Yapay Zeka Yardımıyla Mekanik Tasarımları Keşfedin: Cognitive Design Systems

Cognitive Design Systems (CDS) COO’su ve Kurucu Ortağı Vincent Ung; tasarım ile üretim arasındaki kopukluk, üretken tasarımın 3D baskının nasıl ötesine geçtiği ve yapay zekanın mühendislikteki yeri hakkında bilgi verdi.

Tasarım ve Üretim Arasındaki Boşluk

Çözmeye çalıştığınız sorun nedir?

Tasarım mühendisliğinin çok daha hızlı olması gerekiyor. Yeni ürünler geliştirmeleri için mühendislere yüklenen gereksinimler artık çok daha fazla ve teknolojiyle birlikte evrimleşmemiz şart. Bu nedenle, özellikle mekanik parçalarda ürün tasarımı için döngü sürelerini hızlandırmayı hedefliyoruz.

Üç kişilik bir kurucu ekibiniz var. Bu sorunu ilk elden kim deneyimledi?

Ben makine mühendisliği kökenli değilim, aslında finans alanından geliyorum. Ancak Rhushik ve Henri makine mühendisi. Japonya’da üretim ve tasarımdan sorumlu servis bürolarında yoğun olarak çalıştılar; sorunu bizzat görüp hissettiler.
Büyük şirketlerde bir yanda mekanik tasarım, ardından simülasyon ve fizibilite çalışmaları, en sonda ise bu tasarımlar hakkında neredeyse hiç fikri sorulmayan sahadaki üretim ekipleri yer alır. Onlar bu uçurumu kapatmak istediler.
Ayrıca, bizi teşvik eden eklemeli imalat (AM) konusunda da ciddi bir deneyime sahipler.

Eklemeli imalat bu işin neresinde?

Eklemeli imalat size daha fazla tasarım özgürlüğü sunar, bu da üretken tasarım çıktılarının üretime uygun olmasını sağlar. İşe eklemeli imalat ile başladık ancak daha sonra kademeli olarak geleneksel üretim yöntemlerine yöneldik.

Özetle, üretken tasarımın sadece eklemeli imalata özel olması gerekmediğine; basınçlı döküm, talaşlı imalat, enjeksiyon kalıplama gibi yöntemler için de kullanılabileceğine ve üretimde bu teknolojilerden bir bütün olarak yararlanabileceğimize inanıyoruz.

Buna inandığınızı söylüyorsunuz. Piyasa da buna inanıyor mu?

Gözlemlediğimiz şey bu ve görünüşe göre InfinitiForm gibi şirketler de aynı fikirde. Eklemeli imalat hâlâ niş bir alan (endüstriyel 3D baskıyı kastediyorum) ve henüz tam potansiyeline ulaşmış değil. Havacılık ve uzay gibi sektörlerde birçok sertifikasyon kısıtlaması bulunuyor. Soru hiçbir zaman eklemeli imalata karşı geleneksel imalat olmadı. Neye ihtiyacınız olduğuna, parçanın performansına, yapabileceğiniz ödünleşimlere (trade-off) ve adede bağlıdır. Daha üretken olma baskısı altında, tasarım yapma şeklimizi değiştirmemiz gerekiyor.

Üretken tasarım ve topoloji optimizasyonu bir süredir yaygın olarak kullanılan CAD araçlarında mevcut. Neden tasarım döngüsü sorununu çözmediler?

Topoloji optimizasyonu ile malzemeyi azaltır ve gerilmenin en yüksek olduğu yerlere koyarsınız, böylece teorik bir parça elde edersiniz. Bu, sonucun üretilebilir olduğu anlamına gelmez. Cognitive Design’da bunu iki adımda yapıyoruz. Önce parçanın performansını artırıyor, ardından “üretim odaklı tasarım” dediğimiz, parçayı belirli bir proses için yeniden tasarlayan otomatik Üretim için Tasarım (DFM) çalıştırıyoruz. En iyi sonucu almak için bu ikisini birleştiriyorsunuz. Topoloji optimizasyonu ise sadece bir yaklaşımdır. Muhafazalar ve gerilmeye bağlı olmayan topolojiler için kendi algoritmalarımızı geliştirdik.

Bir süredir eklemeli imalat alanındasınız. Herkes bu yöntemin hızlı iterasyon ve şirket içi üretim sağladığı konusunda hemfikir, ancak benimsenme hızı beklenenden daha yavaş oldu. Bunu engelleyen nedir?

Birkaç nedeni var. İlki maliyet. Metal 3D baskı, basınçlı döküm veya talaşlı imalata kıyasla hâlâ pahalı. İkincisi, kendi ek maliyetini getiren sertifikasyon süreçleri.

Sonra olgunluk seviyesi var. Eklemeli imalatın gerçekten neler yapabileceği, gerektirdiği ardıl işlemler ve tasarım kuralları konusunda herkes aynı seviyede değil. Çoğu kişi, geleneksel üretim için tasarlanmış bir parçayı alıp doğrudan 3D basabileceğini düşünerek geliyor ve bu bazen başarısızlıkla sonuçlanıyor. Gerçek uygulamalardan bahsetmemize rağmen, insanların kafasında 3D baskının sadece ucuz ve hızlı polimer prototipleme için olduğuna dair bir önyargı var. Harika kullanım senaryoları mevcut ancak henüz tam anlamıyla benimsenmiş değil.

Parçayı Oluşturun, Ardından Üretilebilir Hale Getirin

Peki Cognitive Design tüm bunları nasıl çözüyor?

Temel yetenek, birden fazla tasarım oluşturmak ve bunları keşfetmenizi sağlamaktır. Gerilme, performans, maliyet ve karbon ayak izine dayalı ödünleşimler yapar ve ihtiyaçlarınız için hangi yönün en iyi olduğunu anlarsınız. Bunun da ötesinde, daha hızlı ilerlemek için yapay zeka kullanıyoruz. İnsanlar bu parçaları manuel olarak tasarladığı için eskiden çok uzun süren keşif süreci artık yapay zeka ile gerçekleşiyor.

İnsan hangi girdileri sağlıyor ve ilk modeli kim oluşturuyor?

Başlangıç noktası olarak mevcut bir 3D model, STL mesh veya STEP dosyası getiriyorsunuz ve eğer simülasyonunuz varsa yük senaryolarınızı ekliyorsunuz. Yazılımda yerleşik bir ağsız (meshless) simülasyon bulunuyor, bu sayede parçanın performansını hesaplıyor ve kriterleri karşıladığından emin oluyoruz. Ayrıca yazılımda çeşitli malzemeler hazır olarak bulunuyor ve kendi malzemenizi içe aktarabiliyorsunuz. Böylece eklemeli imalat ve talaşlı imalat gibi proseslerde titanyum, alüminyum ve Inconel’i karşılaştırabiliyorsunuz.

Üretken tasarımı nasıl kullanıyorsunuz ve web sitenizdeki iddialara göre bunu hızlı kılan nedir?

Üretken tasarım neredeyse her zaman kullanılıyor. En iyi teorik parçayı bulmak için onu topoloji optimizasyonunda kullanıyoruz. Muhafazalar (örneğin bir dişli kutusu) için özel bir algoritmamız ve topoloji dokuma olarak adlandırdığımız, işlevsel bölgeleri bir yol boyunca birbirine bağlayarak gerilmeye bağlı olmayan tasarımlar oluşturan başka bir setimiz var.

Yakın zamanda, bir dizi parametre üzerinden tasarımlar oluşturmanızı sağlayan bir deney tasarımı (design of experiments) modülü yayınladık. Tek bir değer girmek yerine, “Bunun 0,5 ile 10 arasında test edilmesini istiyorum” diyorsunuz, sistem bir matris oluşturuyor ve otomatik olarak çok sayıda tasarım üretiyor.

Hız, kendi örtük (implicit) çekirdeğimizden geliyor. Örtük modelleme, nTop gibi bir şirkete benzer şekilde, 3D modeli alanlarla temsil eder ve tüm modifikasyonları orada yaparız; simülasyonu ağsız yapmamızın nedeni de budur. Bir ağa ihtiyaç duyduğunuz noktaya kadar her şey örtük ortamda çalışır, ardından mesh’ten B-rep’e yeniden yapılandırma ile bir mesh veya STEP dosyası dışa aktarırsınız.

Bir sonraki yetenek Üretim için Tasarım (DFM). Bize bundan bahsedin.

Farklı üretim prosesleri için uyarlanmış bileşen tasarımları

Bugün beş ana prosesimiz var: eklemeli imalat, talaşlı imalat, basınçlı döküm, dövme ve enjeksiyon kalıplama. Üretim için Tasarım (DFM) kurallarını alıp parçaları değiştirmek için kullanıyoruz ve buradaki özellik kuralların özelleştirilebilir olması. Müşteriler kendi dahili DFM kurallarını getirip tasarıma uygulayabiliyor. Kalıplanabilir bir parça için çıkma açıları, undercut’lar ve et kalınlığı çok önemlidir; yazılım bu kısıtlamalara uymak için tasarımı otomatik olarak yeniden oluşturur.

Yani bana düzenleyebileceğim bir kural seti sunuyorsunuz. Bu sadece algoritmik mi yoksa yapay zeka bileşeni de var mı?

Bu kısım algoritmik, kural tabanlı çalışıyor.

Akış nasıl işliyor? Önce üretken tasarımdan iterasyonlar alıp sonra üretim için tasarım mı çalıştırıyorum?

Evet, bu iki adımda gerçekleşen ardışık bir süreç. Bu aslında, üretim kısıtlamalarını topoloji optimizasyonu çözücüsüne gömen ve sonunda size üretilebilir parçalar vermeyebilecek bazı mevcut araçlara kıyasla iyi bir farklılaştırıcıdır. İki adımı ayırıyoruz çünkü aksi takdirde aynı anda çok fazla kısıtlamanız oluyor ve sistem iyi bir şekilde yakınsamıyor.

Talaşlı imalatı örnek alırsak, çok zor tasarımlar üretilebilirdir ancak buna uygun bir fiyatla gelirler. Çıktının pahalı, aşırı karmaşık bir parça haline gelmesini nasıl engelliyorsunuz?

Talaşlı imalat tarafında şu an sadece 3 eksenimiz var, ancak haklısınız, talaşlı imalat karmaşıklaşabilir. Daha çok prizmatik parçalar üretiyoruz ve x, y, z yönlerini tanımlayabiliyorsunuz, böylece sonuç talaşlı imalat için daha uygun (machining-friendly) oluyor. Talaşlı imalatta yapabilme imkânınız olsa bile, en pahalı ve en karmaşık parçaya zorlanmıyorsunuz.

Ayrıca bu seçimleri yönlendirmek için size maliyetlendirme (costing) sunuyoruz ve bu, DFM ile aynı şekilde çalışıyor: müşteri tarafından yapılandırılabiliyor (ücretler, saatlik oranlar, makine fiyatı, malzeme). Buradaki amaç maliyeti en yakın kuruşuna kadar hesaplamak değil, talaşlı imalatın başka bir prosesten daha iyi olup olmadığını ve fiyat farkının büyüklük sırasını anlamaktır.

Simülasyon Odaklı Tasarım nedir?

Fizik verilerine dayanarak parça yapısını uyarlayan Simülasyon Odaklı Tasarım modülü

Parçaları doğrulamak ve gereksinimleri karşıladıklarından emin olmak için mekanik ve termal simülasyon yapıyoruz, ardından daha fazla optimize etmek için gerilme verilerini kullanıyoruz. Gerilmenin yüksek olduğu yere malzeme ekliyor, düşük olduğu yerden çıkarıyorsunuz. Eklemeli imalatta kafesler veya gerilme seviyelerine göre TPMS yapıları yerleştirebilir, ofsetler yapabilir, federler ekleyebilirsiniz. Ayrıca Ansys, Abaqus veya Nastran gibi harici bir çözücüden gerilme verilerini içe aktarabilirsiniz, biz bu sonuçları okur ve geometriyi buna göre değiştiririz.

Yani bu bir döngü haline geliyor.

Kesinlikle. Buradaki fikir, tüm bu unsurlar arasında bir döngü oluşturmaktır. İş akışınızı oluşturduktan sonra, tasarımlar üretmek için parametreleri veya sınır koşullarını değiştirerek bunu birçok farklı parça üzerinde çalıştırabilirsiniz.

Bilgisayar halihazırda bu kadar çok şey yaparken, mühendisin hâlâ bunu anlaması gerekiyor. On iyi sonuçtan sonra, mühendisler sadece yazılıma körü körüne güvenmeye başlamayacak mı?

Mühendislerin çoğu yazılımımızı en iyi konsepte olabildiğince hızlı yakınsamak için kullanıyor, ardından en sonunda Ansys gibi sertifikalı bir araçta doğrulama yapıyor. Ansys saatler hatta günler sürebilir, bu yüzden amaç onun içinde iterasyon yapmamaları; onu sadece en sonunda, en iyi teorik parçaya zaten yakınsadıklarında bir kez çalıştırmalarıdır.

Web sitenizdeki yeniden kullanılabilir iş akışları özelliği ne anlama geliyor?

Yazılımı kullandıkça bir iş akışı oluşturursunuz; bu temelde bir metodoloji, yani bir mühendis olarak sahip olduğunuz tasarım bilgisidir. Bunu paketler, başka bir ekibe gönderirsiniz; onlar da farklı verilerle benzer bir sonuç elde etmek için girdileri ve çıktıları yeniden kullanırlar. Hem üretim hem de tasarım mühendislerinin bilgisini kapsüllersiniz. Aralarındaki boşluğu kapatmak derken kastettiğim buydu ve tüm bu bilgi şirketin içinde kalır.

Burada yapay zeka nerede?

Onu birkaç şekilde kullanıyoruz ve diğerleriyle aynı şekilde değil. Bazen maliyeti daha hızlı tahmin etmek, bazen unsur tanıma için (örneğin bir mesh’i B-rep’e dönüştürürken silindirleri ve yüzeyleri tanımak). Ancak en önemlisi, mevcut LLM’lerle (Büyük Dil Modelleri) entegre oluyoruz. Claude ve diğerleriyle entegrasyonlar yaptık, bu konuda bağımsızız. Arayüzü kullanmak yerine kendi LLM’inizde kalıp, “İşte parçalarımın olduğu klasör, talaşlı imalat, basınçlı döküm ve eklemeli imalat için optimize et, bana malzemeler üzerinden bir deney tasarımı ver, işte Excel’imdeki yük senaryoları, çalıştır” diyebilirsiniz. LLM bir MCP sunucusu olarak entegre edilmiştir, bu nedenle bağlama sahiptir ve yazılımı otonom olarak, neredeyse iş akışını kendisi oluşturuyormuş gibi kullanabilir.

2021’de başladınız. 2025 veya 2026’da başlasaydınız ne kadar yapay zeka olurdu?

Benzer olurdu, çünkü bizim pozisyonumuz yapay zekanın bir kolaylaştırıcı olduğu yönünde. İnsanı devreden çıkarmıyorsunuz, daha fazla tasarım varyantı keşfedebilmek için karar vermeyi hızlandırıyorsunuz. Mühendislerin yerini alacağına inanmıyorum. Çok daha verimli, daha fazlasını üreten daha küçük ekiplere sahip olursunuz ve bunu zaten görüyoruz. Birinin 20 yıldır CATIA’yı ve hangi düğmelere basacağını bildiği için uzman olduğu günler geride kaldı. Bir mühendisi bir yazılımı kullanma becerisiyle değil, bilgisi ve elde ettiği sonuçlardan nasıl kararlar aldığıyla tanımlarsınız.

Bana öyle geliyor ki kurucular mühendislikten ne kadar uzaksa, yapay zekanın otonom mühendislik yapacağından o kadar emin oluyorlar. Mühendis kurucular ise yapay zekanın daha çok bazı sıkıcı akışları ve tekrarlayan görevleri ortadan kaldırarak mühendislerin çalışmalarını hızlandırdığını söylüyorlar.

Biz bu taraftayız. Kuruculardan ikisi makine mühendisi; ayrıca sadece tasarım değil, üretim alanında da çok sayıda mühendisimiz var; bu nedenle makinelerin ve üretimin gerçek hayattaki kısıtlamalarını anlıyoruz. Ağır otomasyon olsa bile, regülasyonlar ve hesaplamanın doğru olduğundan emin olmak için doğrulama yapacak bir insana ihtiyacınız var, çünkü yapay zeka halüsinasyon görebilir. Çok hassas bir sektörde, EASA’nın Ansys veya sertifikalı başka bir araçta hiç simüle edilmemiş yapay zeka ürünü bir parçayı nasıl onaylayacağını göremiyorum. Yapay zeka simülasyonu kullanan, yani gerçek hesaplamalar yerine tahmin yapan şirketler var; bu, varyantları keşfetmek ve en iyisine yakınsamak için harikadır. Ancak sonunda FE (Sonlu Elemanlar) hesaplamasını kaldıracağımızı düşünmüyorum. O, doğrulanması gereken bir araç olarak kalacaktır.

Havacılık ve Uzay, Savunma ve Otomotiv OEM’lerine Hizmet Vermek

Kime hitap ediyorsunuz?

Üç ana sektöre yöneliyoruz: havacılık ve uzay, savunma ve otomotiv; büyük OEM’lere hizmet veriyoruz. Bugün en büyük müşterimiz havacılık alanında Safran. Kuruculardan ikisi Japonya merkezliydi, bu yüzden çoğu otomotiv ve uzay olmak üzere Japon müşterilerle güçlü bağlarımız var, Fransa’da ise bu daha çok savunma ve havacılık. Şirket, Airbus’ın evi olan Toulouse’da bulunuyor, bu nedenle etrafta çok sayıda tedarikçi ve büyük havacılık oyuncusu var.

Bugün yazılımı kaç şirket kullanıyor?

60 ile 70 arasında.

Bunu uygulayan bir müşteri örneği verebilir misiniz?

İyi bir örnek Thales Alenia Space. Uydular için braketler yapıyorlar ve önceden tümü manuel olarak yapılan, farklı kombinasyonlara, topolojilere ve şekillere sahip yaklaşık 80 parçalık bir ürün ailesi tasarlamaları gerekiyordu. Yazılımımızla her bir şekli optimize eden, eklemeli imalatta mı yoksa talaşlı imalatta mı daha iyi olduğunu ve hangi malzemenin en uygun olduğunu kontrol eden bir iş akışı oluşturdular. Bir braket için bunu yaptıklarında tüm ürün ailesini otomatikleştirdiler, çünkü yük senaryoları benzerdi ve sistem parametrik; yani ilk parçadaki çalışmayı yeniden kullanıyorsunuz. Benzer parçalardan oluşan bir aileniz olduğunda veya bir metodolojiyi parçalar arasında yeniden kullanmak istediğinizde çok iyi çalışıyor.

Sizin için en tatmin edici başarı türü nedir?

Mühendisler olarak parçaları görmeyi seviyoruz. CDS’nin amacı tasarımdan üretilmiş gerçek bir parçaya geçmek, bu nedenle bir müşterinin yazılımımızdaki bir tasarımdan gerçekten ürettiği bir şeyin resimlerini bize göndermesine bayılıyoruz. Yatırım getirisi (ROI) verimliliktir; yüzlerce saatten onlarca saate inmek ve bazen müşterilerin mevcut araçlarıyla ulaşamayacakları bir performansa ulaşmalarıdır.

Bilinçli Tercih: Şirket İçi Kurulum

Cognitive Design’ın maliyeti nedir ve nasıl fiyatlandırıyorsunuz?

Bu bir SaaS lisansı, ancak yazılım şirket içi (on-premise) çalışıyor, bu gerçek bir avantaj. Bulut bağlantısı yok, dolayısıyla veriler gizli kalıyor. Sabit ve yüzer (floating) lisanslarımız var ve fiyat aralığı lisansa ve modüle bağlı olarak yaklaşık 10 ile 20 bin avro arasında.

Şirket içi kurulum gereksinimi hizmet verdiğiniz havacılık ve uzay endüstrisinden mi geldi?

Evet ve bu bilinçli bir seçimdi. Bulut üzerinde dağıtım yapabilirdik ancak bu, birçok müşterimizin çözümü kullanmasını engellerdi.

Sadece üretken tasarım veya üretim için tasarım gibi sınırlı işlevsellikler için ödeme yapabilir miyim?

Evet, modüle bağlı olarak birkaç paketimiz var ancak çoğu müşteri tam paketi tercih ediyor.

İmza attığım günden, yazılımı kullanacak ilk mühendise kadar geçen kurulum süresi ne kadardır?

Genellikle birkaç gün. Bazı şirketler için siber güvenlik ve BT kısıtlamaları olabiliyor, ancak bu masaüstünüze bir uygulama yüklemek gibi. Birden fazla lisansa sahip büyük müşteriler için sunucu dağıtımları ve eşzamanlı kullanıcılara sahip olabilmeniz için yüzer lisanslar sunuyoruz.

Ne kadar destek sağlıyorsunuz?

Her zaman destek sağlıyoruz ve kullanıma başlama (onboarding) süreci kilit öneme sahip çünkü bu yeni bir tasarım yöntemi. Yazılım oldukça kullanıcı dostu. Blokları bağlayıcılarla birleştiriyorsunuz, eğer daha önce o şekilde parametrik tasarım yaptıysanız Grasshopper veya Rhino’ya benzer. Bir veya iki gün içinde bağımsız hale geliyorsunuz ve müşteriler platformu daha kapsamlı kullanmaya başladıkça onları da desteklemeye devam ediyoruz.

Ekiplerin halihazırda kullandığı CAD ve PLM araçlarıyla entegre oluyor mu?

Olmasını çok isterdik. Dassault Systemes veya Siemens’i düşündüğünüzde, CAD şirketleri PLM’leri (işin tam kalbi) konusunda çok korumacı oldukları için diğer yazılım firmalarıyla çalışmak her zaman kolay olmuyor. Bu PLM’lere bağlanmak için Tech Soft 3D gibi şirketlerin çözümleri var ve bu üzerinde çalıştığımız bir konu. Mühendislik iş akışına daha fazla entegre olmak istiyoruz çünkü büyük şirketler PLM ile birlikte çalışabilirliğe (interoperability) ve daha da önemlisi izlenebilirliğe ihtiyaç duyuyor.

Yani bugün SolidWorks kullanıyorsam, bir STEP dosyası dışa aktarıyor, yazılımınızı kullanıyor ve tekrar içe mi aktarıyorum?

Evet, optimize ediyorsunuz ve ardından STEP dosyasını sonunda CAD yazılımınıza tekrar içe aktarıyorsunuz.

Önümüzdeki Beş Yıl

Beş yıl içinde tasarım mühendisliği nasıl görünecek?

Giderek daha fazla mühendis kendilerini verimli kılan yazılımlar kullanacak. Üretken tasarım kesinlikle kalıcı olacak ve yapay zekaya dayalı fizik tabanlı yaklaşımlar, insanların halihazırda kullandığı süitleri doğrulamak, üretmek ve daha üretken olmak için tamamlayıcı olacak. Bugün CAD’den CAE’ye, PLM’den MES ve ERP’ye kadar her şeyi kapsayan yalnızca üç ana süit (Dassault, Siemens ve PTC veya Autodesk) var. Büyük şirketler bu yığından uzaklaşmakta zorlanacak, bu yüzden biz de onlarla yan yana yer alıyoruz. Ayrıca, büyük ve orta ölçekli oyuncuların daha fazla işlevselliği entegre etmesiyle çok fazla konsolidasyon olacağını düşünüyorum. İlginç olan, bir yapay zeka şirketinin bu hamleyi yapıp yazılım firmalarıyla rekabet edip etmeyeceği; örneğin Anthropic’in bir gün kendini bir mühendislik aracı olarak konumlandırıp konumlandırmayacağı. Satın almalar yoluyla birçok dikey alana girdiler, bu yüzden bu endüstrileri de aynı şekilde sarsabilirler.

Sektörün yapay zeka hakkında hafife aldığı ve abarttığı birer şey nedir?

Zor bir soru. Bence yapay zekanın ilerleme hızını hafife alıyoruz. Eski modeller temel fizik bilgisine sahip bir mezun gibiydi, daha yeni modellerde ise akıl yürütme çok daha derin ve karmaşık.

Öte yandan, onu sindirme kapasitemizi abartıyoruz. Yapay zeka sürekli yeni şeyler ortaya çıkarıyor ve insanlar olarak yeni teknolojiye adaptasyonumuz makinelerin yapabileceklerinden çok daha yavaş, özellikle de bu sektörde.

Bu alandaki yapay zeka şirketlerinin çoğu, startuplar arasında her zaman görülmeyen bir şekilde dostane şartlarda görünüyor, hatta iş birliğinden bahsediyorlar. Bu çözümleri bir araya getirme konusunda ne kadar iyimsersiniz?

Dürüst olmak gerekirse, mühendislik yazılımlarının çoğu kurucusu birbirini tanır, bu yüzden rakip olsak da dostane ilişkiler içindeyiz. Her şeyi tek başımıza yapamayacağımızı biliyoruz ve nihayetinde mühendislerin hayatını kolaylaştırmak istiyoruz. Kimse CAD için bir yazılım, PLM için başka bir yazılım, MES ve simülasyon için başka bir yazılım istemez. Her şeyi kapsayan tek bir platform istersiniz, bu yüzden tamamlayıcılıktan bahsediyoruz. Yapay zeka ve LLM’ler sayesinde birlikte çalışabilirlik çok daha az sorun teşkil ediyor. Bir LLM ajanı MCP sunucuları aracılığıyla birçok farklı araca bağlanır, böylece 3D modelinizi bunlar arasında içe ve dışa aktarmazsınız, ajan bunu sizin için yapar. Yapay zeka şirketlerini, farklı yazılımlara bağlanan merkez (çekirdek) olarak, ajanın çok az değer katan sıkıcı işleri yaptığı bir senaryo hayal edebilirsiniz.

Tasarım veya üretim alanında öne çıkaracağınız ilginç yapay zeka şirketleri var mı?

Birkaç tane var. Geçen hafta PhysicsX ile görüşüyorduk. Neural Concept ve Synera’yı oldukça iyi tanıyoruz. Bizimkine benzer bir şey yapan InfinitiForm var. Hâlâ yolun çok başındayız ve bazı startupların Dassault ve Siemens gibi büyük oyuncularla rekabet etmek için birbirini tamamlayıp tamamlamayacağını görmek ilginç olacak.