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。
編集：遠藤文康，中野恭秀（アクセンチュア）()
Excelシートの計算ルールを熟知した担当者が不在になると、業務が止まりかねない――。こうした属人化を解消するために、丸勢運輸は業務アプリケーションの内製化に取り組んだ。どのように進めたのか。
()
IDCは、2026年10月に公表されたPHPの深刻な脆弱性「PHP2Shell」を例に、パッチが用意されても組織がすぐに適用できない理由と、平時からの備えを解説した。
()
Anthropicは、AIコーディングツール「Claude Code」の動作を変更できるTypeScriptコード「mod」を発表した。プロンプトの書き換えやUIの追加、組み込み機能の置き換えができる。
()
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。
編集：遠藤文康，中野恭秀（アクセンチュア）()
既存のREST APIをMCPサーバ化する際、利用者ごとのアクセス制御や、ツールの呼び出し回数に伴うトークン消費が課題となる。オリックスはAWSのサービスを使った検証で、既存APIを改修せずにこれらの課題に対処する方法を探った。
()
Earendilは、最小限の機能を備え、拡張性の高く堅牢とするエージェントハーネス「Pi 1.0」を提供開始した。併せて、長時間稼働するエージェント型アプリケーションを構築するための新たな実験的パッケージ「Pi Durable」も公開した。
()
GitHubは年次レポート「Octoverse 2026」を公開した。過去1年間のコードプッシュ数は179億回に達し、Pull Requestの40％以上がAIエージェント起点で作成されている。開発ワークフローや言語選択はどう変化したのか。
()
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。
編集：遠藤文康，中野恭秀（アクセンチュア）()
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。
()
Microsoftは「Visual Studio Code 1.143」を公開した。新しいセッションのデフォルトをCopilotハーネスに切り替えた他、同じコーディングタスクを複数のモデルで並行して実行し、結果を比べて組み合わせるプレビュー機能などを追加した。
()
Jamf Threat Labsは、北朝鮮に関連するとされる脅威アクターが悪意あるGitリポジトリを送付する手法を分析した結果を公開した。偽の採用プロセスを装って開発者を標的にしているという。
()
Stack Overflowは、年次ソフトウェア開発者調査「2026 Stack Overflow Developer Survey」の結果を発表した。
()
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。
編集：遠藤文康，中野恭秀（アクセンチュア）()
Googleは、AIエージェントによる開発をテーマにした解説動画「The Agent Factory」を要約した記事を公開した。Googleのエンジニアがエージェントハーネスの重要性を語っている。
()
API定義ファイルの作成やレビューを担える担当者が限られ、確認や修正のやりとりに時間を取られていたJR西日本。生成AIで作業時間を短縮し、負荷を軽減した。どのような仕組みで実現したのか。
()
ソニー銀行は、勘定系システムの開発に生成AI、AIエージェントを採用し、基本設計から結合テストまでの期間を従来比30％短縮した。本番稼働中のシステムの開発に適用しているという。
()
ソフトウェア開発現場では、プロジェクトの生産性や品質を継続的に評価し、改善につなげることが重要です。けれど実際は、事前準備や追加作業が多く「理想はわかるけど、現実的には手が回らない……」と頭を悩ませる方も多いのではないでしょうか。そこで本稿では、実際にエンジニアが現場で取り組んだ事例として、 Gitリポジトリのコミット履歴を活用し、AI導入前後のプロジェクトを比較しながら、生産性や品質を定量的に可視化する手法を紹介します。
()
サードパーティーCookieの利用規制が広がり、世界的にプライバシー保護への関心が高まる中、企業は「自社が保有するファーストパーティデータを軸に、より精度の高いマーケティング分析を実施したい」という課題を抱えている。Vポイントマーケティングはどう対応したのか。
()
Anthropicは、AI駆動の大規模なコードモダナイゼーションプロジェクトに向けた準備の進め方をまとめたブログ記事を公開した。
()
要件通りにシステムが完成しても、実際にシステムを使う側の業務部門では「もう少しこうしたかった」という部分が残ることもある。三菱UFJフィナンシャル・グループ（MUFG）の融資企画部 BHC法対応企画室は、ローコード開発基盤を活用し、自らシステム開発に携わる内製化に挑んだ。
雨輝ITラボ（リーフレイン），編集：遠藤文康()
Googleは、AIコーディングエージェントの振る舞いを個別に検証する「行動評価」の考え方を公開した。エンドツーエンドのベンチマークは、総合スコアが動いた理由までは答えてくれないという。
()
開発した社内システムを現場に定着させるには、何が必要なのか。第一生命は営業支援AI「デジタルバディ」を開発し、3万5000人規模での活用にまで広げた。定着につなげた開発プロセスの工夫とは。
()
React Native + Expoでモバイルアプリを開発していると、iOSとAndroidのビルドや配布、環境ごとの設定管理、証明書やキーストアの扱いに悩むことが少なくありません。本記事では、筆者がモバイルアプリの新規開発プロジェクトに2年間従事し、数十万ユーザー規模のアプリをReact Nativeで開発・運用する中で得た知見をもとに、Azure DevOps、Expo prebuild、Fastlaneを組み合わせたCI/CDパイプラインの実践的な構成と設計のポイントを紹介します。
()
Claude CodeをローカルPCで使う場合、4つの利用形態（CLI、VS Code拡張機能版、Desktopアプリ、Web版）があります。マークダウンプレビューツールの作成を通じて、それぞれの使い分け、Plan ModeやCheckpointsを活用した効率的な開発手順を解説します。
高江 賢（著）／監修：山田祥寛（WINGSプロジェクト）()
AIエージェントが外部サービスを利用するには、APIへのアクセスが欠かせない。一方、APIキーやトークンなどの資格情報をAIエージェントに持たせれば、漏えいや意図しない利用のリスクも生じる。Postmanは、実際の資格情報を開発者やAIエージェントに渡さずにAPIを呼び出せる仕組みの提供を開始した。
()
JetBrainsは、コーディングエージェントに組み込むLLMの性能を評価する独自のパイプラインを公式ブログで紹介した。同社のAIコーディングエージェント「Junie」に「Claude Opus 4.7」と「Gemini 3.5 Flash」を組み込んで評価した結果を例に挙げて解説している。
()
AIでエンジニア個人の生産性を高めても、それがチームの開発力の向上につながるとは限らない。AI活用を組織の開発プロセスに広げるにはどうすればよいのか。サンリオの取り組みを見てみよう。
()
JetBrainsは、世界1万5000人超のプロフェッショナル開発者を対象にした調査結果を公表した。業務で書いたコードのうち、AIエージェントが完全に生成した割合は平均約47％だった。
()
ファインディは、ソフトウェア開発組織を対象にしたAI活用の市場調査結果を公表した。AIが使われている工程は情報収集・技術調査が53.2％で最も多かった。
()
