工場の自律化は、信頼できる生産データに依存する。世界の半導体メーカーにとっての機会は、既存の生産能力から販売可能な製品の生産量を増やせることだ。一方、技術者が気づく前に、工程に関する誤った判断の影響が拡大するリスクもある。AIインフラがどこに構築されるかが不透明な状況では、投資規律の重要性が一段と高まる。ただし、工場の自動化は需要低迷への備えにはならない。投資の妥当性は、測定可能な製造上の改善に基づかなければならない。
ボトルネックは、単に測定データをより多く集めることではない。制御システムは、測定値同士が比較可能か、測定機器'の校正が引き続き有効か、推奨内容の前提となる工程条件が今も当てはまるかを把握する必要がある。こうした背景情報を保持せずに装置を接続すれば、工場が誤った結論に至る速度を速めかねない。このため、競争上の価値は、測定から意思決定までの過程を監査可能な形でつなぎ、システムが実行を見送るべき条件を示せるサプライヤーへと移る可能性がある。データの所有権や誤った推奨に対する責任は、単なる技術上の細部ではなく、商取引上の論点となる。
日本の半導体メーカー、装置メーカー、SIerにとって、これは汎用的な分析プラットフォームをもう一つ提供するのではなく、工程の信頼性保証で商機を開くものだ。装置メーカーは、独自の工程ノウハウに対する管理権を維持しながら、検証可能な測定履歴と明確に定義されたインターフェースによって差別化できる可能性がある。SIerは、導入作業を補完する業務として、継続的な検証と変更管理を検討すべきだ。統合における難題は、装置、製造システム、エンジニアリングの業務フローをまたいで情報の意味を維持することにある。RPAが担うべきなのは、例外案件の振り分け、根拠資料の取りまとめ、承認の調整といった制御ループの周辺業務であり、チェックを経ずに生産設定を変更するための近道ではない。
購入企業は、推奨内容を自動で提示する機能と、工程を変更する権限を切り分けるべきだ。初期導入では、実行権限を与えずに、推奨内容と技術者の判断を比較できる。より広範な制御を認めるかどうかは、適格性が確認された稼働条件下で信頼性が実証されているかに基づいて判断すべきだ。契約では、不一致を誰が調査するのか、自動実行を誰が停止できるのか、ソフトウエアの変更に応じてどのように再検証を行うのかを定める必要がある。投資家にとって有用な指標は、自律化という看板ではない。サプライヤーが工場ごとに個別仕様の統合作業を必要とせず、再現性のある操業上の効果をもたらせることを示す証拠だ。