生成 AI で、仕様書やコードを書く時間は確かに短くなりました。では、その答えは本当に正しいと言い切れるでしょうか。出典の分からない AI の答えを人が一から確かめ直し、品質の責任は結局、人に残ったまま──「速くはなったが、確かにはなっていない」と感じていないでしょうか。 車載ソフトウェアの開発では、設計判断の理由や過去の不具合から得た教訓といった大切な知見が、今も特定のベテランの頭の中にあります。言葉の揺れ、暗黙の前提、散らばった根拠が、知見の再利用を妨げています。 本講演では、AI とナレッジ（組織に蓄積された知識や経験）を組み合わせ、開発の効率と品質を同時に高めるための 3 つの条件を示します。 ① 答えの根拠をたどれること ② 機械が確定できる答えと、AI の助言をはっきり分けること ③ 人が承認した知見が、使うほど蓄積されていくこと この 3 条件を形にしたのが、共通基盤「AI × Knowledge」です。中心には、知識どうしを「原因 → 結果」「要求 → 設計」といった関係で結んだナレッジグラフと、用語とその関係を観点ごとに定めた共通の辞書（オントロジー）があります。そこに、文章を理解・生成する AI である LLM（大規模言語モデル）と、同じ入力には必ず同じ答えを返す規則ベースの判定（決定論エンジン）を組み合わせ、すべての回答に出どころを付けます。 この基盤の上に、用途別のパッケージを用意しています。 ■ APK（AI-Powered Knowledge Framework）── 開発・設計向け 中心となる MBSE Assist は、文書ではなくモデルを軸に要求から設計・検証までをつなぐ開発手法、MBSE（モデルベースシステムズエンジニアリング）を支援します。要求分析からテストまでの 7 工程で、規約の条項を示した指摘、変更の影響の追跡、テスト仕様の抜けの検出を機械が確実に行います。さらに、ソフトウェア品質の国際規格 ISO/IEC 25010 などを根拠に設計仕様の抜けを見つけ、過去の設計解で補います。展示では、電動パーキングブレーキ（EPB）を題材にその一端をご覧いただけます。 ほかに、設計仕様とソースコードのずれを見つけて直し方を提案する「コード解析連携 AI Assist」、故障しても危険につながらないよう設計する機能安全の分析（危険を洗い出す HARA、故障の影響と原因を調べる FMEA・FTA）と安全要求（SG・FSR・TSR）の導き出しを支える「Safety Knowledge Assist」、センサーの入力から運転操作までを 1 つの AI で行う E2E（エンドツーエンド）自動運転の開発・評価を支える「E2E Assist」があります。 ■ Prism Connect ── 工場の安全・設備・保全向け 設備やセンサー、カメラ、ロボットから集めた現場のデータを、設備イベント管理、安全監視、搬送安全、予兆スコア（故障の前ぶれの数値化）、オペレータ支援、AI ナレッジ連携の 6 つのパッケージで活かします。6 軸ロボットの実機で、異常の症状から原因の候補と確認方法を保全記録の原文付きで示す例もご紹介します。設計で得た知見を、製造・保全の現場までつなぐ仕組みです。 AI に任せきりにせず、機械が断定できる部分は確実に返し、人の判断は根拠付きで組織の資産にする。1 つの設計変更から始められる導入の進め方とあわせてご紹介します。
株式会社クリスタライト 事業企画本部 開発部 執行役員
