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。
レガシーシステムの移行では「現行踏襲」が重視されるが、長年稼働してきたシステムに不具合が潜んでいたらどうすべきか。従来は見つからなかった不具合もAIによって発見できるようになる中、修正するか、そのまま移行するか。どのような観点が必要か。
AIによるコード解析だけでは、レガシーシステムの仕様を完全には復元できない。そこには人の知識や判断が欠かせない。仕様を復元する手順と、関係者の認識のずれがある中でどう仕様のレビューを進めればいいのかを解説する。
AIによるレガシーシステムの解析では、プログラム間の依存関係や変更の影響範囲を見落とすことがある。なぜ見落としが生じるのか。「知識グラフ」を使ってAIに必要な情報をたどらせる方法を解説する。
AIを使えば、長年使われてきたCOBOLのコードを解析することはできる。しかし、そこに記されたデータ項目名が業務上何を意味するのかまで、正しく読み解けるわけではない。レガシーシステムの移行を阻む、長年の運用の中で失われてきた「意味」をどう取り戻せばよいのか。
AIによるレガシーシステムの刷新で懸念されるハルシネーションだが、AIが誤りを起こしやすい場所には一定の傾向がある。実際にあった例を基に、AIがもっともらしい間違いを犯す原因と対策を解説する。
AIは、長年使われてきたCOBOLのプログラムをどこまで理解できるのか。レガシーシステムの刷新にAIを活用する上で、その能力をどう評価すべきかは重要な課題だ。とはいえAIの読解力が高くても、システム全体を正しく理解できるとは言えない。AI活用の可能性を見極めるために、企業は何を検証すべきなのか。
レガシーシステムの移行に当たり、工数や期間を見積もる際の指標として使われてきたプログラムの本数やステップ数。しかし、AIを活用した移行では、同じ規模のシステムでも必要な工数が大きく異なることがある。従来の指標だけでは見えてこない移行の難しさを、どう見極めればよいのか。
国産メインフレームの撤退表明が相次ぐ中だが、「まだ時間がある」と考えている企業もあるかもしれない。しかしシステム移行に必要な期間を逆算すると、判断を先送りできる時間は限られている。
国産メインフレームからの撤退表明が相次ぎ、待ったなしとなったレガシーシステムの刷新。AIによって解析や変換が速くなる中、「AIに何を任せ、人は何を決めるのか」という視点から、2035年を見据えたモダナイゼーションの実務を考える。