2026年11月17日、NTTデータは、生成AIを使って COBOL の基幹システムを Java へ作り直すサービスを始めると発表しました。「従来の人手による開発と比較して開発工期を約4割短縮」できる見込みだとし、このサービスで2027〜2029年度の3年間に累計500億円の売上を目指すとしています [1]。富士通も2026年7月に、生成AIを使う刷新のサービスで「移行期間を約40%短縮」すると発表しました [2]。さかのぼって2026年2月には、米 Anthropic が、AI を使えば COBOL の刷新を「年ではなく四半期」(筆者訳)で進められると主張しました [3]。その日、IBM の株価は約13%下がったと報じられています [4]。
こうした数字が並ぶと、COBOL の刷新は、生成AIで一気に速く、安くなったように見えます。しかし、同じ「4割」でも、中身は発表ごとに違います。NTTデータの数字には、比べる相手(従来の人手による開発)と、試算であることが書かれています。一方で、比べる相手が発表文からは読み取れない数字、一部の作業だけを測った数字、仮定の計算と比べた数字もあります。「97.9%」のような正解率も、何を合格としたかによって意味が大きく変わります。
本記事は、売り手(ベンダー)から刷新の提案を受ける情報システム部門や経営企画の方に向けて、こうした数字の読み方を整理します。要点は3つです。
- 効果の数字は、比べる相手・測った工程・測った量・合格の条件が発表ごとに違い、そのままでは比べられません(3章・4章)。
- 効果を測った資料が最もそろっているのは、今のシステムを読み解く上流の工程です。テストやデータの移行を含む全体がどれだけ縮むかは、公開の資料からはまだ読み取れません(5章)。
- 提案の数字を見たときに確かめたい問いは、5つにまとめられます(7章)。
なお、情報は2026年11月18日時点のものです。各社の数字は会社の発表・試算で、本記事はその意味を整理するものです。各社のサービスの良し悪しを評価するものではありません。本文で「〜と考えられます」「〜といえます」と書いた箇所は、筆者の見解です。
1. なぜ今、COBOL の刷新が語られるのか
COBOL は、銀行の勘定系(預金や為替などを処理する中核のシステム)をはじめ、企業の基幹システムで長く使われてきたプログラムの言語です。メインフレームと呼ばれる大型のコンピューターや、オフコン(事務処理用の中小型のコンピューター)、UNIX のサーバーなどの上で動いています。生成AIの話の前に、こうしたシステムの刷新を迫る事情を確かめておきます。先にあったのは、メーカーの期限と、人手の不足です。
メーカーの期限。 富士通は2022年に、メインフレームの販売を2030年度に、保守を2035年度に終えると発表しました。UNIX サーバーも、販売を2029年度に、保守を2034年度に終えます [5]。日立も2026年5月に、メインフレーム用の OS「VOS3」の販売を2027年11月に、保守を2034年12月に終えると発表しています [6]。富士通と日立のメインフレームを使う企業は、遅くとも2030年代の半ばまでに、別の基盤へ移る必要があります。NEC のメインフレーム(ACOS)の終了の発表は、見つかりませんでした。

表1をテキストで見る
| 時期 | できごと |
|---|---|
| 2026年9月末 | IBM i(IBM の中型機の OS)の版 7.4 の標準サポートが終了(終了済み。新しい版に更新すれば使い続けられる)[7][8] |
| 2027年11月 | 日立 VOS3 の販売終了 [6] |
| 2029〜2030年度 | 富士通 UNIX サーバー(2029年度)とメインフレーム(2030年度)の販売終息 [5] |
| 2031年3月末 | 富士通 オフコンクラウドの保守サポート終了の予定 [9] |
| 2034年12月 | 日立 VOS3 の保守終了 [6] |
| 2034〜2035年度 | 富士通 UNIX サーバー(2034年度)とメインフレーム(2035年度)の保守終了 [5] |
人手の不足。 経済産業省と IPA の委員会の総括レポートは、ユーザー企業の61%(大企業では74%)がレガシーシステム(保守や改良が難しくなり、事業の足かせになっているシステム。古い技術かどうかでは決めない)を持つとし、「技術者も枯渇・逼迫している」と書いています [10]。刷新を決断したきっかけとしては、「保守サポート要員が確保できない・保守料アップ」が約27%で上位に挙がりました [10]。金融庁が一部の地域銀行に聞いた調査でも、IT 人材の課題として、専門性の高い人材の確保・育成が難しいとする回答が94%に上りました(COBOL に限らない、IT 人材全般についての回答です)[11]。
刷新は生成AIの前から進められてきましたが、総括レポートのもとになった2024年12月〜2025年2月の調査でも、進み具合を聞いた設問に回答した企業の68%が「停滞」と答えています [10]。
一方で、IBM は新しいメインフレーム z17 を2025年6月に出しており [12]、IBM のメインフレームの利用者には、製品の終了という期限はありません。「動かざるを得ない」のは、主に国産機の利用者です。
生成AIを使うサービスの登場。 こうした事情を背景に、生成AIを使う刷新のサービスが続いて出ました。国内の大手では、2024年11月の野村総合研究所 [13]、2025年2月の富士通 [14]、2025年10月の日立 [15] などが先行しています。海外では、AWS が2025年5月に、メインフレームの刷新の道具を一般提供しました [16]。2026年に入ると、AI 企業との提携の名前や、効果の数字、売上の目標が前面に出てくるようになったと考えられます(発表の件数を数えて比べたものではありません)。国内の大手の動きは、2月の Anthropic の発表より前から始まっていたことになります。
2. 「Java にする」にも、いくつかのやり方がある
数字を読む前に、刷新の手法を確かめておきます。「COBOL を Java に」といっても、やり方はいくつもあり、会社によって言葉の意味も違います。本記事では、表2のように使います。

表2をテキストで見る
| 手法 | 何をするか | 注意 |
|---|---|---|
| リホスト | 動かす基盤だけを移し、COBOL のプログラムは残す | 富士通の資料は、リホスト(COBOL資産移行)を「既存資産を活用し、最新技術(Java、.NETなど)を利用してリエンジニアリング」とも説明しており、言葉の意味の幅は会社によって違う [9] |
| リライト | 言語を Java などに変換し、プログラムの構造はほぼ残す | 機械的に変換した Java が COBOL の構造のまま残り、読みにくくなる問題がある(NTTデータは、業界で「JaBOL」と俗称される状態と書く)[17] |
| 作り直し(リファクタ・リビルド) | 今のシステムの仕様を読み解き、構造や設計から作り直す | NTTデータの新しいサービスはこれにあたる [1] |
| リプレース | パッケージや SaaS(インターネット経由で使うソフト)に置き換える | |
| 使い続ける | 今のシステムを残し、API(システムどうしをつなぐ窓口)などで新しいシステムとつなぐ | AWS の移行戦略の分類にも「Retain(保持)」がある [18] |
手法が違えば、作業の中身も、かかる期間も違います。リホストは COBOL を残すので、言語の変換をしません。リライトは変換が作業の中心になり、作り直しでは仕様を読み解く作業と設計に重みが移ると考えられます。NTTデータの新しいサービスは作り直しです [1]。富士通の2026年7月のサービスは、自社の言葉で「リライト・リホストを中心とした」ものとしつつ、「単純な機械変換ではなく、オブジェクト指向に基づく保守性・拡張性の高いJavaアプリケーションへの移行を可能にします」とも書いています [2]。COBOL の書き方を残したまま機械的に置き換えるのではなく、オブジェクト指向の Java に移す、という説明です。言葉の意味は会社ごとに違い、表2の分け方とは1対1に対応しません。同じ「4割」でも、どの手法で、何が速くなったのかを確かめないと、比べることはできません。
売り手の発表で示される移行先は、Java が中心です。パッケージや SaaS への置き換えを前面に出す大手の発表は、見つかりませんでした。一方、総括レポートは、パッケージ・SaaS・標準的なシステムへの移行を優先し、一から作る開発を避ける方向を示しています [10]。生成AIを使う刷新のサービスの発表が示す移行先と、総括レポートが示す方向には、ずれがあります。どの手法を選ぶかは、生成AIの性能とは別に、まず決めるべきことです(筆者の見解)。
3. 「4割短縮」は、何と比べ、何を測った数字か
では、各社が示す効果の数字は、何と比べ、何を測ったものなのでしょうか。表3は、各社の発表文・資料と報道に書かれている範囲で並べたものです。「記載なし」は、発表文などに書かれていないという意味で、根拠がないという意味ではありません。提案の場で確かめられることです。
表の中の工数は人の作業量(1人が1か月働く量が1人月、1日働く量が1人日)、工期・期間は暦の上の長さです。

表3をテキストで見る
| 発表 | 数字 | 何と比べたか | 何を測ったか |
|---|---|---|---|
| NTTデータ(2026年11月) | 開発工期 約4割短縮(見込み) | 従来の人手による開発 | 現行調査から受入テスト(利用者が行う最終の確認)までの全工程の工数を、工期に換算した試算 [1] |
| NTTデータ(同) | 刷新後の保守開発の工数 約5割削減(見込み) | 刷新前の構造のまま保守する場合 | 刷新の作業ではなく、刷新した後の保守の工数(試算)[1] |
| 富士通(2026年7月) | 移行期間 約40%短縮 | 発表文と紹介資料に記載なし | リライト・リホストを中心とするサービスの移行期間(紹介資料では「大規模移行の工期」)[2][19] |
| 富士通(2025年2月) | 設計情報の生成の品質 約40%改善 | ソースコードだけで生成する場合 | 生成AIで作る設計書の品質 [14] |
| 日立(2026年6月) | 作業時間 最大約3割短縮 | 報道によれば「従来の手法」 | COBOL のプログラムの修正とテストケースの生成(社内の事前検証。数字は報道によるもので、日立の発表の本文にはない)[20][21] |
| アクセンチュア(2025年10月) | プログラムの説明書の生成 約8日間 | 手作業で1本に1人日かかると仮定した場合の200人月(仮定の計算) | COBOL と JCL(処理の手順を指示する言語)の説明書の復元(顧客の名前はない)[22] |
| AWS(2026年5月) | 25万行の変換とテストを6週間 | 「以前は年単位」(筆者訳)という定性的な表現 | 顧客(総称で、名前はない)のメインフレームのアプリの変換とテストの期間 [23] |
| Anthropic(2026年2月) | 刷新を「年ではなく四半期」で(筆者訳) | 「年」という定性的な表現 | 測った結果ではなく見通し。事例や測定値は示されていない [3] |
並べると、少なくとも4つの違いが見えます。
1つめは、比べる相手です。 NTTデータの「約4割」は従来の人手による開発と比べたもので、比べる相手が注記に書かれています。アクセンチュアの検証は、実績の「約8日間」を、実測ではなく「1本1人日」という仮定の手作業と比べています。AWS と Anthropic は、比べる相手が「以前は年単位」「年ではなく四半期」という定性的な表現にとどまります。富士通の2026年7月の「約40%」は、発表文にもサービスの紹介資料にも、何と比べたかが書かれていません。
2つめは、測った工程の範囲です。 NTTデータは、現行調査から受入テストまでの全工程を対象にしています。日立の数字は、プログラムの修正とテストケースの生成という一部の作業のものです。同じ「3割」「4割」でも、全工程の数字と一部の作業の数字は比べられません。なお、NTTデータの発表では、生成AIを使う工程は「業務仕様の復元から再設計、実装、単体・結合テストまで」で、約4割の試算の範囲(現行調査から受入テストまで)とは同じではありません [1]。AI を使う範囲と、効果を測った範囲は、分けて確かめる必要があります。各社の数字が測った範囲を工程に並べると、図1のようになります。

3つめは、測った量です。 工数、工期・期間、作業時間、品質は、それぞれ別のものです。NTTデータは、工数を試算し、それを工期に換算しています。アクセンチュアの例は、暦の日数(約8日間)と工数(200人月)という、別の量を比べています。富士通の2025年2月の「約40%」は品質の改善で、時間の短縮ではありません。
4つめは、刷新の作業か、その後か、です。 NTTデータの「約5割」は、刷新した後の保守の工数の話で、刷新の作業そのものが速くなる数字ではありません。
海外でも、米 Morgan Stanley が COBOL などの1,700万行超を移した、トヨタの北米法人が COBOL 4,000万行超を Java にした、といった大きな数字が報じられています [24]。ただし、比べる相手や工程の範囲は、報道からはわかりません。
売り手の側にも、測り方に慎重な記述があります。NTTデータは、今回のサービスの発表より約1年前の2025年12月の記事で、COBOL から設計情報を復元する取り組みについて、品質は良好としつつ、「生産性向上に関しては検証しきれていない部分があるため評価していません」と書いていました [25]。今回の「約4割」は新しいサービスの全工程を対象にした試算で、時期も対象も違います。2026年8月には、変換率や工数削減率は、動作や保守性を測る指標ではない、とも述べています [17]。
人手と比べた数字を、外から確かめる手がかりも乏しいのが実情です。IPA が公開しているソフトウェア開発の統計は生成AI以前のデータで、「再開発」の区分はあるものの、言語の変換による移行を分けた工数の基準値は確認できませんでした [26]。
4. 「97.9%」は、何を合格としたか
生成AIが COBOL をどこまで正しく変換できるかについても、数字が出ています。ただし、ここでも「何を合格としたか」で意味が変わります。
OpenAI は2026年10月、自社の COBOL の移行の評価で、最新のモデルの正解率が、答える前に考える量(推論の量)を低くした設定で86.6%、増やすと97.9%だったと公表しました。同じ低い設定での前のモデルは5.4%でした [27]。この評価は、COBOL のプログラムを Java などに移し、出力がバイト単位で完全に一致し(1文字の違いもない、ということです)、すべてのテストに合格した場合だけを成功とする、厳しい条件のものです。ただし、テストは公開されておらず、プログラムの数も書かれていません。OpenAI 自身も、本番のソフトウェアに使うには、専門家のレビューと、業務ルールや依存関係に照らしたテストが引き続き必要だとしています [27]。
一方、AI 開発の道具を売る Factory が2026年4月に公開した評価(Legacy-Bench)では、汎用のコーディングの評価で70%を超えるモデルが、COBOL などのレガシーの課題では、全体の合格率16.9〜42.5%にとどまりました。課題には不具合の修正・機能の実装・移行が混ざっており、移行の課題の成績は、不具合の修正のおよそ4分の1でした。失敗の97%で、AI のエージェント(自分で手順を進める AI)は「解けた」と思っていたといいます [28]。AI の「できました」という報告は、そのままでは合格の判定に使えないといえます。
この2つは、課題も、合格の条件も、測ったモデルの時期も違うので、比べられません。「何%」という数字を見たら、まず「何をもって合格としたか」を確かめる必要があります。合格の条件は、緩いものから厳しいものまで、おおむね次の段階に分けられます(筆者の整理)。

表4をテキストで見る
| 段階 | 合格の条件 | 注意 |
|---|---|---|
| 1 | 文法が通る、コンパイルが通る | 動くかどうかは確かめていない |
| 2 | AI(大規模言語モデル)が採点して正しいとする | IBM の研究では、AI に採点させる評価は、AI が生成した COBOL の誤りの約45%しか見つけられなかった [29] |
| 3 | 用意したテストに通る | テストの中身と数で結果が大きく変わる |
| 4 | 新旧のプログラムの出力が、バイト単位で一致する | OpenAI の評価はこの条件。テストが非公開だと、外から確かめられない [27] |
| 5 | 本番のデータで新旧を並行して動かし、一致する | 実際の移行で目指す水準と考えられる。評価の数字として公表されたものは、調べた範囲では見つからなかった |
使う側の信頼も、範囲によって大きく違います。実務家61人への調査(2026年の国際会議 ESEM の論文。COBOL に限らない)では、AI による移行を「たいてい、またはほぼいつも許容できる」とした人は、ファイル1本の移行では62.3%でしたが、プロジェクト全体の移行では4.9%にとどまりました [30]。
5. 効果が測られた工程、まだ測られていない工程
では、刷新のどの工程で、生成AIの効果が測られているのでしょうか。2026年11月時点で公開されている資料を工程ごとに分けると、表5のようになります。「見つからない」は「効かない」という意味ではありません。モデルの世代が変わると評価の数字は大きく動くので(4章の OpenAI の例)、変換やテストの欄は、半年ほどで古くなると考えられます。

表5をテキストで見る
| 工程 | 効果を測った資料 | 主な内容 |
|---|---|---|
| 現状の解析 | 売り手の報告が中心 | 依存関係の抽出は、決定論的な解析の道具(毎回同じ結果を出す、ルールに基づく道具)に頼る構成が多い。AI だけでは限界があったとする報告もある [31] |
| 仕様の復元と文書化 | 査読つきの測定がある | 解析の道具と AI を組み合わせた方式で、文書化の工数が約70%減った(査読つき〈専門家の審査を通った〉の論文)[32]。AI だけの抽出は、結果がばらついた [33] |
| コードの変換 | 売り手の評価が中心 | 測り方がばらばらで、比べられない(4章) |
| 構造の作り直し | 売り手の主張が中心 | 保守性の改善を第三者が測った資料は、見つからない |
| テストと新旧の一致の確認 | 売り手の研究が中心(効果の数値は示されていない) | AI で COBOL から変換した Java は、元の処理を正しく再現しているとは信用できず、人手の検証が要る。IBM の研究は、その検証を自動にする仕組みを提案している [34] |
| データの移行・性能・本番への切り替え | 見つからない | 日立は、データの移行の工程にも AI エージェントを使うとしている(売り手の主張)[6] |
効果を測った資料が最もそろっているのは、上流の工程、つまり今のシステムが何をしているかを読み解き、仕様として書き起こす部分です。査読つきの論文では、決定論的な解析と AI を組み合わせた方式で、専門家の作った業務ルールと93%一致し、文書化の工数が約70%減りました [32]。一方、AI だけで抽出させた、解析の道具の売り手(Swimm)の検証では、大きいほうのプログラム(約1.9万行)で3回実行すると、抽出した業務ルールの数が140〜226とばらつき、主要な支払い計算の部分のルールは3回とも抽出されませんでした [33]。
その手前の解析でも、AI だけでは限界があったとする報告があります。デンマークの銀行が共同で設立したシステム会社 Bankdata と Microsoft の、2025年7月の報告では、初期の試み(2024年末からの GPT-4 との単純なやり取りなど)で AI の COBOL の理解は非常に限られ、その後のエージェントの試作でも、呼び出しの連鎖は3段目までしか扱えませんでした(最終的な構成での値は書かれていません)[31]。
長年の改修で設計書が失われたシステムでは、こうした上流の作業に大きな手間がかかってきました。売り手の発表の中では、野村総合研究所の担当者が、通常約1か月かかる解析が約1週間になったという趣旨の発言をしています(野村総合研究所自身も刷新の売り手です)[35]。ただし、測定はまだ多くありません。NTTデータは、設計情報の復元について、生産性は評価していないと書いていました(3章)。生成AIは、この「理解の費用」を下げる道具として、実用の段階に入りつつあると考えられます。
では、上流は刷新の全体の何割を占めるのでしょうか。刷新に限った工程ごとの比率を示す公開の資料は、見つかりませんでした。目安として、JUAS の調査(新規・改修の開発のもの。元のデータは2020年版の調査とみられます)では、工数の比率は要件定義13%、設計から結合テスト(部品をつないで確かめる工程)まで61%、ユーザーの総合テスト13%、初期のフォロー5%、その他8%でした [36]。また AWS は、メインフレームの刷新では、テストが通常プロジェクトの期間の50%以上を占めると説明しています。ただし出どころは示されておらず、テストの自動化の機能を紹介する文脈での説明です [37]。
JUAS の値は刷新の値ではなく(テストの一部は「設計から結合テストまで」に含まれます)、AWS の説明は出どころが示されていないので、上流の短縮が全体の何割の短縮になるかは言えません。ただ、テストなどの後半の工程が大きな比重を占めるのであれば、上流が速くなっただけでは、全体の期間はそれほど縮まないと考えられます。
刷新を難しくしている要因も見ておきます。総括レポートの調査では、モダン化の障壁として、「既存システムが複雑でモダン化が技術的に困難(データ移行やシステムの相互依存性の課題など)」(31%)や、「現行機能保証や、機能踏襲の制約が大きい」(24%)が挙がりました(回答数59)[10]。前者には、データの移行のような後半の工程の課題と、システムどうしの依存関係のような上流の課題の両方が含まれます。
野村総合研究所の部長2人は2024年の解説で、保険会社の脱メインフレームで、次のような問題が起きているとしています [38]。
- COBOL から Java への変換で、メモリの使用量が膨らむ
- 固定長のデータ(項目ごとに桁数が決まった形式のデータ)を、移行先の文字コード(文字を数値で表す規則)に変換しないと、データベースで扱えない
- システム全体の品質を確かめるテストへの備えが足りない(テストの費用が作り直し並みに膨らみうる)
対策の第一歩には、業務ロジックよりもデータの流れやアプリの構造に焦点を当てた、今のシステムの徹底した分析を挙げています [38]。挙がっている問題の多くはデータ・性能・テストにかかわるもので、難しさが表れやすいのは後半の工程だと考えられます。
「4割短縮」が上流だけの数字なのか、全工程の数字なのかを確かめる意味は、ここにあります。
6. 数字の外にある制約
Anthropic の発表があった日、IBM は、コードの翻訳とプラットフォームの刷新は別のものだと反論しました [39]。刷新の判断には、変換の速さや正しさに表れない制約もあります。このうち規制・データ・権利の制約は、生成AIの性能が上がっても残ると考えられます。

表6をテキストで見る
| 制約 | 内容 | 提案で確かめること |
|---|---|---|
| 規制の届出 | 経済安全保障推進法の基幹インフラの制度で指定を受けた銀行の勘定系では、「業務アプリケーションのプログラム言語の変更」や「オープン化・クラウド化・共同化」が、新たな導入として届出の対象になる(指定の範囲は国の告示で確かめる必要がある)[40] | 自社が指定を受けているか。届出の時期を計画に入れているか |
| データの持ち出し | 政府が生成AIを調達・利用する際のガイドラインは、利用規約に同意するだけで使える約款型のクラウドでは、原則として機密の情報を扱えないとする(政府機関のルールで、民間の作業にどう当てはまるかは確かめられていない)[41]。日本銀行の2026年度の調査では、生成AIを利用・試行している金融機関136先のうち84先が、機密情報の入力の制限などの社内規則を整えていた [42] | コードとデータを、どこで、どのサービスで処理するか。自社の規則に合うか |
| 権利 | AI への指示がアイデアにとどまる場合、AI が作ったものは著作物にあたらない、とされる(文化審議会の小委員会の考え方。法的な拘束力はない)[43]。厚生労働省と日本年金機構は、年金のシステムの刷新にあたって、中核部分の著作権が事業者にあることや、他の事業者が参入しにくいこと(ベンダロックイン)を問題点に挙げ、設計書やプログラムの著作権を国に帰属させるとしている [44] | 作ったプログラムと設計書の権利が誰のものになるかを、契約に書くか |
| 検証 | 変換の結果には、現時点では人手の検証が要る(4章・5章)[34][27] | 誰が、どの範囲を、どのテストで検証するか(7章の問い4) |
メインフレームを使い続ける選択もあります。三菱UFJ銀行は、勘定系の基盤として IBM のメインフレームを使い続けながら一部の機能を別の基盤に切り出す構成を選び、日本IBM と、基幹系システムの開発のモダナイゼーションに向けた協働を始めました。生成AIによる PL/I(メインフレームで使われる言語の1つ)のコード生成を2024年度に検証し、一定以上の精度を確認したとしています(日本IBM との共同発表)[45]。COBOL のまま仕様書を生成して保守を楽にする製品も出ています [46]。生成AIは、今のシステムを使い続ける場合の保守にも使われ始めており、刷新する費用だけでなく、使い続ける費用も下がる可能性があります(筆者の見解)。
刷新の中断や遅れが重いことも、忘れてはならない点です。特許庁の基幹系システムの刷新は2012年1月に中断され、会計検査院は、それまでに支払った約54.5億円の全額を不当と指摘しました [47]。京葉銀行の次世代の勘定系は、2021年に検証の工程を増やすとして稼働を2022年5月から2023年度中へ見直し、実際の稼働は2025年1月になりました [48]。検証の工程が期間を左右するという点で、5章で見た後半の工程の重さと重なると考えられます。一方、JFE スチールの基幹システムの刷新は、約2億ステップ(ステップは、プログラムの行にほぼあたる単位)を対象に5年2カ月で完了し、当初の計画より2年早い完了だったとしています [49]。特許庁は生成AIが広まる前の例で、京葉銀行と JFE スチールの発表にも、生成AIの記載はありません。刷新の期間は、変換の速さだけでは決まらないといえます。
7. 提案の数字を見たときに確かめたい5つの問い
ここまでの整理をもとに、刷新の提案で効果の数字を示されたときに確かめたい問いを、5つにまとめます。

表7をテキストで見る
| 問い | そのまま聞ける形 | 答えの読み方 |
|---|---|---|
| 1. 何と比べたか | 「この○割は、何と比べた数字ですか。比べた相手は、実際に行った作業ですか、見積もりですか」 | 実際の人手の作業と比べた数字が、最も確かめやすい。見積もりや仮定と比べた数字なら、その出し方を聞く(例:手作業を1本1人日と仮定)。書かれていなければ、まずそれを聞く(3章) |
| 2. どの工程を、何の量で測ったか | 「現行の調査から本番への切り替えまでの、どこからどこまでの数字ですか。工数、期間、品質のどれですか。テスト、データの移行、切り替えは入っていますか」 | 一部の作業の数字は、案件の全体に当てはめない。後半の工程が入っていなければ、全体は示された数字ほど縮まないかもしれない(3章・5章) |
| 3. 実績か、試算か。どの規模か | 「実際の案件の結果ですか、試算ですか。何行・何本のプログラムで、COBOL のほかに何を含みますか。最大値ですか、平均ですか」 | 表3の数字は、いずれも売り手自身の試算・検証・説明で、買い手や第三者が確かめたものではない。小さな単位での結果が、案件の全体に当てはまるとは限らない(実務家も、ファイル1本の移行は62.3%が許容できるとしたが、プロジェクト全体では4.9%だった。4章) |
| 4. 何を合格としたか | 「新旧が同じように動くことを、誰が、どのテストで確かめましたか。テストは何件で、誰が作りましたか」 | 表4の段階のどこにあたるかを見る。AI の「できました」という報告や、AI による採点は、合格の根拠としては弱い(4章) |
| 5. データと権利をどう扱うか | 「コードとデータは、どこで処理しますか。作ったプログラムと設計書の権利は、誰のものになりますか」 | 自社の規則と、業種の規制(届出)に照らす。権利の帰属は契約に書く(6章) |
答えが得られない問いが残るときは、自社のプログラムの一部で試す検証を求めるのが、確かめる近道だと考えられます。ただし、一部での結果は全体にそのまま当てはまらないので、試す範囲にはテストやデータの移行も含め、比べる相手(自社のこれまでの実績など)と合格の条件を先に決めておく必要があると考えられます。
おわりに
生成AIが、COBOL で書かれた古いシステムを読み解き、仕様を書き起こす作業を速くしたことを示す測定は、出てきています。メーカーの期限と人手の不足が迫るなかで、これは大きな助けになると考えられます。一方で、刷新の全体がどれだけ速く、安くなるかは、比べる基準も、測った工程も、合格の条件もそろっていない今の数字からは読み取れません。モデルの世代が変わるたびに、評価の数字も大きく動きます。
本記事のもとになった調査で見つかった範囲では、日本で生成AIを使って刷新を終えた企業が、自らその結果を公表した例は、まだありません。利用企業の名前が出るのは、売り手の発表の中のコメントや、売り手との共同発表にとどまっています。買い手の側からの公表が増えれば、判断の材料も増えていきます。それまでは、示された数字を、比べる基準と合格の条件とあわせて読むことが、提案を見極める出発点になります。
参考文献
[1] NTTデータ「生成AIでCOBOLの基幹システムを保守性の高いJavaへ再設計する『クリーンモダナイゼーション™』を提供開始」(2026-11-17) https://www.nttdata.com/global/ja/news/release/2026/111700/ (閲覧日 2026-11-19)
[2] 富士通「生成AIとモダナイゼーション実践知でレガシーシステムの刷新を加速する『Fujitsu AIドリブンモダナイゼーションサービス』を提供開始」(2026-07-14) https://global.fujitsu/ja-jp/pr/news/2026/07/14-01 (閲覧日 2026-11-19)
[3] Anthropic「How AI helps break the cost barrier to COBOL modernization」(2026-02-23) https://claude.com/blog/how-ai-helps-break-cost-barrier-cobol-modernization (閲覧日 2026-11-18)
[4] CIO「Anthropic’s claim that AI can quickly refactor COBOL rattles IBM investors」(2026-02-25) https://www.cio.com/article/4137185/anthropics-claim-that-ai-can-quickly-refactor-cobol-rattles-ibm-investors.html (閲覧日 2026-11-18)
[5] 富士通「社会課題解決と新たな価値を創出できるコネクテッドな社会を実現するデジタルインフラ基盤の提供について」(2022-02-14) https://info.archives.global.fujitsu/jp/news/2022/02/14-1.html (閲覧日 2026-11-18)
[6] 日立製作所「AIを徹底活用し、お客さまの基幹システムのモダナイゼーションを加速」(2026-05-29) https://www.hitachi.com/ja-jp/products/digital/press/topics/2026/17842325/ (閲覧日 2026-11-18)
[7] IBM「Product lifecycle(IBM i 7.4.x)」(更新 2026-02-13) https://www.ibm.com/support/pages/node/1200298 (閲覧日 2026-11-18)
[8] IBM「Product lifecycle(IBM i 7.6.0)」(一般提供 2025-04-18、更新 2026-02-16) https://www.ibm.com/support/pages/ibm-i760 (閲覧日 2026-11-18)
[9] 富士通「Fujitsu Software NetCOBOL マイグレーションご紹介」(2025-11) https://docs.fujitsu/documents/002482/netcobol-migration.pdf (閲覧日 2026-11-18)
[10] 経済産業省・IPA「DXの現在地とレガシーシステム脱却に向けて レガシーシステムモダン化委員会総括レポート」(2025-05-28) https://www.ipa.go.jp/disc/committee/begoj90000002xuk-att/legacy-system-modernization-committee-20250528-report.pdf (閲覧日 2026-11-18)
[11] 金融庁「金融分野におけるITレジリエンスに関する分析レポート」(2026-07) https://www.fsa.go.jp/news/r8/sonota/20260730/01.pdf (閲覧日 2026-11-18)
[12] IBM「IBM z17: The First Mainframe Fully Engineered for the AI Age」(2025-04-08) https://newsroom.ibm.com/z17 (閲覧日 2026-11-18)
[13] 野村総合研究所「野村総合研究所、日本企業のレガシーシステム問題を解決するモダナイゼーションコンサルティングサービスを提供開始」(2024-11-14) https://www.nri.com/jp/news/newsrelease/20241114_1.html (閲覧日 2026-11-18)
[14] 富士通「最適なモダナイゼーションの計画策定を生成AIで支援する『Fujitsu 資産分析・可視化サービス』を提供開始」(2025-02-04) https://info.archives.global.fujitsu/jp/news/2025/02/4.html (閲覧日 2026-11-18)
[15] 日立製作所「AI ネイティブな基幹システムへ刷新する『モダナイゼーション powered by Lumada』を提供開始」(2025-10-21) https://www.hitachi.com/content/dam/hitachi/global/ja_jp/press/articles/2025/10/1021/1021.pdf (閲覧日 2026-11-18)
[16] AWS「AWS Transform for mainframe is now generally available」(2025-05-15) https://aws.amazon.com/about-aws/whats-new/2025/05/aws-transform-mainframe-generally-available/ (閲覧日 2026-11-18)
[17] NTTデータ「AI-Native時代のモダナイゼーション」(2026-08-20) https://www.nttdata.com/jp/ja/trends/data-insight/2026/082001 (閲覧日 2026-11-18)
[18] AWS「About the migration strategies」(日付記載なし) https://docs.aws.amazon.com/prescriptive-guidance/latest/large-migration-guide/migration-strategies.html (閲覧日 2026-11-18)
[19] 富士通「Fujitsu AIドリブンモダナイゼーションサービス ソリューション概要のご紹介」(日付の記載なし。PDF の作成日は2026-07-24) https://docs.fujitsu/documents/003461/ai-driven-modernization-service-ja.pdf (閲覧日 2026-11-19)
[20] 日立製作所「先進 AI を活用したモダナイゼーションの加速とサイバーセキュリティ強化に向けて OpenAI との連携を本格化」(2026-06-17) https://www.hitachi.com/ja-jp/press/articles/2026/06/0617/ (閲覧日 2026-11-19)
[21] ビジネス+IT「日立製作所、OpenAIとの連携を本格化し『Codex』でレガシーシステム刷新」(2026-06-17) https://www.sbbit.jp/article/cont1/185795 (閲覧日 2026-11-18)
[22] AWS JAPAN APN ブログ「Accenture による AWS Transform for mainframe 検証結果と活用方法」(2025-10-08) https://aws.amazon.com/jp/blogs/psa/accenture-aws-transform-for-mainframe/ (閲覧日 2026-11-18)
[23] AWS「One year. 4.5 billion lines of code. 1.6 million hours saved. Here’s what we learned.」(2026-05-15) https://aws.amazon.com/blogs/migration-and-modernization/aws-transform-one-year-milestone/ (閲覧日 2026-11-18)
[24] CIO Dive「AI shifts mainframe modernization strategy」(2026-07-28) https://www.ciodive.com/news/ai-shifts-mainframe-modernization-strategy/825677/ (閲覧日 2026-11-18)
[25] NTTデータ「2025年のトレンドとは?生成AIを活用したソフトウェア開発の現在地」(2025-12-01) https://www.nttdata.com/jp/ja/trends/data-insight/2025/1201/ (閲覧日 2026-11-18)
[26] IPA「ソフトウェア開発分析データ集2020」(2020) https://www.ipa.go.jp/digital/chousa/metrics/metrics2020.html (閲覧日 2026-11-18)
[27] OpenAI「学習リソースの少ないプログラミング言語におけるコーディング能力の向上」(2026-10-19) https://openai.com/ja-JP/index/low-resource-programming-languages/ (閲覧日 2026-11-18)
[28] Factory「Legacy-Bench」(2026-04-01) https://factory.com/news/legacy-bench (閲覧日 2026-11-18)
[29] IBM Research「Beyond Blind Spots: Analytic Hints for Mitigating LLM-based Evaluation Pitfalls」AAAI 2026 workshop (2026-01-20) https://research.ibm.com/publications/beyond-blind-spots-analytic-hints-for-mitigating-llm-based-evaluation-pitfalls (閲覧日 2026-11-18)
[30] Chand ほか「Why Industry Migrates and When It Trusts LLMs: A Practitioner Survey on LLM-Assisted Software Migration」ESEM 2026, LIPIcs Vol.394 (2026) https://drops.dagstuhl.de/entities/document/10.4230/LIPIcs.ESEM.2026.85 (閲覧日 2026-11-18)
[31] Microsoft「How we use AI agents for COBOL migration and mainframe modernization」(2025-07-09) https://devblogs.microsoft.com/all-things-azure/how-we-use-ai-agents-for-cobol-migration-and-mainframe-modernization/ (閲覧日 2026-11-18)
[32] Kalohia「Leveraging Generative AI for Extracting Business Requirements from Legacy COBOL and PL/I Code」ACL 2026 Industry Track (2026-07) https://aclanthology.org/2026.acl-industry.4/ (閲覧日 2026-11-18)
[33] Omer Rosenbaum(Swimm)「Can Claude Code Really Understand COBOL Applications?」TechChannel (2026-02-26) https://techchannel.com/artificial-intelligence/claude-code-and-cobol/ (閲覧日 2026-11-18)
[34] IBM Research「Automated Testing of COBOL to Java Transformation」FSE 2025 (2025-07-28) https://research.ibm.com/publications/automated-testing-of-cobol-to-java-transformation (閲覧日 2026-11-18)
[35] AWS「Transform Enterprise Workloads up to 4x Faster with Agentic AI」(2025-05-15) https://aws.amazon.com/blogs/migration-and-modernization/aws-transform-generally-available (閲覧日 2026-11-18)
[36] JUAS「ソフトウェア・メトリクス調査2025(ガイドブック2025年版)」(2025) https://juas.or.jp/cms/media/2025/03/25swm.pdf (閲覧日 2026-11-18)
[37] AWS「AWS Transform for mainframe が新しいテスト自動化機能を提供」(2025-12-01) https://aws.amazon.com/jp/about-aws/whats-new/2025/12/transform-mainframe-testing-automation/ /英語版「AWS Transform for mainframe delivers new testing automation capabilities」 https://aws.amazon.com/about-aws/whats-new/2025/12/transform-mainframe-testing-automation/ (閲覧日 2026-11-18)
[38] 野村総合研究所「Risks inherent in the rehost or rewrite approach to modernizing legacy systems」lakyara vol.391 (2024-10-10) https://www.nri.com/en/knowledge/publication/lakyara_202410/files/000027004.pdf (閲覧日 2026-11-18)
[39] IBM(Rob Thomas)「Lost in Translation: What the AI code debate keeps getting wrong」(2026-02-23) https://newsroom.ibm.com/blog-lost-in-translation-what-the-ai-code-debate-keeps-getting-wrong (閲覧日 2026-11-18)
[40] 金融庁「金融分野における経済安全保障推進法の特定社会基盤役務の安定的な提供の確保に関する制度の解説」(2024-06) https://www.fsa.go.jp/news/r5/economicsecurity/infra_kaisetsu_financesector.pdf (閲覧日 2026-11-18)
[41] デジタル庁「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン2.0版について(概要)」(2026-06) https://www.digital.go.jp/assets/contents/node/information/field_ref_resources/decb64eb-f26e-41cb-8d37-f3dd173108b8/f8e1c3b8/20260612_resources_standard_guidelines_guideline_03.pdf (閲覧日 2026-11-18)
[42] 日本銀行「金融機関における生成AIの利用状況とリスク管理 ―2026年度アンケート調査結果から―」(2026-08) https://www.boj.or.jp/research/brp/fsr/data/fsrb260806.pdf (閲覧日 2026-11-18)
[43] 文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」(2024-03-15) https://www.bunka.go.jp/seisaku/bunkashingikai/chosakuken/pdf/94037901_01.pdf (閲覧日 2026-11-18)
[44] 厚生労働省年金局・日本年金機構「業務・システム刷新の実施状況」(2026-02-25) https://www.mhlw.go.jp/content/12508000/001660557.pdf (閲覧日 2026-11-18)
[45] 日本IBM「三菱UFJ銀行と日本IBMが、先端技術を活用した基幹系システム開発のモダナイゼーションに向け協働を開始」(2025-05-09) https://jp.newsroom.ibm.com/2025-05-09-MUFG-Bank-Modernization-Of-Mission-Critical-System-Development (閲覧日 2026-11-18)
[46] クラウド Watch「ユニリタエスアール、生成AIでCOBOLなどの資産から仕様書を自動生成する『Software Asset Maintenance』を10月に発売」(2026-08-06) https://cloud.watch.impress.co.jp/docs/news/2130470.html (閲覧日 2026-11-18)
[47] 会計検査院「特許庁運営基盤システムの構築に当たり、発注者として必要なプロジェクトの管理を十分に行っていなかったことなどのため所期の目的の達成が困難となっているもの」平成23年度決算検査報告(2012年) https://report.jbaudit.go.jp/org/h23/2011-h23-0491-0.htm (閲覧日 2026-11-18)
[48] 京葉銀行「次世代勘定系システムの稼働開始について」(2025-01-06) https://www.keiyobank.co.jp/news/2025/20250106jisedaikanjoukei.pdf / 京葉銀行「次世代勘定系システムの開発について」(2021-06-25) https://www.keiyobank.co.jp/othernews/2021/20210625system.pdf (閲覧日 2026-11-18)
[49] JFEシステムズ「JFEスチール 全製鉄所・製造所の基幹システムがオープン環境へ完全移行」(2026-02-26。@Press の配信、財経新聞の転載) https://www.zaikei.co.jp/releases/3319145/ (閲覧日 2026-11-18)

