ASMLが現場記録をAIに活用することで生じる課題

装置を熟知する人の判断をどう共有するか

ASMLは半導体の回路パターンをウェハー上に焼き付ける露光装置を製造しています。装置の性能には精密な部品や設計だけでなく、現場で装置を調整し、問題を解決してきた経験も欠かせません。

マニュアルがあっても、見慣れないトラブルが起きれば経験豊富なエンジニアを頼ることになります。こうした経験のうち、言葉や文書で十分に表現しにくい知識を「暗黙知」と呼びます。現場の記録をいくら多く集めたとしても、その判断能力まで丸ごと手に入れたわけではありません。

ASMLがAIを導入していくプロセスを見ながら、私はこの点に関心を持ちました。記録を活用して問題をより迅速に解決できるとすれば、その記録を誰がどこで扱うことになるのかもまた、重要になるからです。

ASMLが公開したAI活用事例

ASMLは2026年6月の発表文で、AIを単一の機能にとどめず、多様な業務やシステムへ統合しつつあると説明しました。フランスのミストラルAIとの協業も、このプロセスの一環に含まれます。

最初の適用分野はマスクパターンの補正です。光で回路を転写する際に生じる歪みを抑えるため、パターンを調整する工程です。ASMLはこの計算処理に10年以上にわたってAIを活用してきており、2026年1月には顧客企業と生成AI機能の初期検証を完了したと明らかにしました。

EUV光源の設定調整や電子ビーム検査も対象に含まれます。光源調整の試行錯誤を減らし、検査画像や検査位置を改善することで装置性能を高めようとする取り組みです。

私が特に注目したのは故障診断です。エラーログとサービス記録を分析した初期テストにおいて、一部のサブシステムの障害をエンジニアと同等の精度で70%以上速く特定できたと発表しました。設計の代替案についても1万2,000件以上探索したといいます。

数字が指し示す範囲は区別して捉える必要があります。特定のエラーを特定できた結果を、工場全体の停止時間の削減とそのまま読み替えることはできません。設計案を数多く検討したという事実も、採用された設計の品質を直ちに証明するものではありません。

私が確認したい後続の指標は、実機で検証された成果です。診断が正確だったとしても、修理と再稼働までにどれだけの時間を要したのか、選択された設計がどのような性能向上につながったのかを見届ける必要があります。

ASML自身も、エンジニアが問題を定義し、実稼働環境で結果を検証する役割を強調しています。現場の経験をAIが丸ごと代替したという発表として受け取るのは難しいでしょう。

13億ユーロの投資から読み取れること

ASMLはこれに先立つ2025年9月9日、ミストラルとの長期協業を発表しました。製品、研究開発、オペレーション全般にAIを活用するための契約とともに、13億ユーロを出資し、完全希薄化ベースで約11%の株式を取得すると明らかにしています。

ロジャー・ダッセンCFOは、ミストラルの戦略委員会において戦略および技術決定の助言を行う役割を担うことになりました。単にAPIを購入して利用する関係を超え、協業へ深く関与する形です。

私はこの投資を見る際、技術開発とともにデータ統制の問題も念頭に置きます。もっとも、ASMLが公表した投資目的は共同イノベーションと製品性能の向上です。データの管轄権を確保することだけを目的とした取引だったと断定することはできません。

ミストラルは、企業が自社サーバーやプライベートクラウド上で運用できる導入形態を提供しています。機密性の高い現場データを扱う企業にとって、こうした選択肢は極めて重要になり得ます。とはいえ、ミストラルが提供するすべてのサービスにおいて、データが無条件にヨーロッパ内にとどまり続けることを意味するわけではありません。利用する製品や導入形態、外部サービスとの接続条件を確認する必要があります。

株式を保有していれば、パートナーと長期計画を協議するうえでプラスに働くでしょう。しかし、11%の株式と助言の役割が、データの保存場所や適用法令を意のままに決定できる権利を意味するわけではありません。その点は、契約条項や実際の運用形態に照らして精査すべき問題です。

ASMLによるツァイスへの投資と比較する際も、時期を正しく見る必要があります。Carl Zeiss SMTの株式24.9%の取得は、2016年に発表され2017年に実行された取引です。長く協力してきた関係と、株式を保有してきた期間は異なります。どちらの取引も重要なパートナーとの関係を強化した事例ではありますが、確保された権利まで同じであるとみなすことはできません。

現場の記録をAIに活用する際に確認すべきこと

記録をAIに活用することと、その内容をすべてモデルに学習させることは別の話です。必要な文書を検索して回答の参考にさせることもできれば、資料を学習に使うこともできます。ASMLの発表だけをもって、顧客企業のあらゆるプロセス知識が単一のモデルに取り込まれたと言うことはできません。

AIが活用できるように整理されたデータは、組織内での共有も容易になります。経験豊富なベテラン社員に毎回同じ質問をする必要がなくなり、過去の類似事例を探し出す助けにもなるでしょう。

その分、アクセス権限の管理も一層重要になります。誰がどの記録を閲覧できるのか、他社のデータと混ざり合っていないか、回答に機密情報が含まれていないかを確認しなければなりません。原本文書、検索用ストレージ、モデル、利用ログのうち、何を保護すべきかはシステム構成によって異なってきます。

こうした変化によって、精密部品や製造現場の経験が持つ価値が失われるわけではありません。従来守るべきだった技術資産に、AIの運用とデータ管理という新たな課題が加わったと捉えるのが妥当です。

Oswarldの視点

GTM戦略を策定するなかで、私は繰り返し目にしてきた光景があります。AIの導入を検討する際、まずは性能比較表から作り始めるケースが非常に多いのです。ベンチマークスコアや応答速度、価格を並べて比較します。

しかし、私が実際に経験した契約プロセスでは、その比較表には載っていない条件こそが問題になりがちでした。データがどこに保存されるのか、学習に利用されるのか、紛争が生じた際にどの国の裁判所で扱うのかといった項目です。性能評価を終えたものの、法務レビューの段階で導入が白紙に戻るケースを何度も見てきました。

だからこそ私は、ASMLの協業を見るにあたり、どのモデルを採用したかと同じくらい、データをどのような条件で扱う取り決めにしたのかが気になります。投資を行ったからといって、そうした課題がすべて解決したわけではありません。長期的な技術協力とデータの利用条件をセットで設計しなければならないという点に、私は注目しているのです。

韓国企業にも同様の問いが必要だと考えています。「ソブリンAI」をどの国のモデルを使うかという観点だけで議論していては、実際の契約条件を見落としかねません。国内外のモデルを問わず、保存場所や運用主体、アクセス権限、学習への利用有無を具体的に確認しなければならないからです。

特に現場の記録は、長い時間をかけて蓄積された資産です。導入前に利用を認めるデータの範囲を定め、契約が終了した際に返却されたり削除されたりするデータが何であるかを確認しておく必要があります。会社が変わったりサービスの利用条件が変更されたりした際に、どう対応するかもあわせて検討すべきです。

性能比較表を作成する段階から、これらの項目も最初から盛り込んでおくべきでしょう。私が現場で目撃してきた導入の失敗には、こうした条件についての議論に着手するのが遅すぎたことに起因するものが少なくなかったからです。

---

参考資料と関連リンク

• ASML, The machines behind the machines — 2026年6月12日。AI適用事例と初期試験の結果を説明しています。
• ASML・ミストラル戦略的パートナーシップ発表 — 2025年9月9日。投資金額、持分、戦略委員会での役割の根拠資料です。
• ミストラル、Le Chat Enterpriseの紹介 — 企業が選択可能な導入形態を説明しています。
• ミストラル、データ保存場所の案内 — デフォルトの保存地域や機能別の国外移転の可能性を確認できます。
• ASML、ツァイス株式取得の規制当局承認 — 2016年の発表と2017年の取引実行を区別して確認できます。

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。