「40年動いていたCOBOLコード」の隠れバグ――残すか否か、現行踏襲に潜む“時限爆弾”:2035年へのレガシーモダナイゼーション実務論(9)(1/2 ページ)
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。
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
レガシーシステム移行の“合言葉”は、「現行踏襲」である。いまと同じ結果が出れば正しい、という考え方だ。だが、長年にわたって改修を続けてきたシステムでは、現行の処理が正しいことを誰も保証していない。今回は、40年動いてきたソースコードに不具合が見つかったときの話をする。
「現行踏襲」という言葉の危うさ
「現行踏襲でお願いします」。要件定義の初回で、必ずこの言葉が出る。
業務は変えない。結果も変えない。移行前と同じものが出れば合格で、違っていれば修正する――。レガシー移行の要件を端的に表せば、こういうことだ。
これは、いい加減な進め方ではない。むしろ仕様が分からない状態では最も合理的な方針である。「JaBOL」について扱った取材記事でも、業務仕様を一から解釈せずに新旧を比較すればいい、という点がJaBOLの利点だと話した。いまもその考えを支持している。
だが現行踏襲という言葉には、「現行が正しい」という前提が隠れている。
40年動いてきたのだから正しいはずだ、と考えたくなる。実際、たいていは正しい。おかしければ、誰かが気付いて直しているはずだ。
問題は、「誰も気付かなかった」ということが確実にあることだ。
気付かれないまま残る不具合には、幾つかの型がある。一つは、めったに通らない経路にあるもの。「うるう年の2月29日にしか通らない分岐」「対象が1件しかないときにしか起きない処理」といった類だ。もう一つは、結果が小さ過ぎて誰も見ないもの。1円のずれが月に数件出ても、金額の丸め処理に紛れてしまえば表には出ない。
そしてもう一つが、間違った処理結果が正しいものとして扱われ、業務に定着してしまったケースである。この3つ目が一番厄介だ。直すと現場が混乱する。
例えば、ある手数料が本来より低い金額で計算されていたとする。誰も気付かないまま何年もたつと、その金額を前提に代理店への支払い表が作られ、営業の目標もその額を前提に決められる。正しい数字に直せば支払い額が上がり、目標の立て方も変わる。コードのバグを直すだけの話ではない。
なぜ、いままで見つからなかったのか
そうした不具合が残っていることは、考えてみれば当たり前だ。
5000本のプログラムを、人が全部読むことはできない。これまでのレビューはサンプリングだった。重要なところ、変更があったところ、疑わしいところを選んで深く読む。それ以外は読まない(図1)。
しかも、読む観点が人によって違う。桁あふれに敏感な人もいれば、性能に目が向く人もいる。同じプログラムでも、誰が読むかで見つかるものが変わる。
AIはこれを変えた。全部を同じ観点で読める。しかも、何度でも観点を変えて読み直せる。「桁あふれの可能性がある箇所を全部挙げよ」、次は「終端処理が抜けている可能性のある箇所を全部挙げよ」。人なら、この観点の切り替えを1回するだけで1200本規模でも数カ月かかっていた。
AI側の数字は、あえて書かない。案件ごとに違い過ぎて目安にならないからだ。代わりに性質で書く。1観点当たりの所要が桁で変わる。だから観点を1つ増やすことが、計画の見直しではなく、その日のうちの追加作業になる。上限が、時間ではなく観点を考えつく側に移った。
見つかるようになったのは、AIが人より賢いからではない。全部を同じ目で見られるようになったからだ。これまで誰も見なかった場所に、初めて光が当たっている。
かつて、こういう棚卸しをしたことがある。3人がかりで3カ月かけて、1200本のプログラムから桁あふれの危険がある箇所を洗い出した。結果は約40件。だが今振り返れば、その3人が見た観点は1つだけだった。丸めも、初期値も、終端処理も、同じ作業をもう一度やり直す必要があった。そんな時間は、どこにもなかった。
確かめたいなら、公開されている題材がある
こういう話は、聞いただけでは腑(ふ)に落ちない。自社で試すのが一番だが、いきなり本番の資産を解析にかけるのは、手続きの面でも心理面でも重い。
そこで、公開されている題材を挙げておく。
Amazon Web Services (AWS)の「CardDemo」というサンプルがある。クレジットカードの管理業務を模した「COBOL」のアプリケーションで、移行の練習用に作られたものだ。オープンソースなので、誰でも手元で試せる。
解析にかけるときは、何を探すかを先に決める。先ほど説明した3つの型がそのまま観点になる。1つ目は「めったに通らない経路」、2つ目は「結果が小さ過ぎて誰も見ない誤差」だが、3つ目の「間違った結果の方が業務として定着してしまったもの」は、題材が教材である以上おそらく出てこない。
観点の作り方も書いておく。「バグを探せ」では、当たり障りのない指摘しか返ってこない。「桁があふれる可能性のある箇所を全部挙げよ」と、型を指定して一つずつ回す。本連載の第4回の測定の話と同じで、何をどう探したかを記録しておかないと、後で読み直せない。
公開されている題材を使う意味は、追試できることにある。誰かが「見つけた」と言うだけでは、読み手は確かめようがない。同じソースを同じ観点で解析すれば、同じものが出るはずだ。
教材で一度解析をかけると、実際の40年物に向き合うときの目盛りができる。何件出るかではなく、どのような型のものが出るのかを見ておくといい。
では、何かが見つかったとして、次に何が起きるか。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
メインフレーム“撤退表明”で待ったなし――AI時代、レガシー刷新は「変換」の話ではなくなった
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。
富士通も日立も去る、日本での「メインフレーム脱却」が一筋縄ではいかない理由
国内では富士通に続き、日立、BIPROGYのメインフレーム撤退が明らかになった。レガシーシステム刷新がより差し迫った問題となる今、念頭に置くべき日本のメインフレーム事情の特殊性とは。アクセンチュアの中野氏に聞いた。
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
AWSは、AIコーディングエージェント「Kiro」をベースにしたサンプルエージェントによる、SAPモダナイゼーションのユースケースとそのベンチマーク結果を公開した。ABAPコードの変換では工数を87%削減したという。
