スイッチボードとスイッチギアの違いを知るのは難しい場合があります。両方とも電気配電と保護装置です。それらを説明する用語でさえ似ています。どちらが用途に適しているかを知ることは、故障を軽減し、アークフラッシュイベントから保護し、過剰購入なしでコード要件を満たすために必要です。 スイッチボードとスイッチギア、いつどちらを使うべきか スイッチボードとスイッチギアの両方は電力配電と保護を提供します。いつ一方を他方より良く使うべきでしょうか？ スイッチボードとは？ スイッチボードは、フレーム上の大型パネルまたはパネルのアセンブリです。スイッチ、バスバー、過電流保護装置（サーキットブレーカーやヒューズなど

タップテストの原理と目的 タップテストでは、装置付きハンマーを使用して構造体を励振し、変換器（加速度計など）で振動応答を測定します。このテストの目的は、選択した機械構造の周波数応答関数（FRF）を特定することです。FRFが得られれば、安定性マップを算出でき、チャッターを発生させる主軸回転速度と軸方向切込み深さの組み合わせ（青い境界線の上）と、発生させない組み合わせ（境界線の下）を分離できます。これにより、試行錯誤なしで安定した加工パラメータを選択可能になります（図1参照）。 図1：フライス加工安定性マップ。出典（すべての図）：Tony Schmitz FRF測定に必要な基本ハードウェア 注

プログラマブル・ロジック・コントローラ（PLC）の信号取得とデータ分析 プログラマブル・ロジック・コントローラ（PLC）は、信号レベルの情報提供だけでなく、コントローラの用途に応じてデータの取得と分析も可能です。PLCの最も基本的な用途である信号取得では、分析とテストのために一連の値を取得・記録できます。 PLCで取得した値はチャートに入力・表示し、実測値セットの頻度と変動を理想値セットと比較できます。一部の値セットでは、PID制御スキームによる補正が必要です。これは、オーバーシュートやアンダーパフォーマンスといったエラーを表すチャート上のスパイクとして現れます。 ラダー・ロジック・コードを使

UiPathでは長らくエージェンティック・マインドセットで生きてきました。デモを作るだけでなく、本番で出荷し、スケールし、実エンタープライズのカオスを生き延びるエージェントを作ります。 大規模言語モデル（LLM）を本番に繋いだことがあれば知っているはずです：壊れるのはプロンプトではありません。それらを取り巻くすべてです。エラー・ハンドリング、コンテキスト管理、ツール契約、トレーサビリティ。だからこそUiPath StudioのAgent Builderを今の形で構築しました。AIエージェントを本物のソフトウェア・コンポーネントのように動かすために必要な制御と観測可能性を提供したかったのです。

ビジネスリーダーは、かつてないスピードで「より少ないリソースでより多くのことを」求められています。しかし、組織は部門、システム、ワークフローにまたがるますます複雑なプロセスランドスケープに直面しています。紙の上ではきれいに見えるプロセスも、現実には迂回、例外、非効率に満ちており、成長を阻害しています。大規模組織では通常175以上のシステムを使用しており、複雑さは容易に手に負えなくなります。 そこでゲームチェンジャーとなるのがプロセス・インテリジェンスです。プロセス・マイニング、タスク・マイニング、AIを活用した分析を組み合わせることで、人、システム、チームを横断して仕事が実際にどう進んでいる

推論モデルは進化したが、本番化は依然として難しい 推論モデルは急速に進歩しました。システムは今や文書を解析し、コードを書き、かつて研究の領域だった判断を下せます。しかしこれらの進歩にもかかわらず、ほとんどのAIイニシアチブは、一貫性、ガバナンス、信頼性が求められる本番環境へ到達できていません。実際、最近のMITレポートでは、AIプロジェクトのごく一部しか日常業務に組み込まれていないことが判明しています。 2025年の旗艦カスタマー・イベントFUSIONのメインステージに登場したLlamaIndex創業者ジェリー・リューが、この課題を見事に要約しました： 「AI導入の最大の障壁は、これらのモデル

企業がエージェンティックAIへ移行する中、リーダーたちは差し迫った問いに直面しています：誰がビジネス全体でAIエージェントを構築、導入、運用するのか？ 2025年「エージェンティック・オートメーション・プロフェッショナルの現状」レポートは、多くの組織内にすでに存在する、明確だがしばしば過小評価されている資産を指し示します：オートメーション・プロフェッショナルです。 彼らはビジネス・プロセスを理解し、エンタープライズ・システムと密接に働き、すでにAIを日々の開発業務に統合しています。彼らの経験は、経営幹部にAI対応ワークフォースがどう形成され、エージェンティック能力がどう形になり始めるかの、現実

エージェンティックAIがテスターを拡張することで、テスターがバリュー・チェーンの上流へ移動し始めているのを目にしています：「どうやってテストするか」ではなく「何を、なぜテストすべきか」により多くの時間を費やすようになっています。システム、ユーザー、リスクについてより多く推論するようになり、反復的なチェックの自動化に時間を注ぐことが減っています。 要するに、エージェンティックAIにより、努力が「どう」から「何」と「なぜ」へ、より高価値な思考作業へシフトしています。シンプルなモデルにマッピングすると、そのシフトはこんな感じです： 以下は、このシフトで見られる最大の「何」と「なぜ」についてのいくつか

2026年に向けて「よし、今年こそAIをビジネスで本気で機能させるぞ」と思っているかもしれません。しかしAIエージェントの台頭と、かつてない速さで進むAIイノベーションにより、キャッチアップはます難しくなっています。 あなただけではありません。多くの企業が、実際にスケールし、測定可能なビジネス・インパクトをもたらす形でエージェンティックAIを導入する方法をまだ模索しています。アクセンチュアとウィプロの最近の調査では、エージェンティック・イニシアチブの70〜80%がエンタープライズ・スケールに到達していません。 しかし、それが組織の前進を止めることはありません。NTT株式会社とWSJインテリジェ

エージェンティック・オートメーション（主体的自動化）が勢いを増す中、組織はインテリジェント文書処理（IDP）がエージェンティックな世界でどの位置づけになるのか、そしてAIエージェントが単純にIDPを置き換えられるのか、という疑問を抱くようになっています。 短い答えは「ノー」です。しかし、より興味深い答えは「なぜか」です。 大規模言語モデル（LLM）を搭載したAIエージェントは、テキストの読解、文書の要約、質問への回答を驚くほど流暢にこなせます。しかし、エンタープライズグレードのエージェンティック・オートメーションには、言語理解以上のものが求められます。大量の文書やコミュニケーションにおいて

過去1年間、同業の最高情報セキュリティ責任者（CISO）とのほぼすべての会話が、同じ緊張関係を中心に展開してきました：どうすればリスクを増やさずにエージェンティックAIをエンタープライズに導入できるか？ 最近、UiPath共同創業者兼CEOのダニエル・ダインズが「企業はAIエージェントとオートメーションのスピードと知性を求めるが、決してセキュリティや統制の犠牲の上ではではない」と述べました。その観察は、業界を問わずセキュリティリーダーから聞く声と一致します。 問題はもはやエージェントが我々のエンタープライズ内で動作する「かどうか」ではありません。2025年がそれを答えました。真の問いは、我々が

AIエージェントはデモから、実データ、実システム、実ビジネス成果に触れる本番ワークロードへ移行しつつあります。G2の2025年AIエージェント・インサイトレポートによると、57%の企業がすでに本番環境でAIエージェントを稼働させており、これがもはや実験段階ではない明確なシグナルです。しかし本番導入に伴い、新たな運用負担が生じます：ツールアクセス制御、監査可能性、ドリフト検知、暴走コスト防止。 このシフトは、ITとテクノロジーリーダーに新たな運用規律を要求します。 AgentOps（エージェント運用の略）は、本番環境でのAIエージェントのフルライフサイクルを管理するための新たなプラクティス群です

モデル性能の進歩（例：Claude Opus 4.6のハイブリッド推論と100万トークン・コンテキストウィンドウ）とエージェント・ハーネス設計の進展（計画ツール、ファイルシステム使用、スキル、ガードレール）により、以前はAIエージェントのスコープ外だったビジネスクリティカルなプロセスが、今や本番環境で実行可能になっています。 しかしモデルの向上だけでは不十分です。文脈を持続し、ツールを知的に管理し、計画を適応させる高度なエージェント・ランタイムと組み合わせることで、数時間から数日にわたる複雑なクロスシステム・ワークフローにおいて、エンタープライズグレードの信頼性が解き放たれます。 最近まで、ほ

AIがソフトウェアデリバリーのダイナミクスを変えています。コードはより速く作られ、より頻繁に変更され、ますます複雑なアプリケーションランドスケープを通じてプッシュされます。このシフトは品質チームに新たな問いを突きつけます：制御を失わずにどう追従するか？ 今日のテストにおける多くのAI機能は、個別タスクの加速に役立ちます。テスト生成、結果サマライズ、オートメーション作成支援など。それらの利得は重要です。 しかし、テストの次世代を定義するのは、孤立したAI機能ではなく、組織がいかにAIをエンタープライズ全体で運用化できるかです。 そこがエージェンティック・ソフトウェア・テストの始まりです。 エージ

エンタープライズリーダーたちは過去2年間、エージェンティックAIの導入根拠を構築してきました。PoC、パイロット、会議室を唸らせる社内デモ。それらの多くは有望でした。 しかし、顧客から繰り返し聞くのは、動くAIパイロットと、実際にビジネスを動かす複雑でハイステークスなプロセスとして本番稼働させることの間には、誰も予想していなかったほど大きなギャップがあるということです。技術が問題なのではありません。課題は、AIを実際のビジネスを支える複雑でハイステークスなプロセス全体で確実に動作させることです。 顧客が求めているのはプラットフォームではなく、成果です。優れたツールがあっても、エンドツーエンドの

パフォーマンステストにはブランディングの問題があります。 いつしかパフォーマンステストは専門家の領域となり、パーセンタイルで語り、スレッドプールをチューニングし、リリース2週間前にプロセスに参加する人々のものになりました。そのモデルはかつて機能しました。しかし、もはや機能しません。 モダンアプリケーションはレガシーシステム、API、AIサービス、UI層、サードパーティ統合にまたがり、週単位、時には日単位で進化します。顧客はすべてが瞬時であることを期待します。そして「遅い」ことは「ダウンタイム」と同義です。 パフォーマンスをサイクルの末端に置くことはできません。少数の専門家グループに任せることも

厳格に規制された産業は、「エージェンティックAIのパイロットトラップ」から抜け出せずにいます。例えば、損害保険会社の78%が最新AIを導入しているにもかかわらず、わずか4%しかクレーム業務全体にスケールできておらず、エンドツーエンドのクレーム変革を試みたのは27%にとどまります。AIが最も価値を発揮すべきクレーム領域が、ほぼすべての企業でPoC（概念実証）段階に留まっているのです。 今日のAI搭載コーディングツールにより、誰もがビルダー気分を味わえ、企業はチームに最新AIアシスタントでのプロトタイピングを推奨しています。しかし、多くの小規模・個人の生産性向上パイロットが成功している一方で、トラ

近年、AIの導入によりエンタープライズ・オートメーションの力とインパクトが増大し、さらなる効率と生産性の向上を目指せるようになりました。同時に、これらのオートメーションが支えるプロセスも複雑化しています。サイロ化されたエンタープライズシステムへの投資が進み、平均的な大企業ではワークフロー全体で175以上のエンタープライズアプリケーションを使用しています。データはよりサイロ化し、プロセスはより断片化しました。ワークフロー内の多くの判断は明確ではなく、人の介入を必要とします。これらすべてが運用負荷を増大させます。さらに、プロセスの複雑さゆえに、それらを一貫して監視、最適化、完全自動化することはでき

マッキンゼーは、AIが世界の生産性を大きく牽引すると予測しています。またPwCは、2030年までにAIが世界経済に最大15.7兆ドルの貢献をもたらすと試算しています。世界各国政府はこの可能性を認識し、自国経済へのプラスの影響を最大化するための措置を講じています。英国（UK）もその一例で、最近「AI機会アクションプラン」を発表し、AIの開発・導入における英国の役割を強化する50の提言を示しました。 英国政府の2025年AI機会アクションプランは、AIが英国経済にもたらす機会を政府が重要視していることを明確に示すものです。 UiPathはこの前向きな戦略を歓迎し、特にヘルスケア分野、英国発の人材育

DeepSeek R1のような新AIモデルは大きな可能性を秘めていますが、ガバナンス、セキュリティ、ベンダーロックイン回避について重要な疑問を投げかけます。UiPathは、企業が妥協なくイノベーションとセキュリティの両立を達成できると信じています。この記事では、DeepSeek R1リリースへの私の考えと、UiPathがいかにお客様の最先端AIの安全かつ効果的な採用を支援するかを共有します。 DeepSeek R1：課題と機会 初期分析では、DeepSeek R1がGPT-4やGeminiのような主要モデルと匹敵する能力を、コストの一部で持つことが示唆されています。そのオープンソース性により誰