GSA提携拡大と米自治体におけるレガシーコード文書化
AIモデルの開発を手がけるAnthropicは2026年10月27日、米国一般調達局（GSA）との提携拡大を発表しました。発表によれば、連邦や州、地方などの政府機関に向けてClaude製品の大幅な割引を提供するほか、民間顧客で培われた実践知をもとに、行政機関でのClaude導入・活用を直接支援する専用プログラムを今後数週間で展開する計画です。
この発表の中で、行政機関が抱える滞留業務の処理や古いコードの刷新といった取り組みの一環として、具体的な利用事例が紹介されました。米国のある州政府のIT責任者がClaude Codeを使い、12のレガシーコードリポジトリを文書化し、467のデータベーステーブルを対応付け、その過程で27のリスクを抽出したとされています。ただし、この数値はAnthropicの提携拡大発表で紹介された事例報告であり、該当する州名や実施時期、挙げられたリスクの具体的な内容や修正状況といった詳細までは公表されていません。
抽出されたリスクをどう扱うか 検証と優先順位付けの壁
AIを活用してリポジトリ全体の構造を把握したり、古いデータベースとのリレーションを整理したりする作業は、ブラックボックス化したシステムの全体像を掴む足がかりになります。しかし、AIが問題を検出したとしても、それだけでシステムの保守や改修が完結するわけではありません。
この点において参考になるのが、同社が2026年10月8日に発表したAnthropic Cyber Missionの報告です。同社は州・地方政府や重要インフラ運用者を対象にコードスキャンやパッチ適用、インシデント対応などの技術支援を提供する一方で、Project Glasswingでの経験として「脆弱性の発見はかつてなく容易になったが、それらの発見事項を検証し、優先順位を付け、修正することは依然として難しい」と説明しています。
AIが機械的に指摘したリスクの中には、実際の業務環境では成立しない理論上の懸念や、すでに別の機構で防御されているケースが含まれることもあります。そのため、指摘された内容を鵜呑みにせず、担当者がコードや仕様と照らし合わせて成立条件と業務影響を評価する工程が欠かせません。
国内の既存業務システムに応用する進め方
仕様書の更新が途絶え、担当者の退職などで構造が見えにくくなった国内の業務システムでも、対象を絞ることでAIによる構造把握を試すことができます。ここでは架空の想定例として、長年改修を重ねてきた卸売業の受注管理システムを考えてみます。
いきなりシステム全体を解析しようとすると、対象となるコードや関連テーブルが膨大になり、AIの出力した説明が正しいかどうかを人間が確認しきれなくなります。まずは「受注登録から納品書出力まで」といった日常的かつ影響範囲の明確な一連の処理経路に対象を絞るのが現実的です。その経路で参照されるプログラムコードとデータベースのスキーマ定義を渡し、処理の流れや利用されているテーブルの対応関係について、根拠となるファイル名や行番号を添えた説明案を出力させます。
次に、システムの保守を担当するエンジニアがその説明案を実際の実装と突き合わせます。処理順序やテーブル更新の意図が正しく説明されていると確認できた部分は、そのまま現場で使える保守資料の下書きとして採用する流れです。一方で、AIが矛盾点や潜在的なリスクとして挙げた項目については、該当する業務処理が停止するリスクやデータ不整合を起こす条件を一つずつ確認し、改修が必要な課題として既存の課題管理ツールへ引き継ぎます。
このように、AIの役割を「仕様説明と論点抽出の下書き」に留め、人間が「照合と改修要否の判断」を受け持つ分担をあらかじめ決めておくことで、精度のばらつきに振り回されずに保守体制の立て直しを進められます。
業務整理から保守計画への接続をご相談ください
既存システムの解析にAIを取り入れる際は、ツールの導入だけでなく、どの業務機能から着手するか、生成された説明を既存の保守文書や開発チケットへどう受け渡すかという運用設計が重要です。
デノフでは、デノフのサービス案内に掲載している通り、Webサイトや社内業務システムの設計・開発・運用保守を一貫して手がけています。また、AI導入コンサルティングとして、業務の整理からAIを活用する領域の選定、ツールの選定、導入後の定着支援を行っています。
仕様書が古く改修が進まないシステムの構造把握や、AIを活用した調査結果を保守・改修の計画へ落とし込む進め方について、要件が固まりきっていない段階から検討を進めたい場合は、デノフへの相談窓口よりお気軽にお問い合わせください。
