機械エンジニア

米国。統計局は、機械エンジニアの雇用が2025年から2035年に11%増え、全職業の平均を大きく上回り、年に約17,800件の求人があると予測している。自動化と技術革新がこの働き手への需要を生むにつれて雇用が増えると見込まれ、製造工程がより複雑な自動化機械を取り入れるにつれて、その設備を既存のシステムに組み込む手助けをする機械エンジニアが必要になると見込まれるという。数えているのは一国の職であって、タスクではない。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

商用の有限要素ツールである COMSOL Multiphysics をその API を通じて操作し、モデルに解かせる工学問題のベンチマーク。最良の戦略は88%の割合で実行可能な API 呼び出しを生成した。しかし論文によれば、厳しい基準——正解の10%以内に収まる有効な目標値——をモデルが満たしたのは、二つの実験でそれぞれ一つの問題だけであり、ゴールド問題では Claude 3.5 Sonnet が有効な目標値を出せたのは15問中1問だった。2024〜2025年のモデルによる小規模なプレプリントのベンチマークであり、著者の雇用主は試されたモデルの一つを開発している。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

自然言語の指示200件と、専門家が注釈をつけた CAD のスクリプトコードを組にした学術的なベンチマーク。GPT-4 が生成したコードは96.5%の割合でコンパイルが通り、Gemini は85%、CodeLlama は73.5%だったと報告している。著者たちは、生成されたスクリプトが描く3Dの物体は指定の要件を満たさないことがあると述べ、だからこそ検証の手順を提案している。測っているのはスクリプトが動き、目標に似ているかどうかであって、部品が製造可能か、正しいかではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

学生の競技会 Formula SAE の規則文書をもとに、MIT Motorsports チームの CAD の画像と技術図面を使って作られたベンチマーク。試されたモデルは、有望ではあるものの、関連する規則を確実に取り出すことに苦戦し、CAD の画像で技術的な部品を見分けることに課題があり、技術図面の解析に困難があったと報告している。規則文書の全体を与えられても、GPT-4o は特定の規則を確実に抜き出せなかった。2024年時点のモデルを一つの競技会の規則で試したものであり、著者の何人かは設計ソフトウェアの会社で働いている。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

欧州連合。この規則は Annex I Part A に、機械学習の手法を用いて完全にまたは部分的に自己進化する挙動をもち、安全機能を担う安全部品と、そうした組み込みシステムをもつ機械を挙げており、これらについて製造者は第三者の適合性評価の手続きを適用しなければならない。その必須要件は、リスク評価は機械の自己進化する挙動の意図された進化として予見できる危険を含まなければならないとしている。適用は2027年1月14日からである。製造者を拘束し、機械がどう評価されるかを定めるものであって、技術者のタスクが自動化されるかどうかではない。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

NASA ゴダード宇宙飛行センター、市販の生成設計ソフトウェアを使う一人の技術者の取り組み。CAD の専門家がミッションの要件から始め、部品が接続する面を描く。するとソフトウェアが最短で一、二時間のうちに複雑な構造の設計を作り、この技術者によれば、進化させた部品は従来の部品に比べて最大で三分の二の重量を減らすという。彼はまた、アルゴリズムは構造を薄くしすぎることがあるので人の目が要ると述べ、部品は NASA 標準の検証ソフトウェアと手順で解析される。数字はこの手法を先駆けた技術者から出ており、一つの組織の利用である。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

米国テキサス州。この法律によれば、免許を持たない者は工学の業務を行ってはならず、州内で建設または使用される事業のために免許保持者が出す図面、仕様書、区画図、報告書には、免許保持者の印章がなければならない。一方で、会社が製造する製品の研究、開発、設計、製作、生産、サービスにのみ従事する民間企業の従業員は免除されている——そのため製品設計に携わる機械エンジニアの多くは免許を要しない。ソフトウェアについては何も述べていない。

失敗、撤回、規制、あるいは費用が導入を抑えている。判断を下げる、あるいはその不確かさを広げることがある。

これから始めるなら、生成型のツールとAIアシスタントが部品、スクリプト、シミュレーションの設定を下書きし、確かめるのはあなたの仕事になると考えておくこと。長持ちする技能は、部品が何をしなければならないかを定めること、シミュレーションの数字が信頼できるかを判断すること、実物のハードウェアを試験すること——そして規制された仕事では、設計に印章を押すための免許である。

生成された形状やシミュレーションの下書きが、確かめきれないほど速く届くと考えておくこと。あなたの価値は制約、検証、安全へと移る。EU の機械の法律は2027年から機械学習の安全機能の評価を求め、自動化を加える工場はそれを組み込む技術者を必要としている。

留まって強くする

設計にとどまり、制約と検証を引き受ける

生成型のツールには、制約を定め、薄すぎる部品を見つける人が要る。シミュレーションのエージェントが助けなしに正しい数字にたどり着くことはまれである。

職の形を組み替える

機械安全と適合性評価へ移る

2027年から、EU の法律は機械学習を使った安全部品の第三者評価と、それがどう進化するかを扱うリスク評価を求める——機械とソフトウェアの両方がわかる技術者が要る仕事である。

隣へ移る

製造の自動化と組み込みへ移る

米国の予測は、より複雑な自動化機械を既存の生産システムに組み込むために技術者が必要になると見ている。

現在の証拠からは、そうはならない。生成設計とAIアシスタントは部品やスクリプトを下書きするが、ベンチマークではモデルは技術図面や規則を読むのに苦戦し、助けなしにシミュレーションの正しい答えにたどり着くことはまれである。EU は2027年から機械学習を使った安全部品に第三者評価を求め、米国の予測はこの職業が2025年から2035年に11%増えると見ている。

それに年数で答えることはしない。代わりに見ていられる信号がある——AIツールが、技術者が手を加えなくても検証を通る部品やシミュレーションを出しはじめるかどうか。そして、安全の法律が人による評価と署名を求めなくなるかどうか。今日、生成された部品はいまも人が検証しており、EU は評価の義務を取り除くのではなく加えている。

生成設計のソフトウェアは、技術者が要件、接続点、立ち入り禁止の領域を定めたあとで、部品の形状を提案する。NASA は、それが最短で一、二時間のうちに複雑な構造を作ると報告しているが、アルゴリズムには人の目が要るとも述べており、部品は使う前にいまも検証されている。

米国の予測は、雇用が2025年から2035年に11%増え、平均を大きく上回ると見ている。その理由の一つは、自動化を加える製造業者がそれを組み込む技術者を必要とすることである。仕事は、定めること、検証すること、安全へと移っていく。