字幕（全文）
Sam: 初めてのポッドキャストへようこそ。今回はAIが半導体製造の分野でどのように進化しているのかを探っていきます。少なくとも「セミ・インサイトフル」な――ちょっとは示唆のある――内容になればいいなと思っています。今日は第1回ということで、皆さんはこの実験の参加者となります。ホストのSam Duchschererです。本日は、Applied Materialsで生産性領域のプロダクトマーケティングマネージャーを務めるRich Burdaをお迎えしています。
Rich、今日は来てくれてありがとうございます。
Rich: こちらこそありがとうございます。これが初回のポッドキャストだとは知りませんでした。第1回に参加できて光栄です。
Sam: 初回のゲストとして、これ以上にふさわしい方がいないと思っています。まず最初に、これまでのご経歴と、Applied Materialsで現在の役割に就くことになったきっかけについて少し教えていただけますか？
Rich: もちろんです。学歴や細かい経歴をすべて話すのは省きますが、専攻は機械工学でした。キャリアの初期にいくつか職を変えた後、結果的に300ミリファブ（新規立ち上げファブ）に関わることになりました。ニューヨーク州イースト・フィッシュキルにあるIBMのファブで、私が育った場所から80マイルほどしか離れていない場所にありました。実はそれまで、そこにファブがあることすら知りませんでした。そこで私はインダストリアルエンジニアとして採用されました。
ある時、「RTDを知っている人はいるか？」と聞かれたことがありました。以前に行っていたシミュレーション業務のおかげで、たまたま私はそれを知っていて、手を挙げたんです。その結果、IBMの300ミリファブ立ち上げに向けて、ディスパッチングルールとは何かを理解し、それをどう書くかを検討するリードを任されることになりました。
そこからファブとともに成長し、ディスパッチングルールでファブを立ち上げるだけでなく、自動搬送やディスパッチングの本格導入（当時は業界初）にも関わりました。さらに、その後はローカルエリアスケジューリングや最適化にも取り組みました。これもそのファブでは初めての試みで、私も関与していました。あの日、「RTDを見てみます」と手を挙げたことが、本当に多くの経験につながったのです。
RTDやそれを支えるシステム、半導体やサプライチェーンに関わる仕事を振り返ると、非常に大きなやりがいと誇りを感じます。
キャリア後半になって、これらのツールやロードマップ、そしてそれを使っている人たちと直接関われる立場になれたことは、私にとってとてもエキサイティングな変化で、ここにいられることを本当にうれしく思っています。
Sam: それは素晴らしいですね。私は人がどのようにこの業界に入ったのか、そのバックグラウンドや経験を聞くのが本当に好きなので、長年RTDユーザーだったという話はとても興味深いです。
ではそのご経験を踏まえてお聞きします。ディスパッチング、スケジューリング、プランニング、レポーティングといった「生産性」領域において、なぜ今がこれほどエキサイティングなタイミングだとお考えですか？
Rich: 私は今がまさにいくつかの意味で転換点に来ていると思っています。まず、オペレーション上の課題があります。半導体製造というのは本質的に、技術もプロセスも常に進化し続けます。キュータイム制約はますます厳しくなり、スケジューリング上の課題も増え続けています。
さらに今は、ファブ内だけでなく、ポストファブ工程においても、より高度な制御と自動化が求められています。これまでは完全自動化されたファブが中心でしたが、ビジネスの性質上、ポストファブでも制御や自動化が必要になってきています。ここには独特の課題があります。
もう一つ見えてきているのは、製造現場、とくに半導体製造における領域知識や技術スキルの不足です。需要が増えているのか、供給が減っているのかは別として、そうしたスキルが以前ほど簡単に手に入らなくなっています。これも転換点の一つです。
そして今、AIという劇的に新しいITツールが登場しています。私が「転換点」と言い、「エキサイティングだ」と言う理由はそこにあります。新しい課題があり、同時に、それに対処できるかもしれない新しいツールが現れているのです。
Sam: それは、LLM（大規模言語モデル）のようなAIを指しているのでしょうか？それとも別のものですか？
Rich: Samはこの分野に詳しいから分かっていると思うけれど、私は一歩引いて考えています。エージェント型でデータと対話するAIなのか、既存のスケジューリングツールを強化するための強化学習なのか。特定の技術を指しているわけではありません。
正直、誰も正確に「どこに向かうのか」を言い切れる段階ではないと思います。ただ、Appliedとして、そして業界として、「どこで何が使えるのか」「何が意味を持つのか」を評価しているところです。これまでできなかったことを可能にするチャンスがある、そこが面白いところです。
Sam: その通りですね。完全に同意します。挙げてくれた転換点については、正直それぞれについてもう1時間くらいお話ししたいくらいです。ただ、そこまで時間がないので、ここからはAIの話題に入っていきたいと思います。
私の経験では、「AI」と聞くと、多くの人は自動光学検査や異常検知といった品質系のユースケースを思い浮かべます。RTDやスケジューリング、最適化の経験を踏まえて、なぜ生産性領域のAIは見逃すべきではないとお考えなのでしょうか？
Rich: ここで私は、ちょっと古い考え方のオペレーション屋の役を演じることになりますね。まず言いたいのは、「AI」という言葉はあまりにも広すぎる、ということです。こういう議論になると、人によって受け取り方や意味合いが本当にさまざまですよね。
AIと言っても、LLMなのか、強化学習なのか、エージェントなのか、人によって意味がまったく違います。
ですから、議論をする際には、どのAI手法を指しているのかをもっと明確にする必要があります。私のバックグラウンドからすると、AIとは「人の直接的な介入なしに、自動で調整され、最適な結果を得るために知的な判断を下すシステム」だと考えています。
そう考えると、お客様は何十年も前から、工場を動かすためにそうしたシステムを構築してきました。
強化学習などを使って、それらをさらに高度化する余地はあります。今の技術をAIと呼ぶと少し語弊があるかもしれませんが、半導体製造は、AI技術を実際に活用するための非常に優れた実証の場だと思っています。
Sam: AIという言葉が広すぎるという話でしたが、お客様が特に関心を持っているAIのタイプはありますか？
Rich: 多くの人が混乱していると思います。もちろん、非常に具体的なプロジェクトについて話せる場面もありますが、私が最もワクワクしているのはエージェント型AIです。データと対話できることで、装置エンジニア、IE、プロセス、インテグレーション、マテリアルプランニング、メンテナンスといった、今は分断されているサイロを越えられる可能性があります。
今はそれぞれに専門家がいて、知見が混ざり合うことがほとんどありません。もしそれが可能になれば、ファブは変化に対してはるかに柔軟で適応力のあるものになります。「昨日の生産性はなぜこうなったのか？」とAIに聞けば、保全、稼働率、WIPフロー、プロセス課題を横断した答えが返ってくる。そこに大きな可能性があり、ゲームチェンジャーになると考えています。
Sam: AIがサイロを壊す、という話ですね。確かにそれが実現すれば最も大きなインパクトになると思います。ただ、なぜ業界が期待していたよりも少し時間がかかっているのでしょうか？サイロの話自体は、かなり前からしてきた気がします。
Rich: そうですね。実はこれらの障壁の中には、技術的な問題ではないものも多いんです。こうしたサイロは、組織ごとに自分たちの領域を守ろうとすることで生まれています。もし組織の構造自体が、そのレベルの協業を前提としていなければ、実現するのは難しいでしょう。
Sam: まさにチェンジマネジメントですね。それはいつも出てくるキーワードです。では、チェンジマネジメント以外に、AI導入を加速させ、サイロを壊すために、お客様が注力すべき重要なマイルストーンはありますか？あるいは、どうすればそこに辿り着けるのでしょうか？
Rich: この質問に関して具体的に言うと、オペレーション側のAIにおける重要な要素は「予測」だと思います。この業界の多くのお客様は、ある程度の予測は行っていますが、それは非常に初歩的なものです。オペレーションの予測について、より明確な目標を設定することが重要だと思います。
ツールによって異なりますが、非常に短期的なもの――たとえばシフト終了時点で何が起きているか、あるいは1週間後、2週間後、3週間後のWIPプロファイルを予測するツールもあります。用途によって違いはありますが、AIはその予測能力をもたらしてくれます。以前は難しすぎて諦めてしまったケースもあると思いますが、今は、すでにその予測を可能にするAIツールが存在していると思います。
Sam:では、なぜAppliedなのか、という話ですよね。AIに取り組んでいるスタートアップや企業はたくさんあります。今や、誰もがAIをやっているように見えます。その中で、なぜApplied Materialsが、お客様のAIジャーニーをリードできる存在になるでしょうか？
Rich: これは専門性の高い業界だからこそだと思います。多くの意味で、半導体製造業界そのものが先行している部分があります。
他の分野のプロジェクトについて検索すると、データの課題、データクレンジング、データ品質がAIに耐えられない、といった話をよく耳にします。しかし、ファブではすでにオペレーションと自動化が高度に進んでいるため、私たちはデータが比較的整っていることを当たり前のように感じています。
もちろん「すぐに使える」というわけではありませんし、改善は常に必要ですが、データ面での大きな障壁はすでに越えていると思います。これは、さまざまな業界を対象にAIを展開しようとしているスタートアップとは大きく異なります。半導体では、データはすでに収集され、分析ツールやスケジューリング、最適化に使われています。
多くの面で、私たちはすでに一歩先に進んでいます。半導体に特化していない一般的なスタートアップが、今いる場所から次に進むために必要な専門性や経験を持っているとは限りません。
Sam: 正直に言うと、この質問をしている時、僕自身がどう答えるかも考えていました。結果として、同じ答えにたどり着けたので安心しました。
さて、もしまだ気づいていなければですが、僕は楽しい雰囲気が好きで、よく笑うタイプなんです。なので、初回のポッドキャストでは、ランダムな質問をするクイック質問コーナーをやりたいと思っています。正解・不正解はありません。
Rich: 分かりました……ちょっと緊張してきました。
Sam: 最初の質問です。「工場におけるAI」で、ぜひ壊したい思い込みは何ですか？
Rich: 少し前にも触れましたが、これですね。「半導体工場はAI導入が遅れている」という神話です。
私は、半導体工場こそが多くの新しいAIツールの実証の場だと思っています。AIプロジェクトについてを議論すると、AIを導入するために、まず業務プロセスの再設計やデータ整備が大量に必要だった、という話をよく聞きます。
その結果、基盤整備の効果とAIそのものの効果を切り分けるのが難しくなります。一方、半導体ではインフラがすでに整っており、新しいAI手法をどう活用するかに集中できる状態にあります。
ライトニングラウンドとしては最悪の回答ですね。もっと短く答えるべきでした。
Sam: Yいえ、ちゃんと神話は壊れました。良い回答でした。
では次の質問です。もしスケジューリングがスポーツだとしたら、何でしょうか？そしてその理由は？
Rich: これは悩みますね。人は慣れ親しんだものに例えがちなので、私はローイング（ボート競技）を選びます。これは私が長年やってきたスポーツです。8人乗りのボートが、水面を滑るように進む姿を想像してください。8人全員が完璧なタイミングで動かなければなりません。力強く、速く、そして高度な協調が求められます。それがスケジューリングであり、半導体製造です。
複雑なフローがうまく機能しているとき、それは本当に美しい。ただ、ボートをやったことがない人には分かりにくいのですが、向かい風、追い風、横風など、風が変わると全員が調整を迫られます。その調整が揃わないと、リズムが崩れます。水面が穏やかなのか、波立っているのか、潮の流れはどうか。
そうした変数すべてに対応しながら、流れを同期させ続ける必要があります。少し個人的な例えかもしれませんが、私はスケジューリングを考えるとき、いつもこのスポーツを思い浮かべます。
Sam: 素晴らしいですね。このポッドキャストの視聴者が誰になるかは分かりませんが、誰にとっても共感できる例えだったと思います。
では最後の質問です。（3問しか思いつかなかったので、これが最後です）もっと注目されるべき、生産性指標は何でしょうか？
Rich:これはIE界隈の伝説的なランチ論争に踏み込む質問ですね。オペレーションによって異なりますが、私が常に注目してきたのは「ファーネスのバッチサイズ分布」です。ファーネスは一見地味ですが、バッチサイズは生産性に大きな影響を与えます。バッチツールはフローの観点では理想的ではありませんが、データをよく見ると、多くの示唆が得られます。
計画よりもはるかに小さいバッチがあれば、必ず理由があります。キュー滞留なのか、ホットロットなのか。そうした背景を理解することで、多くの改善点が見えてきます。ですから、もっと評価されるべき指標として、私は常にファーネスのバッチサイズ分布を挙げます。
Sam: つまり、ランチタイムに議論した経験はありますよね？
Rich: 冗談ではありません。6〜8人のIEが月に一度ランチに行くと、「工場を1つの指標で管理するとしたら何か？」という議論になります。サイクルタイムだ、マスクレイヤームーブだ、といった具合ですね。恥ずかしいというより、むしろ誇らしい話ですが、そういう議論は本当にたくさんしてきました。
Sam: 面白いですね。ではそろそろ締めに入りますが、最後に少し時間をかけて聞きたい質問があります。
生産性領域におけるAIについて、お客様に1つだけ覚えておいてほしいことは何でしょうか？
Rich: 技術的な話というより、考え方の話になります。長く業界にいると、どうしても懐疑的になりがちです。「AIはまだ使えない」「時期尚早だ」と言いたくなる気持ちは分かります。
ただ、そのエネルギーを少し方向転換してほしい。この分野では多くの取り組みが進んでいて、非常にエキサイティングです。創造性を持って考えれば、他の人が思いつかなかったAIの使い方を見つけられるかもしれません。これまでやりたくてもできなかったことが、今はAIによって可能になっているかもしれません。
Sam: つまり、懐疑的にならず、コンフォートゾーンから出よう、ということですね？
Rich: そうですね。懐疑的であること自体は悪くありません。ただ、創造的に考えることを忘れないでほしい。SNSでよく見る人たちよりも、現場にいるあなたの方が、これらのツールをどう使うべきか分かっているかもしれません。
Sam: 素晴らしい締めの言葉です。これからが本当に楽しみですね。Rich、初回の“実験台”になってくれて、本当にありがとうございました。
Rich: こちらこそ楽しかったです。招待してくれてありがとう。とても良い仕事をしていると思いますよ。
