航空宇宙AIは一つの問題ではなく、五つである：エンジンと部品の予知保全、自動NDTと目視検査、数千ページの保全ドキュメントを対象とするRAGコパイロット、UASの自律性とミッションインテリジェンス、そして機体構造の製造品質。それぞれが異なる認証フットプリント、データ・ソブリン性の要件、インフラ・アーキテクチャを持つ。本入門はその五つすべてを扱い、DO-178C/ARP4754Aの認証の全体像を冷静に見据え、なぜソブリンなオンプレミス展開が大半の事業者にとって規制面・知的財産面で意味をなす唯一のアーキテクチャなのかを示す。
シビルファーストの範囲： 本入門は民間航空宇宙の用途を扱う — 商用およびビジネス航空のMRO、民間UASの運用、アビオニクスのサプライチェーン、民間プログラム向けの機体構造製造。 Hyperion は防衛契約も、防衛顧客も、セキュリティクリアランスも一切保有していない。 ソブリン・インフラのアーキテクチャがデュアルユースに関連する場合、私たちはそれを率直に明記する — ただし私たちの案件は民間専用である。私たちは兵器システム、機密システム、または政府のセキュリティクリアランスを要する用途に関わる業務を追求しない。
最終確認：2026年5月
MROおよび製造のための航空宇宙AI とは、機械学習モデル — ビジョンシステム、言語モデル、異常検知アルゴリズム — を、保全・修理・オーバーホール（MRO）業務、航空機部品製造、UASの地上および機上システムに展開することを指す。クラウドネイティブな企業AIとは異なり、航空宇宙AIは固有の制約を満たさなければならない：EASAおよびFAAからの認証エビデンス要件、保全記録および製造IPに対するデータ・ソブリン性の義務、インライン検査のための超低レイテンシ、そして従来の耐空性規格（DO-178C）がML系システム向けに設計されていないという構造的課題である。
民間航空のAIは二つの異なるタイムラインに沿って成熟しつつある。地上ベースの用途 — MROの意思決定支援、製造品質、フリート分析 — は、システムの意図された機能が明確に境界づけられ、耐空性に関する判断についての人間の権限が保たれている限り、既存の規制枠組みのもとで今日でも展開可能である。機上AI — 飛行制御、航法、または機上システムの挙動に影響する機能 — は、規制コミュニティが積極的に埋めようとしている認証ギャップに直面しており、それは2026年時点で大半のMLアーキテクチャについて未解決のままである。
この区別は、短期的にAI投資をどこに集中させるかにとって重要である。航空宇宙において最も価値が高く摩擦の少ないAI用途は、いずれも地上ベースである：エンジンと部品の状態監視データに対する予知保全分析、NDTを補強するコンピュータビジョン、保全ドキュメントを対象とする自然言語インターフェース、そして製造プロセスの監視である。これらの用途はコストを削減し、計画外取り外し率を改善し、機上認証の負担なしにMROのスループットを加速する。
UAS（無人航空機システム）はこの二つのタイムラインの間に位置する：地上管制のインテリジェンスは地上ベースの用途である一方、機上の知覚および自律機能は有人航空機と同じ機上認証課題に直面し、運用リスクカテゴリ（EASA OPEN/SPECIFIC/CERTIFIED）および適用されるSORA/SAIL評価によって調整される。
turbofanエンジンと補助動力装置は豊富なセンサー・テレメトリを蓄積する — EGTマージン、振動スペクトル、オイルデブリのカウント、コンプレッサーサージ近接指数。フリートレベルの運用データで訓練されたMLモデルは、ハードリミット超過の100〜500飛行時間前に発生しつつある故障を検知でき、固定間隔のオーバーホールではなく状態基準保全（CBM）を可能にする。鍵となる制約：モデルの保全推奨は、耐空性当局の監督を満たすために追跡可能かつ監査可能でなければならない。
認証に関する注記
意思決定支援ツールに関するDO-178C / ARP4754Aのガイダンスは、出力が保全アクションに影響する場合に適用される。
MROにおける非破壊検査（NDT） — 超音波、渦電流、サーモグラフィ、目視検査 — は、疲労と認知負荷が見逃し率に寄与する、反復的で高リスクの評価作業を伴う。検査ステーションでオンプレミスに動作するコンピュータビジョンモデルは、ボアスコープ画像、複合材パネルのスキャンデータ、表面状態の写真に対して二次チェックを提供し、人間の検査員のレビューのために指摘を提示できる。モデルは有資格のNDT技術者を補強するものであり、置き換えるものではない。
認証に関する注記
EASA Part 145 / FAA AC 120-102は、AI支援検査ツールが文書化された検証エビデンスを備え、サービス復帰判断に対する人間の権限を維持することを求めている。
航空機保全エンジニアはドキュメントの壁に向き合って作業する：航空機整備マニュアル（AMM）、コンポーネント整備マニュアル（CMM）、サービスブルテン（SB）、耐空性改善命令（AD）、そしてOEMのエンジニアリングオーダー。ソブリン・インフラ上で、承認済みドキュメントコーパスにファインチューニングされたMistralベースモデルで動作するRAG（検索拡張生成）システムは、自然言語の技術的問い合わせに答え、関連するタスクカードを提示し、未対応のSBをクロスリファレンスできる — 有資格エンジニアを意思決定権限として保ちながら、検索時間を劇的に短縮する。
認証に関する注記
AIシステムは意思決定支援ツールであり、寿命限定部品の追跡システムではない。いかなる回答のデータ系譜も、承認済みで版管理された出典文書まで追跡できなければならない。
民間UAS事業者 — 航空測量、精密農業、インフラ点検、都市物流 — は、機上の知覚、経路計画、地上管制のインテリジェンスにMLを統合しつつある。エッジハードウェア（NVIDIA Jetson、AMD Kria、またはカスタムSoC）で動作するAIモデルは、飛行中の障害物検知、地形分類、異常識別を担う。ソブリンな地上側のLLM層は、飛行ログやセンサー画像をサードパーティのクラウドに送ることなく、ミッションデータを処理し、点検レポートを生成し、フリート運用を管理できる。
認証に関する注記
EASA SC-RPAS、JARUS SAIL/SORAの枠組み、および新たに整備されつつあるEUROCAE WG-105のガイダンスは、UAS運用におけるAI判断システムがどのように検証され残留リスク評価されなければならないかを定義する。
機体および機体構造の製造 — CFRP積層、精密CNC加工、自動締結のいずれであっても — は、初回物品検査（FAI）および生産適合性認証に直接供給されるプロセスデータと検査記録を生成する。オンプレミスに展開されたAIビジョンシステムとプロセス監視モデルは、不適合率を低減し、根本原因分析を加速し、AS9100品質マネジメントのための構造化された記録を生成できる。データは決して施設を離れない — 製造プロセスのパラメータと工具構成が重要な競争上の知的財産を表すことを踏まえれば、これは決定的である。
認証に関する注記
AS9100 Rev Dは製造プロセスデータの追跡可能性を要求する。AIが生成した検査記録は、確立された品質記録システムに統合されなければならない。
率直な評価：MLベースのAIシステムに対する耐空性認証の枠組みは不完全である。従来の規格は決定論的ソフトウェア向けに設計された。EASAとRTCA/EUROCAEは積極的にガイダンスを整備しているが、航空宇宙事業者は部分的にしか形づくられていない規制像に対して今日、展開の判断を下さなければならない。以下は現状の事実に基づく要約である。
規制上の免責事項
本入門はエンジニアリングおよび戦略の概観であり、法的助言でも認証に関する助言でもない。特定の規格が所与のAIシステムにどの程度適用されるかは、そのシステムの意図された機能、安全影響の分類、運用コンテキストに依存する。認証固有の助言については、常に有資格のDesignated Engineering Representative（DER）、EASA承認のDesign Organisation（DO）、またはそれに相当する者に関与を求めること。
DO-178Cは決定論的ソフトウェア向けに設計された。MLモデル — とりわけ深層ニューラルネットワーク — は非決定論的であり、その要件を事前に完全に規定することはできず、その挙動は明示的な設計ではなく訓練データから生じる。これにより従来のV&Vプロセス（要件 → 設計 → コード → テスト）はMLモデル開発と構造的に両立しない。規制当局とRTCAのDO-178C ML補遺ワーキンググループ（SC-205）は更新ガイダンスに取り組んでいるが、2026年時点で確定した補遺は存在しない。
DO-254は推論を実行するプログラマブルロジック（FPGA、ASIC）に適用される。アビオニクス・ハードウェアに組み込まれたMLアクセラレータは、形式的な要件捕捉と検証カバレッジを含むDO-254の設計ライフサイクルを満たさなければならない — これは決定論的ロジックではなく学習された重みを実行するハードウェアにとって困難である。
ARP4754Aは、システム機能がどのように割り当てられ、システムレベルの安全目標がどのようにソフトウェアとハードウェアへ展開されるかを規律する。AI対応システムにとっての課題は、モデルの挙動が完全に決定論的に規定されていない場合に、AI機能の故障条件と確率を定義することである。安全解析手法（FHA、PSSA、SSA）は学習システム向けに適応されなければならない。
EASAのAIロードマップ2.0は「learning assurance」の概念を導入する — MLモデルの開発、訓練、検証が認証クレジットを支えるのに十分な厳格さで行われることを保証するための構造化された枠組みである。EASAは五つの主要課題を特定する：データ管理、モデルアーキテクチャの決定、説明可能性、性能メトリクス、分布シフト。ロードマップは、現行のDO-178C/DO-254ガイダンスがMLシステムには不十分であり、新たな適合性の手段が必要になることを明言している。
MRO用途（NDT、文書検索、保全計画）については、認証の負担は低い — AIシステムは意思決定支援ツールであり、機上機能ではない。ただしEASA Part 145およびFAAのAdvisory Circularsは、AI支援ツールが文書化された検証エビデンスを備え、有資格AMEの権限を上書きせず、その出力が承認済みデータソースまで追跡可能であることを求めている。
認証ギャップは機上AI機能 — 航空機の制御、航法、または機上システムの挙動に直接影響するソフトウェア — に影響する。地上ベースの用途（MROの意思決定支援、製造検査、フリート状態分析）については、認証の負担は低い：これらのシステムは承認済み保全データソースとして表示されてはならず、耐空性に関する判断についての人間の権限を保ち、承認済み出典文書へのデータ系譜を維持しなければならない — ただしDAL-AからDAL-Dまでの機上ソフトウェア保証は必要としない。
短期的な機会はまさにこの地上ベースの層にある。よく設計されたMRO AI展開 — ソブリン・インフラ、承認済みドキュメントを対象とするRAG、人間によるサインオフを伴うビジョン支援NDT — は、機上ML認証の枠組みが成熟するのを待つことなく、今日、相当の運用上の価値をもたらす。
クラウドAIは航空宇宙の運用環境向けに設計されていない。MROおよび機体構造製造の制約 — レイテンシ、IP保護、規制上の記録保持、そして一部のコンテキストではITAR/EARまたは国家安全保障上の義務 — はいずれも同じアーキテクチャ上の答えを指し示す：ソブリンな、オンプレミスの、あるいは少なくともEUソブリンクラウドでの推論である。
デュアルユースの文脈に関する注記： 以下のソブリン・インフラの論拠は、民間およびデュアルユースの製造環境に等しく適用される。私たちはこれを率直に明記する。ただしHyperionの案件は民間専用である。私たちは兵器、機密システム、または政府のセキュリティクリアランスを要する用途のためのAIシステムについて、助言も実装も行わない。
MRO施設のAI — 文書検索、NDTビジョン、保全計画 — は、クラウドAPIではなく現地のGPUサーバー上で動作すべきである。航空機保全データ、フリート状態記録、OEMドキュメントはIP契約およびデータ保護義務の対象である。ローカルに展開されたMistralモデル上で推論を実行することは、保全データが外部インフラを一切通過しないことを意味する。ハードウェア：単一のNVIDIA A10（24GB）は、十分なスループットで中規模MROショップ向けにMistral 7B INT4を提供できる。
機体構造の製造プロセス — CFRP積層パラメータ、工具形状、NDT合否しきい値 — は競争上のものであり、一部のコンテキストではITAR/EARまたは同等の国内規制のもとで輸出管理の対象である。エアギャップ推論は、いかなるプロセスデータも施設境界を出ないことを保証する。モデルの重みはコミッショニング時に一度だけロードされ、更新は品質マネジメントシステムと整合した管理された変更プロセスに従う。
欧州の航空宇宙事業者（Airbusのサプライチェーン、欧州のMRO、EUで認可された航空会社）は、個人情報を含むあらゆるデータ — シフト記録、技術者の操作、品質ホールドの判断 — についてGDPRを考慮しなければならない。オンプレミスまたはEUソブリンクラウドの展開は、処理をEUの管轄内に留め、GDPR遵守を簡素化し、第三国移転のための標準契約条項の必要性を排除する。
生産ラインのNDTビジョン検査は、スループットのボトルネックとならないために100ms を十分に下回る推論レイテンシを必要とする。クラウドAPIのラウンドトリップ（一般に100〜500ms）はインライン検査と構造的に両立しない。検査ステーションと併置されたオンプレミスのGPUノードは、YOLOv9規模の検知モデルに対して20ms 未満の推論を提供する — いかなるクラウドアーキテクチャより2桁高速である。
EASA Part 145およびAS9100は、保全記録と品質記録が保持され追跡可能であることを要求する。AIシステムが保全の判断または検査の結果に寄与する場合、推論ログ — どのデータが照会され、モデルが何を返し、技術者が何を判断したか — は品質記録の一部でなければならない。オンプレミス展開は、これらのログがサードパーティのクラウドの監査証跡ではなく、既存の品質マネジメント・インフラ内に留まることを意味する。
ITAR/EARと輸出管理
航空宇宙の製造データ — とりわけ軍由来またはデュアルユースの部品に関するもの — は、米国のITAR（International Traffic in Arms Regulations）、EAR（Export Administration Regulations）、または同等のEU/国内輸出管理枠組みの対象となりうる。ITAR管理対象の技術データをクラウドAI API（名目上EUにホストされているものであっても）に送信することは、プロバイダーがUS-personの従業員を擁する、または米国管轄のデータアクセスを有する場合、無許可の輸出を構成しうる。オンプレミスのエアギャップ展開は、データを管理された施設境界内に留めることでこのリスクを排除する。これは法律問題である — 貴社の輸出管理顧問に相談すること。
貴社のMROまたは製造AIのユースケースが機上認証の範囲の内側か外側か確信が持てませんか？ Hyperionは4週間のディスカバリー・スプリントを実施し、貴社のユースケース、認証の接点、データフロー、ソブリン性要件をマッピングし — 貴社固有の運用コンテキストに向けた展開アーキテクチャの推奨を作成する。
航空宇宙AIは、避けがたく、直接取り上げる価値のある形で防衛隣接の文脈と交差する。多くの航空宇宙供給者 — 機体構造メーカー、アビオニクス・インテグレーター、UAVプラットフォーム開発者 — は、同じ施設で、同じエンジニアリングチームで、民間と防衛の双方のプログラムに供給している。民間MROショップにとって意味をなすAIインフラは、アーキテクチャ的にはデュアルユースの製造環境にとっても意味をなす：ソブリン、オンプレミス、エアギャップ、完全なデータ系譜を備えたもの。私たちはこれを率直に明記する。
私たちが行うこと
私たちが行わないこと
このシビルファーストの境界の論拠は、航空宇宙技術のデュアルユースの現実に対する素朴さではない。それは意図的なポジショニングの選択である。防衛業務は能力 — セキュリティクリアランス、機密施設のインフラ、ITAR登録、主契約者関係 — を必要とし、それはHyperionの規模で活動する小規模で機敏なAIコンサルタンシーが保有しておらず、構築を目指してもいないものである。それらの能力なしにその市場に応えようとすることは、納品失敗の帰結が大きい文脈で顧客に過剰な約束をすることを意味する。
私たちが正直に言えること：私たちが民間顧客向けに実装するソブリン・インフラのアーキテクチャ — オンプレミス推論、エアギャップ展開、EUデータレジデンシー、監査証跡の完全な所有 — は、データ・ソブリン性とセキュリティの要件が類似するデュアルユースの製造環境にとって適切となるであろう同じアーキテクチャ・パターンである。デュアルユースのメーカーがこのアーキテクチャを自社の民間生産ラインに適用したい場合、私たちは支援できる。私たちは民間および技術の層を担う；防衛固有のコンプライアンス、クリアランス、プログラム管理は私たちの範囲外にある。
以下は、航空宇宙AIに関わる範囲でのHyperionの背景についての事実に基づく説明である。私たちは航空宇宙固有の顧客案件を納品したことはない。私たちが有するのは、実証済みの産業AIエンジニアリング能力 — エッジビジョン、RAG、ソブリンなオンプレミス・インフラ — であり、それはアーキテクチャ的に航空宇宙の文脈へ移転可能である。私たちは両者について透明である。
Hyperionは、10のAIベンチャーにわたり産業検査のためのエッジAIビジョンシステムを構築・展開してきた。これには表面欠陥検知、異常分類、センサーフュージョンのためのコンピュータビジョン・パイプラインが含まれる。これらは、航空宇宙のMROおよび製造の用途が必要とするのと同じ基盤能力 — エッジに展開されたビジョンモデル、技術文書を対象とするRAG、オンプレミス推論インフラ — である。私たちは航空会社やMROショップ向けに特化して構築したわけではない；私たちが有するのは、航空宇宙の文脈へ移転する、実証済みの産業AIエンジニアリング能力である。
創業者Mohammed Cherifiは、組込みシステムと産業エンジニアリングに17年以上を費やしており、Renault-Nissan-Mitsubishi Alliance、Cisco、ABBでの業務を含む。航空宇宙製造は、自動車および産業オートメーションとエンジニアリングのDNAを共有する：安全クリティカルなソフトウェアの実践、OT/IT統合、品質システム（IATF 16949はAS9100に対応する）、そして生産現場とITの間の文化的ギャップ。この背景は、規制された産業環境でAIがどのように設計・展開されるかに直接関係する。
Auralink — Hyperionの旗艦ベンチャー — は、ソブリンファーストでエッジ展開可能なアーキテクチャ上に構築された、400以上のマイクロサービスと約20エージェントのプラットフォームである（約170万行のコード）。これは私たちが顧客案件に適用するエンジニアリングの規模である：分散エージェント協調、オンプレミスのモデルサービング、物理センサーからの構造化データパイプライン。Auralinkをエッジ制約環境で機能させるアーキテクチャ・パターンは、航空宇宙の保全および製造システムに直接適用可能である。
arXivに公開されたプレプリント（arXiv:2603.08736）は、物理インフラのための自律的なエッジ展開型AIエージェントを扱う。これはプレプリントであり — 査読付きジャーナルの出版物ではない — が、Hyperionがソブリンでエッジ制約のあるAI展開に適用するアーキテクチャ的思考の深さを反映している。記述されたパターンは、航空宇宙のMROおよびUAS地上システムに関連する。
Mohammed Cherifiは、フランス政府のOsez l'IAプログラムからAIアンバサダーの称号を保有し、FranceNumから評価を受けている。この称号はフランスのAI政策への関与を反映する — Airbus、Safran、Thales、および欧州航空宇宙サプライチェーンの大半がフランスおよびEUの規制枠組みのもとで活動していることを踏まえれば、関連性のある文脈である。
いいえ。Hyperionは航空宇宙固有の認証（DO-178C DAL、EASA Part 145承認、AS9100登録）を保有しておらず、航空会社、MRO組織、OEM航空宇宙顧客への案件を納品したこともありません。Hyperionが有するのは、実証済みの産業AIエンジニアリング能力 — エッジビジョンシステム、技術文書を対象とするRAG、ソブリンなオンプレミス推論インフラ — であり、それはアーキテクチャ的に航空宇宙の用途へ移転可能です。私たちはこの区別について透明です：技術的能力は現実のものです；航空宇宙固有の顧客実績はまだそこにありません。
シビルファーストとは、私たちの業務範囲、技術的推奨、顧客基盤が民間航空宇宙の用途に焦点を当てることを意味します：商用航空のMRO、ビジネス航空の保全、民間UAS事業者、アビオニクスのサプライチェーン、民間プログラム向けの機体構造製造。私たちは兵器システム、機密システム、または政府のセキュリティクリアランスを要する用途に関わる業務を追求しません。デュアルユースのインフラ — ソブリンなオンプレミスAI、エアギャップ推論、エッジに展開されたビジョン — が民間と防衛の双方の文脈で応用される場合、私たちはそれを率直に明記します；ただし私たちの案件は民間専用です。
いいえ。Hyperionは防衛契約を有さず、防衛主契約者または防衛下請けの役割の顧客も有さず、セキュリティクリアランスも有しません。私たちの創業者およびチームは、いかなる政府のセキュリティクリアランスも保有していません。私たちは本入門で、ソブリンなAIインフラ — オンプレミス、エアギャップ、エッジ展開 — がデュアルユースの文脈に関連することを述べますが、これはアーキテクチャ的な観察であり、私たちの顧客基盤やその分野での能力の記述ではありません。
DO-178Cの耐空性クレジット要件は、機上機能を実行または影響するソフトウェアに適用されます。地上ベースのMRO意思決定支援ツール — 文書検索のためのRAGシステム、または人間のレビューのために指摘を提示するNDT画像分類器 — は、それ自体が機上機能ではなく、DO-178C認証を必要としません。ただしそれは承認済み保全データソースとして表示されてはならず（それにはPart 145/FAAの承認が必要となる）、サービス復帰判断に影響するいかなる出力も有資格エンジニアの権限のもとに留まらなければなりません。認証の負担は、AI出力の安全上の帰結に応じてスケールします。
EASAのAIロードマップ2.0（2023年公開）は、DO-178Cが決定論的ソフトウェアに対して提供するものと類似した厳格さをMLモデル開発に適用する枠組みとして「learning assurance」を導入します。それは五つの課題領域を特定します：データ管理と追跡可能性、モデルアーキテクチャの決定と説明可能性、MLに適した性能メトリクス、分布シフトと運用監視、そして人間と機械のチーミング。EASAは、現行のガイダンス（DO-178C/DO-254）がMLシステムには不十分であり、新たな適合性の手段が必要であることを明言しています。2026年時点で、機上システムにおけるMLのための確定した適合性の手段はまだ存在しません；EASAはより広範なAI規制枠組みの一環としてPART-AIに取り組んでいます。
MistralベースのRAGシステムは、ドキュメント検索を劇的に加速し、保全エンジニアの認知負荷を低減できます。それが「承認済みデータソース」を構成するかどうかは、どのように実装され使用されるかに依存します。システムは承認済みデータソース（承認済み版のAMM、CMM、サービスブルテン）を参照し、エンジニアが関連セクションへナビゲートするのを助けることができます — ただしそれ自体が承認済み保全データを生成または改変することはできません。承認済み文書が権威として留まります；RAGシステムは検索および理解の補助です。この区別は、システムの意図された機能の記述に明確に文書化されなければなりません。
MROドキュメントコパイロット（RAG + Mistral 7B INT4）には：単一のNVIDIA RTX 4090（24GB VRAM）またはA10で、小〜中規模のMROショップには十分です。生産ラインでのインラインNDTビジョン検査には：検査ステーションでの専用GPU（エッジにはJetson AGX Orin、ステーションレベルの推論にはA10）。UAS地上システムには：機上にはNVIDIA Jetson Orinまたは同等品；地上管制インテリジェンスにはA10/L40。エアギャップ環境は、オフラインのモデルロードと、品質マネジメントシステムと整合したモデル更新のための変更管理プロセスを必要とします。
焦点を絞ったディスカバリーおよびアーキテクチャ・スプリント — ユースケースの範囲設定、データフローのマッピング、規制上の接点の特定、インフラのサイジング — は通常4〜6週間かかります。単一ユースケースの本番展開（例：特定のフリートタイプ向けMROドキュメントRAG）は、アーキテクチャ承認から稼働開始まで通常8〜14週間かかります。タイムラインはデータの準備状況（ドキュメントコーパスの品質、ラベル付きNDTデータセット）と事業者の内部変更管理プロセスに大きく影響されます。私たちはまずディスカバリー・スプリントを行わずにプロジェクトのタイムラインを提示することはありません。
EASA (2023). "EASA Artificial Intelligence Roadmap 2.0."
文脈： 航空におけるAIに関する欧州連合航空安全機関のロードマップ。「learning assurance」の概念を導入し、MLシステム認証のための五つの課題領域を特定する。
RTCA / EUROCAE (2012). "DO-178C: Software Considerations in Airborne Systems and Equipment Certification."
文脈： 機上システムのための主要なソフトウェア認証規格；ML補遺ガイダンス（SC-205）が整備される基盤。
RTCA / EUROCAE (2000). "DO-254: Design Assurance Guidance for Airborne Electronic Hardware."
文脈： ハードウェア設計保証規格；アビオニクス・ハードウェアでML推論を実行するプログラマブルロジックに適用される。
SAE International (2010). "ARP4754A: Guidelines for Development of Civil Aircraft and Systems."
文脈： 民間航空機のためのシステム開発ライフサイクル・ガイダンス；DO-178CおよびDO-254のソフトウェア/ハードウェア保証活動が実施される最上位の枠組み。
EASA (2014). "Commission Regulation (EU) No 1321/2014 — Part 145: Maintenance Organisation Approvals."
文脈： 承認済み保全組織のためのEASA Part 145規制枠組み；航空機保全における意思決定支援ツールおよび承認済みデータソースの使用を規律する。
JARUS (2022). "JARUS guidelines on SORA — Specific Operations Risk Assessment for UAS."
文脈： 民間UAS運用のためのリスク評価枠組み。特定カテゴリの運用で使用されるAI判断システムの要件を含む。
SAE International (2016). "AS9100 Rev D: Quality Management Systems — Requirements for Aviation, Space, and Defense Organizations."
文脈： 航空宇宙製造のための主要な品質マネジメント規格；AIが生成した検査記録およびプロセスデータの追跡可能性に関連する。
Hyperion Consulting (2026). "arXiv preprint: Autonomous Edge-Deployed AI Agents for Physical Infrastructure (arXiv:2603.08736)."
文脈： ソブリンでエッジ展開型のAIエージェントのアーキテクチャ・パターンに関するHyperion創業者のプレプリント（査読なし） — 航空宇宙のMROおよび製造の文脈に適用される同じパターン。
創業者兼AI戦略リード
Mohammed Cherifiは、Renault-Nissan-Mitsubishi Alliance、Cisco、ABBでの業務を含め、組込みシステムと産業エンジニアリングに17年以上を持つHyperion Consultingの創業者です。彼は産業環境のためのソブリンAI展開を専門とする — エッジAI、オンプレミス推論、そして安全クリティカルな製造の運用上・規制上の制約を満たすAIシステム。