「長年使ってきた基幹システムを、そろそろ何とかしたい。けれど、中身を正確に説明できる人がもう社内にいない…」─大企業だけでなく、中小企業の現場でもこうした切実な悩みをよく耳にします。
仕様がブラックボックス化し、手をつけることさえ怖いレガシーシステム。この厄介な課題に、NTTデータが生成AIで正面から挑む新サービスを始めました。その核心は、古い言語で作られたシステムを、今の技術者が扱いやすい形へ「設計から作り直す」というものです。
主な対象は金融機関や官公庁の大規模システムですが、実はその考え方やアプローチは、中小企業にもそのまま応用できます。「うちは大企業じゃないから関係ない」とスルーしてしまうのは、正直もったいないのです。
この記事では、今回の発表の中身を分かりやすく整理しながら、「自社の古いシステムならどう活かすか?」という実践的な視点でお話しします。
目次
発表の中身:何が始まったのか
NTTデータが提供を始めたのは「クリーンモダナイゼーション」というサービスです。COBOLなどで構築された既存の基幹システムを、アプリケーション、インフラ、運用、組織の各面から長期にわたり保守・改修しやすい状態へ段階的に整えるもので、2026年11月17日に提供が始まりました。
COBOL(コボル)は、半世紀以上前から金融機関や官公庁の基幹システムで使われてきたプログラム言語です。今も多くのシステムを支えていますが、扱える技術者は年々減っています。作り直し先のJava(ジャバ)は、現在の業務システム開発で広く使われている言語です。

「可視化」と「変更容易化」という二つの柱
このサービスは、システムの仕様や構成を文書化して把握しやすくする「可視化」と、変更時の影響範囲を限定しやすい構造へ整える「変更容易化」の二つを柱にしています。
私なりに言い換えると、こうなります。
一つは「今どうなっているかを、誰でも説明できるようにする」こと。
もう一つは「一か所を直したときに、ほかへ影響が広がらないようにする」こと。
システムを長く使い続けるには、どちらも欠かせません。逆に言えば、多くの古いシステムはこの二つが失われているから困っているのです。
工期約4割短縮、保守工数約5割削減という数字の読み方
発表で目を引くのは数字です。開発工期は約4割短縮、刷新後の保守開発工数は約5割削減できる見込みで、2027年度から3年間で累計500億円の売り上げをめざすとしています。
ただし、数字の前提は押さえておく必要があります。工期の約4割は、長年改修された大規模なCOBOL基幹システムを対象に、現行調査から受入テストまでの全工程の工数を、人手による開発と比べて工期に換算したNTTデータの試算です。保守の約5割も、刷新前の構造のまま保守する場合と比べた試算で、効果は対象システムと改修内容によって変わるとされています。
売り上げ目標の500億円は、私は「それだけ困っている組織が多い」というサインとして読んでいます。大規模な基幹システムを長年運用する金融機関や官公庁などを中心に展開するとのことで、日本の社会基盤の多くが同じ課題を抱えていることがうかがえます。
「置き換え」と「作り直し」は何が違うのか
古いシステムの刷新には、いくつかのやり方があります。今回の発表の意味をつかむには、従来の方法との違いを知っておくとわかりやすくなります。

これまでの主流は「載せ替え」と「書き換え」
これまでよく選ばれてきたのは、プログラムはそのままに動かす機械だけを新しくする「載せ替え」と、プログラムを別の言語へ機械的に変換する「書き換え」でした。
書き換えには弱点があります。NTTデータ自身も以前から、決まったルールでソースコードを変換する方法ではCOBOL特有の仕様が残るため、COBOLとJava両方の知識が必要なプログラムができてしまうと指摘しています。
古い言い回しのまま直訳した文章を想像してください。言語は新しくなっても、読みにくさは変わりません。今回の発表でも、言語を置き換えるだけでは複雑な構造が残り、影響調査やテストの範囲も広いままになる点が背景として挙げられています。
仕様を取り戻してから、構造ごと組み直す
これに対して今回のサービスでは、生成AIを活用してCOBOLなどの既存のプログラムや設計書から業務仕様を復元し、複雑に絡み合った処理を機能ごとにまとめ、機能間の依存関係を低減した保守性の高いJavaシステムへと、設計からつくり直すとしています。
家のリフォームにたとえると、外壁を塗り直すのではなく、まず今の間取り図を描き起こし、そのうえで配管や配線ごと組み直すイメージです。
手間はかかりますが、その後の修繕はぐっと楽になります。これまで最も重かったのが「図面を描き起こす」作業でした。そこに生成AIを入れたことが、今回の発表の要点だと私は見ています。
生成AIは刷新のどの場面で力を発揮するのか
発表では、仕様の復元からテストまで、ほぼすべての工程に生成AIを使うとしています。工程ごとに見ていきます。

一番重い「仕様の復元」をAIと一緒に進める
最初の工程は、既存のプログラムや設計書から業務仕様と処理構造を復元し、文書化することです。設計書が古くなっていたり、仕様を知る技術者に頼っていたりするシステムでも、処理の内容と目的を説明できる状態にするとしています。
この工程が難しいのは、技術の問題というより人の問題です。NTTデータの担当者も以前、ソースコードの仕様を理解していた人がすでに退職し、情報が共有されていないことも多いと語っていました。
ここでのAIの役割は、単なる変換機ではありません。「この処理は何のためにあるのか」を、人と一緒に読み解いていく思考パートナーです。
絡み合った処理をほどく再設計と、AIによるAIのチェック
次の再設計では、散らばっていた処理を機能単位にまとめ、機能間の依存関係を減らした構造に作り直します。NTTデータが大規模システムで培った設計ノウハウを生成AIに参照させているとのことです。
私が注目したのは、品質の確保の仕方です。生成した設計やプログラムは、別のAIエージェントが複雑さや依存関係を評価し、保守しにくい箇所を改善してから提供します。この再設計と品質確保の技術は特許出願中だといいます。
人の仕事でいえば、作る人と確かめる人を分けるダブルチェックです。それをAI同士で行わせている点に、生成AIの使い方の成熟を感じます。また、使う生成AIは、顧客の環境や方針に応じて複数の先端モデルから選べるとしています。
テストと、システムの外側(インフラ・運用・組織)まで
単体テストと結合テストにも生成AIを適用します。
さらに、プログラム以外にも手を入れます。インフラ構成の復元と環境のコード化、運用手順の標準化と定型作業の自動化、業務・開発・運用の責任分担の明確化を、アプリケーションの刷新と一体で進め、刷新後も変更・運用し続けやすい体制をめざすとしています。
私が一番評価したいのは、この組織面です。プログラムをきれいに作り直しても、「誰が直すのか」「誰が決めるのか」が曖昧なままでは、数年後にまた同じ複雑さへ戻ってしまいます。課題解決が先で、ITはその手段。この順番を、大規模な刷新サービスでも崩していない点に共感します。
中小企業の基幹システムに置き換えると
ここからは、御社の話です。

「中身を知る人がいない」は規模を問わない
中小企業には、COBOLで作った大型システムはそれほど多くないでしょう。その代わりによく見かけるのは、次のような仕組みです。
- 20年ほど前に地元のシステム会社に作ってもらった販売管理システム
- 前任者が組んだ表計算ソフトのマクロ(自動処理のプログラム)
- データベースソフトで手作りした受注台帳
作った人はもう退職している。作った会社がもうない。規模は違っても、困りごとの構造は金融機関や官公庁とまったく同じです。「動いているから触れない」「触ると何が起きるかわからない」という状態です。
私ならまず、古い仕組みをAIに説明させる
NTTデータが「仕様の復元」から入っている点は、中小企業でもすぐに真似できます。
たとえば表計算のマクロのように、中身を見られる古い仕組みなら、生成AIに読ませて「この処理は何をしているか」「なぜこの順番なのか」を説明させることができます。取引先の情報などが含まれる場合は、会社として契約したAIを使う、実データを抜いてから渡すといった配慮をしてください。
大事なのは、AIの説明をうのみにせず、現場の担当者と読み合わせることです。「この処理、実は毎月〇〇さんが手で直している部分だ」といった発見が必ず出てきます。
AIが下読みをして、人が確かめる。この往復こそが、AIを思考パートナーとして使うということです。
作り直しは「自社開発」とは限らない
中小企業の場合、復元した仕様をもとに一から作り直すより、クラウドの業務ソフトに乗り換えるほうが合理的なことも少なくありません。
そのときにも、復元した仕様が役立ちます。今のシステムが何をしているかが言葉になっていれば、乗り換え先に必要な機能と、もう要らない機能を見分けられます。ベンダーへの相談も、「何となく新しくしたい」から「この処理をこう実現したい」へと具体的になります。
そして、要らない処理を手放す判断こそが業務の見直しです。システムの刷新は、業務を見直す絶好の機会でもあるのです。
導入前に確かめたいポイントと落とし穴
大企業向けのサービスであっても、中小企業がベンダーに刷新を相談する場合であっても、確かめるべき点は共通しています。

数字は「大規模システムでの試算」と心得る
先ほど触れたとおり、工期や保守工数の数字は、大規模なCOBOLシステムを前提にした試算です。御社の規模や仕組みで同じ効果が出るとは限りません。
規模が小さいシステムでは、仕様の復元やテストにかかる手間の割合が変わります。ベンダーから数字を示されたら、「どんなシステムを前提にした数字か」「当社の場合ならどうなるか」を必ず聞いてください。
人がどこで判断するのかを、ベンダーに確認する
発表を読む限り、AIがAIの成果を評価する仕組みは示されていますが、人がどの工程でどう確認するかまでは書かれていません。
刷新の成否を分けるのは、「業務として正しいかどうか」を誰が判断するかです。AIが復元した仕様が今の業務と合っているかどうかは、最終的には現場にしか判断できません。
ベンダーと話すときは、次のような質問を用意しておくとよいでしょう。
- 復元した仕様を、誰が、どの段階で確認するのか
- 新旧のシステムに同じデータを入れて、結果を突き合わせるのか
- どの生成AIを使い、自社のデータはどう扱われるのか
復元した仕様を、自社の財産として手元に残す
NTTデータは、復元した仕様は再設計の根拠であり、刷新後の改修時の参照情報にもなると位置づけています。
ここは中小企業にとっても重要です。復元した仕様書は必ず納品物として受け取り、社内の人が読める形で持っておいてください。
これがないと、10年後にまた「中身を知る人がいない」状態に戻ってしまいます。特定のベンダーにしか直せない状態を避けることにもつながります。
まとめ:古いシステムの刷新は「業務を取り戻す」取り組み

レガシー刷新の新しい標準になり得るか
私の見立てでは、「言語を置き換える」から「仕様を取り戻して作り直す」への流れは、規模を問わずこれからの標準になっていくと考えています。
理由はシンプルです。これまで人手では最も重かった仕様の復元が、生成AIによって現実的な手間で進められるようになってきたからです。
ただし、AIが減らしてくれるのは手間であって、判断ではありません。何を残し、何を手放すかを決めるのは、これからも経営と現場の役割です。
御社の次の一手
古いシステムの刷新は、ITの話に見えて、実は「自社の業務を言葉として取り戻す」取り組みです。
まずは次の社内会議で、「もし明日あの担当者がいなくなったら、止まってしまう仕組みはどれか」を話し合ってみてください。名前が挙がった仕組みが、御社にとっての最初の刷新候補です。
その仕組みを読み解く相棒として、AIはすでに十分頼りになる存在になっています。
DXやITの課題解決をサポートします! 以下の無料相談フォームから、疑問や課題をお聞かせください。40万点以上のITツールから、貴社にピッタリの解決策を見つけ出します。
このブログが少しでも御社の改善につながれば幸いです。
もしお役に立ちそうでしたら下のボタンをクリックしていただけると、 とても嬉しく今後の活力源となります。 今後とも応援よろしくお願いいたします!
IT・通信業ランキング![]() | にほんブログ村 |
もしよろしければ、メルマガ登録していただければ幸いです。
【メルマガ登録特典】AI戦略で10年以上勝ち続ける実践バイブル『AI競争勝者の法則』をプレゼント!
今すぐプレゼントを受け取る