Rescaleの専用プラットフォームエージェントは、既存のワークフローにエージェントによるアクションを組み込み、エンドツーエンドのエージェントエンジニアリングプロセスへの信頼できる道筋を構築します。
多くのエンジニアリング組織は、反復的で手動的なワークフローのために、AIエージェントをシステムスタックに追加しています。しかし、エージェント機能が急速に普及するにつれ、多くのチームは、エージェントエンジニアリングの基盤は単一のエージェントにあるのではないことに気づき始めています。チームには、エンドツーエンドのシミュレーションライフサイクルの各段階を解決できる、コンテキスト固有のエージェントがますます増えていくことが必要です。
これはまさにRescaleのアプローチです 春のショーケースで発表されました エージェントライブラリのリリースに伴い、エンジニアは10種類以上の基本エージェントから選択し、既存のワークフローに組み込むことができます。私たちはエージェントエンジニアリングの未来を積極的に開発しており、それが段階的に展開していくと考えています。このブログで紹介する専用エンジニアリングエージェントは、そのほんの始まりに過ぎません。今後のブログでは、より高度なエージェントワークフローについて詳しく解説していきます。今は、多くの組織がエージェントエンジニアリングの旅を始める段階に焦点を当てています。
基盤：既に稼働中の目的特化型エージェント
リスケールの エージェントライブラリ は既にシミュレーションライフサイクルの大部分をカバーしており、エンジニアが直面する最も一般的で時間のかかるタスクの多くを処理できるエージェントも含まれています。ライブラリにはエージェントが継続的に追加されています。以下は、現在お客様の生産ワークフローで使用されているエージェントのハイライトです。
- コアタイプ推薦エージェント: ソルバーとワークロードに適したハードウェアを推奨し、ベンチマークや提出に関するあらゆる判断の出発点となります。
- 入力検証エージェント: 入力ファイルを送信する前にエラーを検出するため、エンジニアは数時間ではなく数秒でエラーを発見できます。
- ジョブトラブルシューティングエージェント: 失敗したジョブを診断し、修正案を提案し、承認を得て適用し、再送信する。ジョブが正常に実行されるまでこのプロセスを繰り返します。
- ジョブ失敗要約エージェント: 失敗したジョブのログを読み取り、何がどこで問題だったのかを分かりやすい言葉で説明します。
- レポート生成エージェント: 完了したシミュレーションキャンペーンを、テンプレートに基づいて、調査結果、グラフ、推奨事項を含む洗練されたレポートに変換します。
- 求人オーガナイザーエージェント: すべての作業を適切なフォルダに配置し、横断的な側面に基づいてタグ付けすることで、散らかった作業スペースを整理します。
- コンピューティング構成ベンチマークエージェント: スイープを実際に実行することで、ワークロードに対して最適な時間、コスト、またはバランスを実現するコンピューティング構成を見つけ出します。
- キューインテリジェンスエージェント: キューデータを、ジョブの待ち時間、待ち時間の原因、変更すべき点など、回答に変換します。
- 予算管理担当者: コンピューティング予算を監視し、支出が変動した理由を説明し、四半期末までに予算の再配分を推奨する。
- ナレッジベースエージェント: 組織が取り込んだドキュメントに対して意味検索と推論を可能にし、他のエージェントの回答を組織の参照資料に基づいて構築します。
各エージェントは、構築の基盤となるものです。その上に独自の専門知識や組織の状況を適用したり、決定論的なワークフローのノードとして組み込んだり、それらを連結することで、単一のエージェントだけではカバーできないシミュレーションライフサイクルのより広範な領域を網羅できます。
真の価値はワークフローにある
エージェントエンジニアリングがAIコパイロットモデルと異なる点はここにあります。コパイロットは一度に1つのタスクを支援します。一方、エージェントエンジニアリングでは、コンテキストに基づいて上記のエージェントをオーケストレーションし、ジョブ実行前から結果が出るまで、シミュレーションライフサイクル全体にわたる単一のエンドツーエンドのワークフローを構築することが求められます。CAEワークフローの3つのステージにおけるその様子を以下に示します。
- 事前準備 – セットアップと計画： Coretype Recommendation Agentはワークロードに適したハードウェアを提案し、Input File Validation Agentは1コア時間消費する前に設定をチェックします。
- 実行中 – 監視とトラブルシューティング： ジョブトラブルシューティングエージェントは、障害を検知し、ログから診断を行い、承認を得て修正を適用して再送信します。
- レース後 – 結果と報告： レポート生成エージェントは、結果を承認基準に照らし合わせて統合し、調査結果の草案を作成します。
単一のエージェントがこれらすべてを実行するわけではありません。しかし、それらが統制されたワークフローの中で連携し、適切なタイミングで人間のレビューのために一時停止することで、エンジニアはすべてのステップを操作する役割から、プロセス全体にわたるレビュー、承認、意思決定を行う役割へと移行します。
そこにこそ、価値が複利的に増大する理由があります。エンドツーエンドのワークフローは、単に時間を節約するだけでなく、再現可能なプロセスを資産として確立します。設計の反復ごとに価値が蓄積され、それを実行するすべてのエンジニアとチームにその効果が波及するため、組織全体がそれぞれの改善の恩恵を受けることになります。
コンテキストが自動化をエンジニアリング判断へと変える
たとえ最高のエージェントアーキテクチャであっても、コンテキストがなければ不十分です。汎用モデルは、ソルバーの規約、テンプレート、受け入れ基準、過去のキャンペーン履歴などを把握していません。こうした背景情報がなければ、あらゆる推奨事項は教科書通りの回答に過ぎず、もっともらしくは見えるものの、目の前の問題に対して十分な具体性を持ち合わせていません。
エージェントが過去のシミュレーション、標準規格、プロジェクト決定に関する構造化された履歴を活用できる場合、彼らはもっともらしい反応から根拠に基づいた反応へと移行する。
- 要件の解釈： バッテリーパックの新しい熱要件を読み取るエージェントは、同様の作業に関する過去の計画を検索し、新しい事項について判断が必要な箇所を特定します。
- 故障診断： エージェントがエラーを組織内の類似の障害履歴と、過去に効果があった修正方法と照合することで、診断精度が向上します。
- 結果の解釈: エージェントが現在のキャンペーンを過去のキャンペーンと比較し、何が変わったのかを説明すると、解釈がより明確になる。
接続されたデータソースと専用に構築された知識システムを通じて、組織的な知識をアクセス可能にすることが、基本的な自動化と信頼できるエンジニアリングパートナーを分ける決定的な要素です。具体的には、部品、要件、テスト、結果を個別の記録ではなく、接続されたデータとしてモデル化することで、エージェントが設計変更や過去の失敗が目の前の意思決定にどのように関連しているかを追跡できるようにします。この構造の仕組みについては今後の記事で詳しく説明しますが、現時点での要点は、コンテキストこそが自動化をエンジニアリング判断へと変え、次のレベルの能力を実現するということです。
エージェント加速型未来構築への道筋
エージェントエンジニアリングはまだ発展途上の急速な分野であり、現時点でライフサイクル全体にわたる包括的なソリューションを提供するベンダーは存在しません。この分野をリードするのは、エージェントの数が最も多い組織ではなく、プロセスから着手し、最も摩擦の大きいボトルネックを最初に解決する組織でしょう。
Rescaleが目指しているのは、まさにこのアプローチです。エンジニアが実際に直面するユースケースに基づいてテストされた専用エージェントは、組織データに基づき、各チームに合わせてカスタマイズ可能で、エンジニアリング組織が求める標準に準拠しています。顧客が構築するすべてのワークフローは、設計の反復ごとに、またそれを採用するすべてのユーザーとチームにおいて、価値が複利的に増大します。
急速に進化するエージェント技術の世界において、お客様一人で乗り越えていく必要はありません。当社のドメインエキスパートと導入ソリューションチームと連携し、既存のワークフローをマッピングし、お客様独自のコンテキストをエンコードし、エージェントによるエンジニアリング加速というビジョン実現に向けて構築することで、エンジニアはオーバーヘッドに費やす時間を減らし、より重要な意思決定に時間を割けるようになります。
実際に動作を確認する準備はできましたか? デモ版の申し込み どうやって見るか Rescale Agentic Engineering 要件定義から意思決定まで、シミュレーションのライフサイクルを変革し、エンジニアが主導権を握れるようにするインテリジェントな自動化を実現します。