システム移行は成功した。それなのに、半年後の小さな改修が進まない――。レガシーモダナイゼーションでは、移行を終えることだけを目標にすると、その後の保守・改修で問題が生じかねない。AIを活用し続けられるシステムにするための「AI Ready」の5つの条件と、移行時に残しておくべき情報や仕組みを解説する。
この記事は会員限定です。会員登録(無料)すると全てご覧いただけます。
連載:AIに任せる、人が決める──2035年へのレガシーモダナイゼーション実務論
国内のメインフレームベンダーによる事業撤退の発表が相次ぎ、移行が急がれるレガシーシステム。本連載ではここまでの9回で、移行の難易度をどう見極めるのか、またコードの解析や仕様の復元に必要な情報をAIにどう渡すのかを書いてきた。それぞれ別々の作業に見えるが、目指しているのは一つの状態である。今回は、その状態に名前を付ける。移行のゴールをどこに置くかという話だ。
ある案件の話をする。移行は成功した。予定通り切り替わり、現新比較も通り、月次処理も年次処理も問題なく実行できた。プロジェクトは完了報告を出し、チームは解散した。
問題が起きたのは、その半年後である。制度改正に伴い、料率の計算に手を入れることになった。規模としては小さい。以前なら数週間しかかからない改修だ。
ところが、改修に着手してすぐに作業が行き詰まった。移行のときに作った、ソースコードの項目名と業務用語を対応付けた語彙(ごい)集も、知識グラフも、有識者から聞き取った理由の記録も、どこにあるか分からなくなっていた。契約の成果物に書いていなかったからだ。第16回で詳しく書くが、残っていたのは動くシステムと、変換前後のソースコードだけだ。
正確に言えば、資料は残っていた。プロジェクトの共有フォルダに、報告書と議事録が一式ある。だがそこから「この料率の丸め方を、いつ誰がなぜ決めたのか」を知るためには、数百ページもある資料を読み直すことになる。そんなことは誰もしない。資料が残っていないのと同じことだ。
新しい環境のソースコードは、AIに読ませれば一通り説明が返ってくる。だが「なぜこの料率だけ別の丸め方なのか」には答えない。前回書いた通り、ソースコードにその処理やルールがなぜ必要なのかという「Why」は書かれていない。聞ける人は、もう移行チームにはいない。
移行は成功していた。だが、その先に必要なものが残っていなかった。
ここまで解説してきたことを並べ直すと、一つの状態が見えてくる。AIに読ませられるだけでなく、AIを活用して10年先まで保守・改修を続けられる状態だ。これをわれわれは「AI Ready」と呼ぶ。その条件は5つある(図1)。
1つ目は、資産がそろっていること。本番で稼働している全てのモジュールのソースコードがそろい、実行時の条件によって変わるプログラムの呼び出し先も特定できている状態だ。第3回で紹介した、AIを活用したシステム移行の難易度を評価する6項目のうち、「ソースの欠損」と「動的呼び出し」がこれに当たる。
2つ目は、コーディングの作法が一貫していること。5000本が同じ規則で書かれ、その規則が文書になっている。世代の混在、つまり異なる時代に書かれたコードが入り交じっていることは、第5回で見た通り、AIによる誤りが偏って起きる場所そのものだ。
3つ目は、文脈が付いていること。データの項目名と業務用語を結ぶ語彙があり、資産の関係をたどれる知識グラフがあり、どちらもコードの変化に追随して更新され続けている。第6回と第7回で説明した内容だ。「作った」ではなく「更新され続けている」ことが条件だ。3カ月放っておけば、システムの構造や資産の関係を把握するための地図(知識グラフ)はうそをつき始める。
4つ目は、なぜそのルールなのかという「Why」が実体にひも付いて残っていること。なぜその丸め方なのか、なぜこの判定があるのか。第8回で紹介した知識グラフの3層(構造、意味、理由)のうち、3層目(理由)を報告書ではなく知識グラフのノードにひも付けておく。
5つ目は、機械で検証できること。現新比較に使ったテストデータと期待される結果が残っていて、旧システムがなくても回帰テストが実行できる状態だ。見つかった不具合をどう裁定したかの記録も、ここに含まれる。
5つのうち、1つ目と2つ目は移行作業そのもので決まる。3つ目から5つ目は、移行の過程で作成した情報や記録を、移行後も活用できる形で残せるかどうかで決まる。
5つは独立していない。2つ目の一貫性が崩れていると、3つ目の語彙も作りにくい。コーディング作法がばらばらなら、同じものを指す項目名もばらばらだからだ。逆に1つ目と2つ目がそろっていれば、3つ目と4つ目にかける時間を、業務の側に振り向けられる。5つの条件には、整備を進める上での順序があるということだ。
なぜ5つなのか、と聞かれることがある。多いほど厳密になるが、増やし過ぎると評価作業が煩雑になり、現場で使われなくなってしまう。少なければ抜けが出る。この5つは、「これがないと次の改修で止まる」と筆者が実際に見てきたものだけを残した結果だ。増やす余地はあるが、増やした分は自分で管理することになる。
もう一つ断っておく。AI Readyは、製品でも認証でもない。買ってくるものではないし、どこかが判定してくれるものでもない。移行の過程で作ったものが、移行の後にも使える形で残っているかどうか。それがAI Readyの意味するところだ。
AI Readyを実現するための5つの条件は、移行後にそろえることもできる。だが、その場合は高くつく。理由は2つある。
1つは、動いているシステムに手を入れ直すことになるからだ。移行の最中なら、コードを触っているついでに規則をそろえ、ログを出し、語彙をひも付けられる。稼働後に同じことをすれば、改修案件を1本立て、試験をやり直し、承認を取り直すことになる。第19回で書く「可観測性」と全く同じ構図だ。
もう一つの理由が重い。4つ目のWhyは、時間を置くと分からなくなるからだ。
第2回で書いた、システムの開発経緯や設計意図を知る人が、退職などによっていなくなってしまうという「人の期限」があるからだ。1985年に稼働したシステムなら、開発当時を知る人はもう社内にいない。実際に話を聞ける最後の世代は、「2000年問題」の対応に関わった層だ。その層が、いま51歳から56歳。そして移行のプロジェクトでは、たいていこの人たちに有識者として協力を求めることになる。つまり移行は、Whyを聞ける場が制度として用意される最後の機会でもある。
有識者へのヒアリングの場は、移行が終われば解散する。そのときの記録が残っていなければ、二度と同じ場は作れない。
どのくらい高くつくのかも書いておく。移行の最中であれば、ソースコードの解析や修正と並行して語彙や知識グラフを整備できるため、追加の手間は限定的である。稼働後に同じものを作るなら、解析からやり直し、業務部門をもう一度集め、試験と承認の手続きを一から踏む。筆者の見立てでは、後者は前者の数倍かかる。正確な倍率は案件で変わるので数字は出さないが、同じ額で済むことは、まずない。
AI Readyにすることと、Whyを復元すること。この2つは別の作業ではない。同じ期間にしかできない一つの作業だ。
【試して分かった】「AIエージェント」とは何か? Meta「Muse」の実践例から学ぶ使い方と潜むリスク
AIコーディング、スコア低下の理由をベンチマークは答えない――Google推奨、エージェントの「行動評価」とは
SAP移行のABAPコード変換が「87%減」 AWSの「Kiro」がベンチマークで示した実力Copyright © ITmedia, Inc. All Rights Reserved.