論文の概要: Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities
- arxiv url: http://arxiv.org/abs/2604.09633v1
- Date: Thu, 19 Mar 2026 22:36:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.583051
- Title: Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities
- Title（参考訳）: エンジニアリングと製造業におけるエージェントAI: 実用性、採用、課題、機会の産業的展望
- Authors: Kristen M. Edwards, Maxwell Bauer, Claire Jacquillat, A. John Hart, Faez Ahmed,
- Abstract要約: この研究は、AI、特にエージェントシステムがエンジニアリングと製造にどのように採用されているか、今日の価値、より広範なデプロイメントに必要なものについて調べる。
近い将来のAIは、構造化された、反復的で、データ集約的な作業を中心にクラスタを獲得し、高い価値のエージェントは、ツールをまたいだマルチステップ作業のオーケストレーションから得ます。
採用は、断片化やマシン不フレンドリなデータ、厳格なセキュリティと規制要件、限定的なAPIアクセス可能なレガシツールよりも、モデル能力によって制限される。
- 参考スコア（独自算出の注目度）: 3.312613459249274
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This work examines how AI, especially agentic systems, is being adopted in engineering and manufacturing workflows, what value it provides today, and what is needed for broader deployment. This is an exploratory and qualitative state-of-practice study grounded in over 30 interviews across four stakeholder groups (large enterprises, small/medium firms, AI developers, and CAD/CAM/CAE vendors). We find that near-term AI gains cluster around structured, repetitive work and data-intensive synthesis, while higher-value agentic gains come from orchestrating multi-step workflows across tools. Adoption is constrained less by model capability than by fragmented and machine-unfriendly data, stringent security and regulatory requirements, and limited API-accessible legacy toolchains. Reliability, verification, and auditability are central requirements for adoption, driving human-in-the-loop frameworks and governance aligned with existing engineering reviews. Beyond technical barriers there are also organizational ones: a persistent AI literacy gap, cultural heterogeneity, and governance structures that have not yet caught up with agentic capabilities. Together, the findings point to a staged progression of AI utility from low-consequence assistance toward higher-order automation, as trust, infrastructure, and verification mature. This highlights key breakthroughs needed, including integration with traditional engineering tools and data types, robust verification frameworks, and improved spatial and physical reasoning.
- Abstract（参考訳）: この研究は、AI、特にエージェントシステムがエンジニアリングと製造のワークフローにどのように採用されているか、今日の価値、より広範なデプロイメントに必要なものについて調べる。
これは、4つの利害関係者グループ(大企業、中小企業、AI開発者、CAD/CAM/CAEベンダー)の30以上のインタビューに基づいた、探索的で質的な実態調査である。
近い将来のAIは、構造化された反復的な作業とデータ集約的な合成に関するクラスタを獲得し、高い価値のエージェント的ゲインは、ツールをまたいだマルチステップワークフローのオーケストレーションから得られます。
採用は、断片化やマシン非フレンドリなデータ、厳格なセキュリティと規制要件、APIアクセス可能なレガシツールチェーンの制限よりも、モデル能力による制約が少ない。
信頼性、検証、監査は、採用のための中心的な要件であり、既存のエンジニアリングレビューと一致した人為的なフレームワークとガバナンスを推進します。
技術的な障壁以外にも、永続的なAIリテラシーギャップ、文化的異質性、エージェント機能にまだ追いついていないガバナンス構造など、組織的なものもあります。
調査の結果は、信頼性、インフラストラクチャ、検証が成熟したとして、AIユーティリティの段階的な進歩を、高次の自動化に向けた低コンシークエンス支援から実現していることを示している。
これは、従来のエンジニアリングツールやデータタイプとの統合、堅牢な検証フレームワーク、空間的および物理的推論の改善など、必要な重要なブレークスルーを強調している。
関連論文リスト
- Artificial Intelligence as a Catalyst for Innovation in Software Engineering [0.0]
この記事では、アジリティを向上し、イノベーションを促進するための強力な触媒としてAIがどのように機能するかについて説明する。
AIの統合(特に機械学習(ML)と自然言語処理(NLP))は、面倒なタスクの自動化を促進する。
論文 参考訳（メタデータ） (2026-03-11T17:20:30Z) - Agentic Pipelines in Embedded Software Engineering: Emerging Practices and Challenges [2.0769172070951067]
ソフトウェア開発において、生成AIの急速な採用によって、新たな変革が進行中である。
しかし、組み込みソフトウェアエンジニアリング組織にとって、これはAIを安全クリティカルでリソースに制約のある環境に統合する最初の経験となる。
決定論、信頼性、トレーサビリティの厳格な要求は、生成技術の採用に固有の課題をもたらす。
論文 参考訳（メタデータ） (2026-01-15T09:30:46Z) - AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities [8.086360127362815]
大規模言語モデル(LLM)ベースのコーディングエージェントは、コンパイラ、デバッガ、バージョン管理システムなどのツールを自律的に計画し、実行し、操作する。
従来のコード生成とは異なり、これらのエージェントは目標を分解し、多段階プロセスをコーディネートし、フィードバックに基づいて適応し、ソフトウェア開発のプラクティスを再構築する。
論文 参考訳（メタデータ） (2025-08-15T00:14:31Z) - A Survey on Agent Workflow -- Status and Future [2.817843718857682]
この調査は、エージェントワークフローシステムの包括的なレビューを提供する。
既存のシステムを機能機能機能とアーキテクチャの2つの重要な側面に沿って分類する。
共通パターン、潜在的な技術的課題、新たなトレンドを強調します。
論文 参考訳（メタデータ） (2025-08-02T04:15:30Z) - AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。
まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。
第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。
第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
論文 参考訳（メタデータ） (2025-06-14T12:43:07Z) - Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI [0.36868085124383626]
レビューでは、AI支援ソフトウェア開発の新たなパラダイムとして、バイブコーディングとエージェントコーディングの2つを包括的に分析している。
Vibeのコーディングは、インプットベースで対話的なインタラクションを通じて、直感的で、ループ内の人間間インタラクションを強調する。
エージェントコーディングは、最小限の介入でタスクを計画、実行、テスト、反復できる目標駆動エージェントを通じて、自律的なソフトウェア開発を可能にする。
論文 参考訳（メタデータ） (2025-05-26T03:00:21Z) - Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。
まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。
我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文 参考訳（メタデータ） (2025-05-13T17:59:20Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。