AIが私たちの日常と工場の設計現場を同時に動かし始めています。買い物のレコメンドから基板（PCB）設計まで、AIの介在が暮らしを便利にする一方で、新たな課題も生んでいます。本稿では最新のデータと事例を手がかりに、その全体像を分かりやすくお伝えします。

買い物AIがもたらす変化

PwCの英国データによると、英国で約25％の消費者がAIを使って商品を探しています。ここでいうAIは、チャットボットやレコメンド機能など、購入のヒントを与える仕組みを指します。オンラインでの検索時間が短くなり、個人に合わせた提案が増えています。

若年層はAIの提案に慣れており、ブランド側はAI上で目立つことを重要視するようになりました。言い換えれば、AIが“入口”のひとつになったのです。便利さは増しますが、データ利用の透明性やプライバシー保護の重要性も同時に高まっています。

ブランドと若年層の攻防戦

ユーザーがChatGPTのようなAIにプレゼント案や商品比較を頼む光景は珍しくありません。ブランドはAI上での露出を最適化するために戦略を組み替えています。AIは消費者の選択肢を広げる一方で、なぜその提案が出たのかを説明する責任も問われます。

ここで大切なのは、利便性と説明責任のバランスです。企業はデータの使い方を明示し、消費者の信頼を失わない工夫が必要です。

設計自動化の現場――人とAIの役割分担

ハードウェア設計のプロセスは大まかにsetup、execution、cleanupの3段階に分かれます。AIは候補配置や配線を高速で生成しますが、最終チェックや異常対応は人間が担当します。言い換えれば、AIは助手であり、最終的な判断は人が握る設計手法が現実的です。

QuilterのProject Speedrunはこの実践例です。設計全体の中でAIがボトルネックを潰し、人は仕上げに集中することで、効率と品質を両立させました。

Project Speedrun：843部品の基板を初回起動へ

Quilterの実証では、843個の部品を含む2枚構成のLinuxベース基板を、初回起動で動かすことに成功しました。採用CPUはNXPのi.MX 8M Miniで、メインモジュールは1.8GHzのクアッドコア、2GB LPDDR4、32GB eMMCを搭載しています。基板は8層、配線は5,141本、最小トレース幅は2 milsです。

デモでは98％の配線カバレッジを達成し、設計ルール違反はゼロ。schematicからfabricationまでの期間は従来の約11週間から約1週間に短縮されました。投資家・アドバイザーとしてTony Fadellも関与しており、実務面での信頼感を高めています。

現実的な限界と普及のハードル

現時点でのAI設計の制約は明確です。概ね10,000ピン、約10GHz程度までが現実的領域で、それを超える超高密度・超高速設計にはまだ難しさがあります。極端に複雑なボード、あるいは100GHz級の設計には追加技術が必要です。

価格はピン数ベースで請求される場合が多く、人手とほぼ同等の費用で10倍の速度を謳うケースもあります。趣味や学生向けの無償枠は用意されているものの、商用利用の普及には品質保証、製造パートナーの受け入れ、業界標準の整備が不可欠です。

今後の展望と実務への落とし込み

AI設計ツールは設計サイクルを短縮し、複数案の並列検証を可能にします。将来的にはschematic（回路図）段階へのAI適用も期待されますが、信頼性や規格適合の確認は依然として重要です。

企業や開発者が取り組むべきことは明快です。速度と品質のバランスを取り、監視とリスク管理の体制を整えること。AIに全てを任せるのではなく、どの段階で人が介入するかを設計することが、成功の鍵となります。

最後にひとつ。AIは魔法ではありませんが、正しく使えば毎日の買い物も、基板設計もずっと楽になります。ちょっとした設計ルールやデータ運用の配慮で、未来は確実に近づきます。ぜひ現場でも一歩ずつ試してみてください。