半導体のノウハウからAI ROIへ：製造AIはペナンでいかに現場の業務に浸透するのか
マレーシアの半導体産業がバリューチェーンの高付加価値化を進めるなか、製造業には、AIを個別の実証実験にとどめず、実際の業務プロセスに組み込むことが求められている。
プロフェトAIは、マレーシアの現地パートナーAshisuto Global Technologiesとともに、ペナンで「From Semiconductor Know-How to AI ROI」フォーラムを開催した。台湾とマレーシアの産業界の知見を共有し、製造現場の経験やノウハウを、管理・再利用可能なAI資産へと転換し、具体的な業務成果につなげる方法について議論した。
フォーラムは、ペナン州副首席大臣（第2担当）のYB Jagdeep Singh Deo（ジャグディープ・シン・デオ）氏の開会挨拶で幕を開けた。同氏は、より多くの台湾企業がペナンへの進出と現地産業への投資を続け、製造・テクノロジー・人材の各分野で双方の協力がさらに深まることへの期待を示した。
ペナンはマレーシアの半導体・電子製造の重要拠点であり、IC設計や先進パッケージング、高付加価値製造へと発展を続けている。東南アジアへ進出する台湾企業にとって、重要なのは設備や生産能力の移転だけではない。長年培ってきた製造工程の判断力、品質管理のノウハウ、経営手法を新たな生産拠点にどう根付かせるかが鍵となる。
AI導入の障壁は、モデルよりも知識と業務プロセスの断絶にある
プロフェトAIのCEO特別補佐であるJames Yang氏は、台湾半導体産業での実務経験をもとに、企業の規模や製造工程、IT環境が異なっていても、AI導入には共通の課題があると指摘した。具体的には、データの分散、知識の属人化、AIプロジェクトの横展開の難しさ、そしてAIを日常業務に定着させられないことが挙げられる。
James Yang氏は、「AIを何人が使っているかではなく、問題の解決時間を短縮できるか、初回良品率を改善できるか、新人エンジニアが熟練者に近い判断をより早く下せるかが重要だ。AIの活用は、工場が実際に抱える課題から始めてこそ、業務価値につながる」と述べた。
半導体製造では、製品仕様や製造工程、設備の状態、環境条件など、多くの要素が関係する。同じデータでも状況によって意味が異なるため、AIには個別の数値だけでなく、問題発生時の製造状況全体を把握することが求められる。
また、AIの活用にはエンジニアの知見も欠かせない。AIが原因の候補を提示しても、証拠の妥当性や現場の制約を踏まえた最終判断には人の経験が必要だ。人による確認とフィードバックを重ねることで、個人のノウハウを組織全体で活用できる知識へと変えていく。
同氏はさらに、「私たちの目標は人を置き換えることではなく、人の能力を高めることだ。エンジニアの知識や判断ロジック、業務プロセスを再利用可能なAI資産に変えることで、特定の人や工場に依存せず、拠点を越えて活用できる」と強調した。
これを実現するのが、Profet AIのDomain Twin™だ。予測モデル、専門知識、業務プロセス、ガバナンスを統合する企業の中央AI基盤として機能する。AutoMLはノーコードでの予測モデル構築を支援し、AI StudioはAIアシスタントやデジタル従業員、既存システムと連携するAIアプリケーションの構築を可能にする。
さらに、AIの利用者やアクセス権限、使用データ、実行内容、結果を追跡できるガバナンス体制も重要となる。こうした管理・監査の仕組みによって、AIを単一の生産ラインから複数工場、海外拠点へと安全に展開できる。
OSATの次の段階は、自動化の高度化だけではない
台湾人工知能協会の顧問、謝禮宗氏は、OSAT（半導体後工程受託企業）の視点から、企業の経営や意思決定のあり方について述べた。OSAT企業は、先進パッケージング技術の発展や製造工程の複雑化、コスト・納期の圧力、人材不足、サプライチェーンの不確実性などに直面している。従来の自動化は決められた作業の実行に強い一方、変化の激しい生産環境では、状況を理解して迅速に判断する力が求められる。
AIは研究開発、製造、設備、品質管理、サプライチェーン、エネルギー管理などに活用され、工程の最適化やリスクの早期発見、経営判断の支援に役立っている。
ただし、部門ごとに異なるAIモデルやデータ環境を構築すれば、新たな情報の分断を招きかねない。AI活用を広げるには、共通のAI・データ基盤と明確なガバナンス・セキュリティ体制を整え、エンジニアやIT、データ部門、経営層が連携できる組織づくりが重要となる。
謝禮宗氏は、「AIがCopilotからCoworkerへと進化すれば、日々の業務や意思決定に深く関わり、フィードバックを通じて企業への理解を深めていく。必要なのはシステムの変更だけでなく、業務プロセスの設計、人材育成、そして人とAIの役割分担を見直すことだ」と述べた。
例えば、設備に異常のリスクが生じた際、AIは予測結果を示すだけでなく、関連する製造記録や過去の事例を分析し、確認手順の提案や担当者への通知、対応状況の追跡まで支援できる。つまり、AIの役割は「答えを提示すること」から「業務の完了を支援すること」へと広がっている。
ただし、すべての判断をAIに任せるわけではない。自動化できる作業、人による確認が必要な操作、専門家の承認を要する判断を明確に分ける必要がある。
そのため、AI導入は単なるITプロジェクトではなく、業務プロセスや意思決定の仕組み、人材育成を含む組織全体の変革として捉えることが重要だ。
産業でのAI導入から、検証可能な業務成果へ
マレーシア半導体産業協会（MSIA）の技術ディレクター、Duncan Lee氏は、現地の産業動向を踏まえ、マレーシア企業のAI導入が進むなか、今後は一般的なツールの利用から、企業全体での本格的な活用へと進むことが重要だと指摘した。半導体製造では、個別の課題解決にとどまらず、自動化やデータ、部門間の連携を基盤とした、より包括的な意思決定への活用が求められる。
一方、Ashisuto Global TechnologiesのCOO、Tham Kok Tong氏は、マレーシアの製造業の事例を通じて、課題の整理からデータ準備、現場での検証まで、AI導入のプロセスを紹介した。製造・品質データによる不良予測や、センサー・設備データを活用した機械の状態把握など、いずれも明確な業務課題と測定可能な指標を起点としている。
企業には、課題が生産や品質の指標に結びついているか、十分なデータがあるか、AIの分析結果を具体的な行動に移せるか、導入後の改善を継続的に測定できるかを確認する必要がある。課題・データ・行動が結びつかなければ、優れたモデルも実際の業務価値にはつながらない。
真の課題は、AIを日々の意思決定に組み込むこと
イベントの最後には、在ペナン日本国総領事の町田慎也氏が挨拶し、台湾・マレーシア・日本の産業界をつなぐ交流を締めくくった。
技術や人材、業務プロセスに共通する製造業の課題は、新たなPoC（概念実証）を実施することではなく、AIを日々の意思決定に組み込み、継続的に検証可能な業務成果を生み出すことにある。
プロフェトAIは、台湾で培った製造AIの知見をさらに多くの市場へ展開し、現地パートナーや製造企業と連携しながら、現場のノウハウを管理・再利用可能なAI資産へと転換し、AI活用を具体的なROI（投資対効果）につなげていく。