前面に出てきたことだ。Mistralの科学コード移行では、Fortran 77からC++へ書き換える前に数値parity harnessを作り、最終出力だけでなく中間状態まで照合した。AirbusのA350F Virtual First Flightも、simulationを単独で回すのではなく実機avionics benchへ接続し、失敗シナリオと認証試験計画へつなげている。
製造側でも、AECC Donganは3D scanだけでは拾いにくい狭所の小部品を2D visionとAIへ振り分け、Lumafieldは大型CTの内部欠陥・寸法情報をCAD比較やGD&T確認へつなぐ。Scientific AIでは、材料文献から構造化データを作るLLM pipelineや、LG AI Researchの材料設計・自律実験の方向性が、モデルを研究・品質保証の実務loopへ組み込む動きを示している。
企業Agentも同じく「動けること」だけでは不十分だ。Salesforceは日単位・週単位の長期実行、永続状態、承認境界を前面に出し、OneTrustの調査ではAgent利用を奨励する組織が87%に達する一方、明確な統制を持つのは47%にとどまった。AI予算の超過も広がっており、導入競争の焦点はモデル選定から、検証、権限、データ、運用費を含む実行アーキテクチャへ移っている。
1. Mistral、科学コード移行で「翻訳」より数値parityを先に置く # Mistral AIは、物理計算を含む約30万行のFortran 77製reservoir simulatorのうち、最初のsprintで4万行をC++へ移行した事例を公開した。重要なのは、Agentにコードを書かせる前に、legacy側の最終結果と重要な中間状態を出力し、C++側で同じcheckpointを比較できるnumerical-parity harnessを構築した点だ。さらにcaller-callee treeを解析し、100体超のAgentで文書化を進めた。
今日のご案内 ☕✨ # 今日の中心は、AIやデジタル技術を「単独の高性能モデル」として見るより、設計・試験・製造・実行環境をつなぐ閉ループとして見る方が実態に合ってきたことだ。CFMのRISE Open Fanでは、約20%の燃費改善目標と並んで粉塵吸入、侵食、耐久性が早い段階から試験対象になっている。Pratt & WhitneyのAutoAirでも、部品位置、3D計測、検査、AIを同じ製造データ基盤へ載せることで、モデル単体ではなく工程全体を改善している。
Engineering/Scientific AIでも同じ傾向が見える。LatentDDMはNeural Operatorを大規模領域へそのまま再学習するのではなく、局所operatorを再利用して軽量なcomposition層だけを適応する。SARA-Hは自律材料探索に確率的な相同定と人間の介入点を組み込み、NIMSの多孔質アンカーは材料間の相性だけでなく界面構造を設計変数として利用する。性能を出すだけでなく、物理制約や科学的状態を残す実装が前面に出ている。
Agent基盤では、実行環境と権限境界が製品機能そのものになった。OpenAIのAgents APIはharnessとsandboxを分離し、F5はMCP tool callを実行前に検査する仕組みを打ち出した。企業AIの効果測定でも、Gustoの縦断研究が示すように、導入率だけでなく導入後の業務・雇用変化を追い、相関と因果を分けて評価する必要がある。実装競争の焦点は、モデル性能から「どこで実行し、どう検証し、何をフィードバックするか」へ広がっている。
1. CFM RISE、燃費だけでなく粉塵・侵食・耐久性を設計変数へ # CFM InternationalはRISE Open Fanで、従来型ターボファンに対して約20%の燃費改善を目標としている。一方で公開情報は、効率だけでなくhot and harsh環境での耐久性、粉塵吸入、部品侵食を技術成熟の中心課題として扱っている。CFMによれば、RISEではすでに350件超の試験とコア部品の3,000 endurance cyclesを実施し、同社プログラムとして早期のdust-ingestion testも進めている。
今日のご案内 ☕✨ # 今日の主要シグナルは、AIの価値が「モデル単体の能力」から、専門データ・既存ツール・検証工程へどう接続するかへ移っていることだ。CoreWeaveはMonolith AI由来のチームと手法を基盤に、顧客の試験・シミュレーション・センサーデータへ入り込むPhysical AI Field Engineeringを開始した。航空分野では、シミュレーションを認証証拠として使う際のassuranceや、運航データを扱うAgentの責任境界が具体化している。
Scientific AIでも同じ傾向が見える。触媒設計のMAESTROは、LLMの自由な提案だけでなくML force fieldとDFTを含む反復評価へ推論を組み込み、OpenEarthAgentは中間のtool callを含む検証可能なreasoning trajectoryを学習・評価対象にしている。AIを「答えを出す箱」にするより、数値計算や実験の閉ループの中で役割を限定する方が、工学的な再現性を確保しやすい。
企業Agentでは、アクセス権と監査の扱いが実装論の中心になっている。AWSのSAP向けMCP構成は人間のnamed-user identityをSAPまで伝播させ、UiPathとSAP/Oxford Economicsの調査は、pilot数の増加に対してデータ準備、既存workflowとの統合、governance、社内processの成熟が追いついていない姿を示す。Agentを増やすだけではproduction化にならない。
一方、DeepSeek V4.1 FlashやNokiaのCognitive Operationsは、推論コスト、KV cache、ローカル実行、通信断への耐性など、運用条件そのものが競争軸になっていることを示す。モデル、データ、tool、identity、physical verificationを一つのsystemとして設計する段階へ移りつつある。
1. CoreWeave、Engineering AIを「専門データへ入る現場実装」に寄せる # CoreWeaveは9月10日、Physical AI Field Engineeringを開始した。顧客のengineering teamへdomain specialistを組み込み、R&Dから現場運用までAIをbuild・validate・deployするサービスで、Monolith AI買収で得たチームと手法を基盤とする。対象は一般的な文書データだけでなく、試験、simulation、sensorなどのproprietary engineering dataとworkflowだ。
今日やったこと # ライブ監査結果の状態遷移をテストへ反映 # 企業拠点データの監査テストを修正し、位置や現在の所在が確認済みであることだけを求める固定的な期待値から、ライブ監査によって要確認へ遷移する場合も扱える期待値へ変更した。 既知の拠点補正、同一施設を共有する組織、主要拠点、航空宇宙・ドローン関連企業を検査する複数のケースへ同じ状態遷移の考え方を適用した。 変更はテストに限定し、本番の監査処理や拠点データそのものには手を加えていない。 判断と学び # ライブ監査の結果は外部情報の変化に応じて更新されるため、一度確認済みになった項目が常にその状態を保つとは限らない。監査を完了したことと、結果が確認済みであることを分け、追加確認が必要な状態への遷移も正当な結果としてテストする必要があった。
今日のご案内 ☕✨ # 今回の中心は、AI時代の競争力が「より大きなモデルを持つこと」だけでは説明できなくなっている点だ。GE Aerospaceは航空エンジンの重要部材である複雑鋳造品の供給能力を買収で垂直統合し、設計と製造のfeedback loopそのものを戦略資産として扱う。一方、Engineering AIではMENOやTPMS multiscale optimizationのように、学習モデルへ全てを委ねず、既知の数値構造や明示的な最適化問題の中へAIを埋め込む構成が目立つ。
製造・品質でも同じ傾向がある。Lumafieldは産業X線CTのfoundation modelで「正常品からの逸脱」を検出し、結果をquality engineerへevidence付きでescalateする。AtosとFlender ChinaのEngineering R&D Agentも、製造知識、RAG、multimodal inputを組み合わせつつ、効果指標はdeployment側の自己申告として切り分ける必要がある。自動化の価値が高くなるほど、ground truth、レビュー可能性、適用範囲の設計が重要になる。
Agent基盤では、HPE Zertoのon-prem runtime＋local MCP、AWSのCI/CD evaluation gate、Meta MuseのSecure VM＋独立approval layerが、異なる用途から同じ方向へ収束している。企業調査でも、Agent導入率やAI支出の伸びに対してgovernanceや自律workflowの成熟は遅い。モデル能力よりも、tool access、権限、評価、運用費、physical capacityを含む「モデル外側のシステム」を設計できるかが実装力を分け始めている。
1. GE Aerospace、CPPを117.5億ドルで買収し航空鋳造能力を上流から統合 # GE Aerospaceは9月8日、Consolidated Precision Products（CPP）を117.5億ドルで買収する契約を締結した。CPPは約6,600人を20超の拠点に抱え、investment castingとprecision sand castingを中心に、superalloy、titanium、aluminumなどの複雑航空部品を製造する。GEはcommercial engine、aftermarket、defenseで同時に強い需要が続く中、mission-criticalなcasting capacityそのものを確保する狙いを明示している。