Du har måske allerede læst om, hvad Aura, Leo og Marie er. Men hvordan ser det faktisk ud, når man bruger dem i en almindelig arbejdsdag? Her er tre konkrete eksempler, der viser forskellen mellem at spørge, at bede om at få udført noget — og at gå fra ide til færdig, valideret konstruktion.
Aura, Leo og Marie i praksis – Tre konkrete eksempler fra en arbejdsdag
Eksempel 1: Find en bestemt type komponent i samlingen
Du sidder med en stor samling og skal finde alle forekomster af en bestemt type komponent i modellen — og du gider ikke lede efter dem manuelt, del for del.
I stedet beder du Leo om at åbne samlingen og finde de pågældende komponenter for dig. Leo kan derefter fortælle dig, hvad de vejer, og hvilket materiale de er lavet af. Vil du vide, hvad der sker, hvis du bytter materialet ud med et andet, kan du bede Leo regne vægtforskellen ud med det samme.
Det, der er værd at bemærke her, er ikke bare, at opgaven bliver løst hurtigere — det er, at du går fra at tænke med musen i hånden til at tænke med et testscenarie i hånden. Du kan prompte dig frem til, hvad der sker, hvis noget i modellen ændrer sig, i stedet for at skulle regne det ud selv.
Eksempel 2: Bed Leo om en tegning — på jeres egne standarder
Du skal have genereret en tegning, men vil ikke selv sidde og sætte formater og målsætning op fra bunden.
Du beder Leo om at lave tegningen med jeres standardindstillinger. Leo bekræfter først detaljerne: hvilket format, hvilken skrifttype, hvordan afbildningerne skal se ud — og viser dig et preview, før noget bliver gemt. Er der noget, der skal justeres, kan du bede Leo flytte et mål eller slette en linje, i stedet for selv at rode med det.
Det interessante er, at I selv kan træne Leo på jeres egne tidligere tegninger. Sig, at Leo skal kigge på jeres sidste tusind tegninger og bruge dem som skabelon for de næste — så lærer Leo, hvordan jeres tegninger skal se ud, ikke bare en generisk standard.
Eksempel 3: Fra idé til valideret konstruktion i én prompt
Det tredje eksempel viser, hvor langt man kan komme med en enkelt opgave. Du skal konstruere en tank, der skal stå på et stativ, indeholde en bestemt mængde væske — og du vil vide, om den holder til belastningen.
Du beskriver opgaven for Leo: hvor meget væske tanken skal indeholde, hvad den kommer til at veje, og at der skal laves en styrkeberegning bagefter. Leo bygger ikke kun konstruktionen — Leo sætter også simuleringen op og kan fortælle dig, om tanken kan holde til belastningen (forudsat I har adgang til simuleringsværktøjet).
Det er her, forskellen på en generisk AI og en AI bygget til industrien bliver tydelig. En generisk model kan generere en tank, der ser rigtig ud. Leo ved, om den faktisk kan bære sig selv.
Hvornår er det Marie, du skal spørge?
De tre eksempler ovenfor er alle noget, Leo klarer, fordi de handler om konstruktion og mekanik. Står du derimod med et spørgsmål om materialevalg — hvilken legering holder bedst til en given belastning, eller hvordan en ny komposit reagerer under bestemte forhold — er det Marie, du skal i dialog med. Og har du brug for at finde eksisterende viden, dokumentation eller tidligere designbeslutninger i virksomheden, er det Aura, du starter hos.
Den korte pointe
Det, der gør de her eksempler anderledes end at læse en funktionsliste, er, at de viser den reelle arbejdsgang: du beskriver en opgave i almindeligt sprog, får et preview, justerer med endnu en prompt — og kan bygge videre på jeres egne data og standarder, i stedet for at starte forfra hver gang.
Vil du se eksemplerne i selve webinaret? Se webinaret om SOLIDWORKS AI.
Læs også:
- Embedded AI vs. virtuelle kolleger — hvornår bruger du hvad?
- AI i SOLIDWORKS — hvad kan det i praksis?
- Dassault Systèmes’ AI — en fundamentalt anderledes AI
Nysgerrig på, hvad det betyder for din virksomhed? Tag testen — er du AI-ready?
