Chetan Saundankar, 創設者兼CEO、Coditation Chetan Saundankar 創設者兼CEO、Coditation

AIの最も高いROIは新しいコードを書くことではなく、古いコードを修復すること

私が参加するすべてのAI製品デモは、同じように始まります。空のプロンプトボックス、平文のリクエスト、そして数分以内に動作するアプリ。これは、真正に印象的なパーティートリックです。また、私が主張するように、現在のエンタープライズAIで最も興味深いことではありません。より重要な作業は、より魅力のない場所で行われています。誰も触れたくない15年前のコードベース、10年前に会社を辞めたエンジニアによって書かれたコード、誰もが理解していないビジネスロジックを実行しています。ほとんどのAIに関する報道は、これを逆に伝えています。レガシーコードは技術的な負債ではありません。蓄積されたビジネスインテリジェンスです。数十年の決定が、ソフトウェアとしてエンコードされています。その決定をした人々は、もういなくなりました。グリーンフィールド開発は、基調講演のスロットを獲得しています。古いコードは、理解が必要なのに、不本意に資金を提供し、できるだけ早く近代化しようとします。実際の不足は開発者ではなく、メモリですこれは孤立した問題ではありません。2025年のPegasystemsの研究（Savanta社による、世界中の500人以上のIT意思決定者への調査）によると、平均的なグローバル企業は、レガシーシステムの近代化を効率的に行うことができないため、年間370万ドル以上を浪費しています。そのうち、134万ドルは、遅く、リソースを大量に消費する変換プロジェクトに費やされています。私たちは最近、15以上のレガシーアプリケーションを実行しているバッテリー配送会社と協力しました。20年以上の合併、ワンオフの統合、エンジニアが今日の問題を解決するのに十分な考慮を払わないことで蓄積されたスプローです。そのコードの中には、価格ルール、在庫閾値、配送制約が含まれており、誰も完全にマッピングしていないロジックで表現された、数年間の制度的決定が含まれています。これを才能の問題と呼ぶのは、もっと開発者を雇用して、移行を速めることができるということです。しかし、2014年に会社を辞めた人が、モジュールがどのように機能するかを理解していたという事実から逃れることはできません。ほとんどの企業は、才能の不足ではなく、メモリの不足に苦しんでいます。最近までは、スケールでこれを解決する方法はありませんでした。いくつかのシニアエンジニアに、制度的知識を頭の中に保持するように支払うか、または彼らが去った日にそれを失うかでした。AIが実際に変えること私たちは、古いコードベースにコード生成ツールを使用して、すべてを書き直すことをしませんでした。そうすると、存在しなかったビジネスロジックを消去してしまうからです。代わりに、AIエージェントを使用して、地味な作業を最初に行いました。15以上のアプリケーションが実際にどのように接続されているかをトレースし、ロジックに埋め込まれた決定を表面化し、それを組織が照会できるものとして保持しました。これは、他のAIベンダーが現在公開しているものと一致しています。AnthropicのClaude Codeを使用したCOBOLシステムの近代化に関するガイダンスは、書き直す前に、探索と分析の段階を自動化することを説明しています。エージェントは、生成したコードの量で評価されませんでした。表面化して保持できる制度的知識の量で評価されました。エンジニアは、実際の移行とテスト生成にエージェントと協力し、ビジネスロジックのエージェントの解釈を、システムが実稼働でどのように動作するかと比較しました。信頼できる信号を確認しました。エージェントのルールの説明は、プロダクションログで独立して検証できるパターンと一致するか、または妥当な見た目の推測かどうかです。これらの間のギャップは、レガシーの近代化プロジェクトが通常失敗する場所です。プロジェクトの初期見積もりは8.5ヶ月でした。それは4ヶ月で終了しました。53%の時間短縮でした。しかし、より持続的な成果は、タイムラインではありませんでした。エンジニアが去った会社では、制度的知識が蒸発してしまうものでしたが、組織が保持できるものになりました。ソフトウェアエンジニアは、数十年間、ソフトウェアを書いてきました。次の10年間は、AIが考古学者として機能し、コードに埋もれた推論を慎重に再構築することで、それを発掘することになるかもしれません。これを実現するための粗い枠組みうまくいくプロジェクトは、システムが価格エンジンか請求パイプラインかに関係なく、同じシーケンスに従っているようです。発見：2016年のアーキテクチャ図が示すように接続されているのではなく、システムが実際にどのように接続されているかをマッピングします。理解：エージェントがビジネスロジックとその背後にある仮定を、ドメインエキスパートが検証できるプレーンテキストで表面化します。検証：その解釈を、コードのコメントだけでなく、実際のプロダクション動作と比較して検証します。変換：最初の3つの段階が成立するまでに、移行または再構築を実行します。人間がサインオフを所有します。変換に直接進むと、近代化していません。理解していないロジックで賭けているだけです。エンジニアリングチームを超えてこれが重要な理由制度的メモリは、シニアエンジニアが退職したときにのみ、静かに衰退するのではありません。ビジネスが最もそれを必要とするとき、つまり、買収の際に、新しいオーナーが何を購入したかを理解する必要があるとき、ERP移行の際に、古いロジックを新しいシステムに正しく翻訳する必要があるとき、コンプライアンス監査またはインシデント対応の際に、システムが特定の方法で動作した理由を、期限内に、2014年に退職したという答えを受け入れないレギュレーターに説明する必要があるときに、急性の負債になります。このように扱われると、レガシーの近代化は、エンジニアリングの行項目ではなくなり、組織の回復力の質問になります。したがって、これについて心配するのは、CTOだけではありません。M&Aチームは、重要な技術スタッフが離れたときに何が起こるかを検討し、取締役会は、会社の運用知識がどこにあるかを考えています。重要な注意事項これは、無人で機能しません。エージェントの解釈が検証なしに信頼される、最もリスクの高いアプローチは、レガシーシステムが、自信を持って間違ったAIの仮定が最も高価になる場所です。最新のマイクロサービスに対する完全な自律性は、妥当な賭けです。2011年以来誰も触れていない価格エンジンに対する完全な自律性はそうではありません。価値は、AIが、もう一度、ビジネスを理解しているエンジニアになることを可能にすることです。それは彼らを置き換えるのではありません。これから先20年間、企業はレガシーソフトウェアを、逃げるべきものとして扱ってきました。コストセンターを資金提供し、できるだけ早く近代化することで。私は、AIが、多くのコードが実際にはビジネスが作った最も貴重な知識のリポジトリだったことを明らかにすることになるだろうと思います。ただし、それを読むことができるものが必要でした。研究者は、すでにこのループの反対側を文書化しています。2026年の多声文学レビューLLM支援開発は、現在のAI加速スピードの追求は、コードが理解されるよりも速く出荷される「高速統合負債」を作成していることを発見しています。レガシーの近代化は、請求書が遅れずに来ることです。一世代早いです。他のエンジニアリングおよびテクノロジーリーダーが同じシフトを見ているかどうかを知りたいと思います。AI投資のリターンは、構築しているものに現れているのでしょうか、または最終的に理解して保存できるものに現れているのでしょうか？そして、真正に古い、文書化されていないシステムに対してAIエージェントを実行したことがある人は、エージェントの理解が検証でどのように機能したか、どこで静かに崩壊したかを教えてください。