テストと計測システム向けAI

AIの積極的な活用: テストの未来

フィナンシャル・タイムズ・グループが2023年に実施した調査によると、優先すべき品質指標でうまく対応できていると答えたテストマネージャーはわずか44％でした。この統計結果は、管理職が抱えるプレッシャーやフラストレーションを浮き彫りにしており、憂慮すべき状況です。多くのチームが、エンジニアリングの複雑さとリソースの制約との間で広がるギャップを埋めるべく、意義ある変革を急いで進めています。

意義ある変革を実現するには、明確な焦点、的確な技術的判断、そして新たな道を切り拓く意志が必要です。同調査では、先進的な検証部門の多くがAIへの投資を進めており、今後5年間でこの技術を導入する予定だと回答した割合は79%に上りました。

このような大規模な変化は、多くの人にとって不確実性や不安を伴うものですが、一方で、それを受け入れた人々が自らのチームにおいて生産性を飛躍的に向上させ、他と差別化を図る大きなチャンスにもなります。新しい技術を導入する際の確信は、自らの軸を失うことなく変化に適応できる堅固な基盤プロセス、進化する技術を最小限に無駄を抑えるオープンなツールチェーン、そして導入の優先順位に関する助言を提供できる技術リーダーとの強固なパートナーシップによって支えられています。

AIの影響力と進化の可能性には疑いの余地がないものの、テスト現場のリーダーたちはこの技術に対して、答えよりも多くの問いを抱えているのが実情です。次のステップこの技術は、5年後にどのような姿になっているのでしょうか。その費用はどうでしょうか。どのモデルを採用すべきでしょうか。IPを保護するにはどうすればいいでしょうか。成功の尺度とは何ですか。 

彼らの懸念には一理あるものの、こうした「分析麻痺」が原因で、エンジニアリング部門のリーダーたちはAIの恩恵を十分に活用できずにいます。幸いなことに、すべての組織が今すぐにでも必要なステップを踏み出すことができます。これらの取り組みは多大な投資を必要とせず、AI導入による将来的な成功に向けた土台を築くことができます。 

1.今すぐデータを整理する

テストおよび計測業界においてAIを効果的かつ有意義に導入するためには、膨大なテストデータを的確に管理するための一貫性ある戦略的アプローチが常に求められます。この貴重な知見の宝庫は、従来、戦略的資産ではなく運用上の副産物として扱われ、廃棄されたり十分に活用されなかったりしてきました。

しかし現在、私たちはこのAI主導の変革を支えるために、データ管理機能の刷新を急いでいます。効果的なデータ管理戦略を今すぐ実施することで、テスト関連の組織は、新たに登場するAI技術を迅速に活用できるポジションを確立できます。 

まず、データモデルをしっかりと理解してください。

1. 収集するデータを特定し、会社やテストする製品にとって価値があるかどうかを判断します。 
2. データの欠落部分を特定し、それを補うための情報源を明らかにします。 
3. 情報源が存在しない場合は、それをどのように利用可能にできるかを検討してください。 

データモデルを理解し、適切なデータを収集していることを確認することで、AIツール導入の確かな基盤を築くことができます。

AIの利点を最大限に引き出すには、計測器が測定した数値だけでなく、より豊富な情報を含んだ質の高い計測データが必要です。異常検出や根本原因の分析を行うには、信号データそのものと同様に、その測定がどのように、どこで行われたかという文脈情報も極めて重要です。特定のDUTに紐づく環境条件、設備の健全性情報、コードバージョン、オペレータ情報などを統合した包括的なデジタルスレッドを構築することで、個々の計測結果をより深く理解および特性化することが可能になります。TestStandなどのNIソフトウェアをSystemLinkと組み合わせて使用することで、迅速な対応に必要な文脈情報を得ることができます。

AIの利点を最大限に引き出すには、大量のAI対応データにアクセスでき、それが有意義なものであるように、意図的かつ体系的な戦略を組織として構築する必要があります。計画的なデータ収集、一貫したスキーマ、整理された集中型ストレージにより、膨大な未整理の情報を整然としたデータセットへと変換でき、効果的なAI活用と実用的なインサイトの創出につながります。

2.テストに最適化されたプラットフォームを基盤として構築する

エンジニアは、ある程度の抽象化レベルで作業を行い、専門家が構築したプラットフォームを信頼して、その上にシステムや製品を構築することに慣れています。AI技術の活用も、それと同様です。

テストおよび計測用途は、物理世界とデジタル世界の境界に位置することで生じる特有の複雑さにより、他の用途とは一線を画します。実世界の信号をソフトウェアプログラムにストリーミングすること (多くの場合、高速かつ複数のソースから) により、並列処理、高速波形データの可視化、決定論的ターゲットへのデプロイなどの要件が生じます。システムは単独で機能することはほとんどなく、製品品質の判断には、異なるシステムや異なるタイミングで実施された複数のテスト結果を比較する必要があります。

テストと測定の課題に対処する際は、テスト用に設計され、必要なテクノロジーとアプリケーションに関する知識を有するグループによって構築されたNIハードウェアおよびソフトウェアのプラットフォームや、Nigel AIアドバイザなどのテクノロジーを活用してください。この技術的優位性により、高度な製品課題の解決に集中でき、汎用AIモデルを繊細なテスト環境や専門的なワークフローに無理に適用しようとして悩む必要はなくなります。

テストの未来はAIと切り離せない関係にある

テストおよび計測分野にAIを導入することで、エンジニアのテストシステム開発のあり方が根本的に変わります。初期の要件定義書から最終レポートの作成に至るまで、AIは開発の複雑さを簡素化し、的確な意思決定に必要な情報を提供するとともに、時間のかかる作業を代行して、専門分野に集中できる環境を整えます。 

将来的には、AIがテストシステム全体の設計を支援するようになります。私たちは、テストおよび計測分野の専門家として、その未来に向かって前進し続けています。汎用AIツールへの投資は基盤モデルの進化を促進し、Nigel AIアドバイザはそれらの技術の上に構築されることで、知能と性能の向上を継承していきます。 しかし、汎用モデルだけではテストおよび計測ユーザの複雑なニーズを満たすことはできません。

私たちが持つ数十年にわたるテストの経験と、整理、文脈化された計測データの基盤により、Nigelは今後もテストに特化した強力なインテリジェンスとして進化し続けます。

Nigelについて詳しくはこちら。