その 2026年 NAFEMS アメリカ 今回の会議では、デジタルエンジニアリングにおけるAIに関する議論が本格化したことが明らかになった。1年前は、シミュレーションにおけるAIに関するセッションは概して探索的なものだった。しかし今年は、プログラムのかなりの部分がAIの導入、その有効性、課題、そして今後の展望に費やされた。エンジニアの日常業務の様々な側面にAIを適用することが、NAFEMSのグローバルなセッション全体を通して主要なテーマとなり、ほぼすべての産業分野と物理学分野が議題に上った。

エージェントエンジニアリング：真のインパクト、人間同士の協働が不可欠

エージェント駆動型シミュレーションワークフローに関するセッションは、カンファレンスで最も多くの参加者を集めたセッションの一つでした。議論の中心となったのは、エージェントがエンジニアリング分野にふさわしいかどうかではなく、いかに責任を持って導入するかという点でした。実務担当者は、自律的なジョブオーケストレーション、エラー検出、後処理、構造化レポートといった、ワークフローに特化した具体的なユースケースを求めています。「エージェントによる変革」という広範な枠組みは懐疑的な見方を生み、具体的なユースケースこそが関心を呼ぶのです。

質疑応答全体を通して一貫していたテーマは、エンジニアが常に制御権を維持したいと考えているということだった。ヒューマン・イン・ザ・ループのチェックポイントは設計上の必須要件である。最も説得力のあるデモでは、エージェントが黙って決定を下すのではなく、エンジニアに決定を提示する様子が示された。この枠組みは共感を呼んだ。誤りを識別し（そして人間の介入を待つために一時停止する）ことができる自律型エージェントは、単に実行するだけのエージェントよりもはるかに信頼できると見なされた。

Rescaleのブースを訪れた参加者からのアンケートデータは、イベントの重要なテーマを裏付けています。大多数（55%）は、まだ 手動で シミュレーションの各ステップ間で結果を渡す場合、例えば、出力結果をダウンロードして次のツールに再アップロードしたり、次のチームに引き継いだりする場合などです。エージェント型ワークフロー自動化は既にこの問題に取り組み始めていますが、導入初期段階では信頼を段階的に築いていく必要があると、実務担当者は明確に述べています。

AI物理学：高い関心と高い検証基準

物理学に基づいたAIとサロゲートモデリングは、複数のセッションや廊下での会話を通して活発な議論を巻き起こした。エンジニアたちは、サロゲートモデル、次数削減モデル、物理学に基づいたニューラルネットワークを明確に区別し、それぞれに異なる証明基準を適用した。

実装における最も一貫して挙げられた障壁は、データの入手可能性であった。代理モデルのトレーニングには、大規模な構造化シミュレーションデータが必要となるが、多くのチームにとって、そのようなデータは利用可能な形式で存在しないか、あるいは互いに連携していないシステムに分散している。 

ある実務家は、ストレージ管理のためだけにシミュレーションデータを定期的に削除し、意思決定データのみを保持している組織があると指摘した。つまり、休眠状態にある、あるいはこれまで利用できなかったデータを活性化させるエージェント型ワークフローは、大規模なAI物理学にとって不可欠な前提条件となる。

実践者が尋ねていること、そしてテストしていること

カンファレンス全体を通して行われた質疑応答セッションは、プレゼンテーションそのものと同じくらい有益だった。いくつかの質問が繰り返し出てきて、真の課題がどこにあるのかが明らかになった。

マルチテナント型のクラウド環境において、知的財産権とシミュレーションデータをどのように保護すればよいでしょうか？ データガバナンスは、AIツールに限らず、あらゆるツールにおいて最も一貫して信頼性を阻害する要因となっている。チームは、データの分離、アクセス制御、所有権について明確な回答を求めている。

AI物理学を導入するには、高度なデータサイエンスの知識が必要ですか？ 組織が望む答えは「いいえ」です。なぜなら、彼らの目標は、組織内および製品バリューチェーン内のより多くの役割でAI手法を利用できるようにすることだからです。最も注目を集めた導入事例は、機械学習エンジニア向けではなく、シミュレーションエンジニア向けに構築されたものでした。つまり、新たなスキルセットを必要とせず、既存のワークフローに適合するツールだったのです。

AIが生成するレポートは、実際どれほど優れているのだろうか？ 実務担当者は、反復的でエラーが発生しやすい報告業務をエージェントに移行したいと考えているが、エージェントが生成するレポートが、彼らが重視する重要な情報を捉え、調査結果を正確に要約できるという確証を求めている。設計と性能のトレードオフを考慮した多分野にわたるエージェント分析レポートは、強力な出発点と見なされており、時間を節約できるものの、最終的な決定を下す前に専門家によるレビューが必要となる。この枠組みは正しく、NAFEMSのエンジニアは、まさにここにエージェントの真の価値が表れていると認識した。

ブースでの会話でも同様の傾向が見られた。AIエージェントに最も自律的に処理してほしいことは何かと尋ねたところ、参加者の意見は2つの優先事項にほぼ均等に分かれた。A）エラーの検出と修正、B）最適な候補を推奨するための設計バリエーションの検討。どちらも、現在手作業による労力と時間が最も多く費やされている分野に直接的に関連している。

Rescaleが議論にもたらしたもの

Rescaleは、エージェントワークフローとAI Physicsインフラストラクチャに焦点を当てた2つのセッションをカンファレンスで発表しました。参加者の積極的な反応は、私たちがこれまで目指してきた方向性を改めて確認するものでした。エンジニアの皆さんは、プラットフォームの機能から具体的なワークフローの結果へと議論が移った際に、特に熱心に意見を述べてくれました。具体的には、「エージェントはソルバーで実際に何をするのか？」「AI Physicsは既存のパイプラインにどのように組み込まれるのか？」「現在のワークフローの中で、何が変わり、何が変わらないのか？」といった点です。

今年初めのGTCで、 リスケールとマクラーレンは実証した この種のAIファーストエンジニアリングとは、エージェントが複数ステップの空力シミュレーションを実行し、ジョブのオーケストレーションを処理し、結果をリアルタイムで表示するものです。マクラーレンとのコラボレーションは、シミュレーションワークフロー内でAI駆動型エンジニアリングを導入するチームが、エージェント型エンジニアリングをどのように活用するかを示す強​​力な実証例となりました。Rescaleは、エージェント型AIの活用を始めたばかりのチームから、高度な機能を求めるチームまで、あらゆる規模のチームが利用できる導入方法を提供しています。

リスケールの 2026年春のプラットフォームローンチ その勢いを活かし、AI Physics OSを、大規模なサロゲートモデルの開発、展開、管理のためのエンドツーエンドのフレームワークとして導入し、会議を通して実務家から提起されたデータ、ワークフロー、コンピューティングに関する課題に直接的に対処しました。

今後の兆候とシグナル

NAFEMS Americas 2026からは、今後1年間で工学AIがどのように発展していくかを形作る3つのパターンが浮かび上がった。

インフラが結果を左右する。 クラウドネイティブスタックとアクセス可能なシミュレーションデータを備えたエンジニアリングチーム 文脈付きガバナンスが明確に定義されている企業は、そうでない企業よりもはるかに速いペースでエージェント型ワークフローを導入しています。成熟した導入企業と初期段階の導入企業との差は拡大しており、その原因はツールの選択だけでなく、根本的な選択にあります。

データこそが、AI物理学における真の制約要因である。 「データ準備状況」に関する懸念は、特に代理モデルにおいては現実的な問題ですが、成熟したプログラムを持つ実務家は、その回避策を模索しています。休眠状態にある過去のデータを活用するエージェント、訓練データセットの不足を補う制御方程式、シミュレーション時点でのより優れたデータ収集などは、いずれも活発に研究されている分野です。

信頼はプラットフォームレベルではなく、ワークフローレベルで築かれるものだ。 エンジニアはAIを抽象的に評価しているわけではありません。彼らは、失敗したジョブのトラブルシューティング、後処理レポートの生成、次の設計案の提案など、具体的な作業におけるAIの活用度を評価しています。信頼できるデモ、ガバナンス、そして（現時点で）AIができることとできないことについての正直な説明によって、エンジニアのこうした具体的なニーズに応えるベンダーが勝利を収めるでしょう。

シミュレーション業界は急速に進化しています。NAFEMS Americas 2026では、エンジニアリングにおけるAIがパイロット段階から実用段階に移行したことが確認されました。そして、先行しているのは、インフラストラクチャ、データガバナンス、ワークフローの基盤を最初に正しく構築したチームです。Rescaleは既にこれを導入しています。実験段階から実用段階への移行準備が整っているなら、Rescaleは 　 そこへ到達するためのプラットフォーム – 私たちのチームに連絡してください 始めるために。

RescaleのエージェントエンジニアリングおよびAI物理学プラットフォームの詳細については、こちらをご覧ください。 Rescale.com.