生成AIで古い基幹システムの仕様書を自動生成、1週間30本を作った実証実験

人間が読む仕様書とは別に、AIが参照するための構造化仕様書を用意した設計が、この取り組みの中心にあります。開発の途中では、コードを直接見て答える開発支援ツールと比べて回答に出てくる情報量が乏しいという壁に突き当たり、仕様書にソースコードを埋め込むという工夫でそれを越えました。読み手を人間とAIに分け、それぞれに適した形の文書を別々に用意する割り切りが、質疑応答の土台になっています。

外部の知見を、詰まった一点に絞って投入した分担も効いています。RAGの構成、プロンプト設計、仕様書データのベクトル化、複数回のやり取りを成立させる実装といった生成AI固有の領域はG-genが技術面で支援し、COBOLの知識と業務理解を持つ自社チームが手を動かして組み上げる形をとりました。公開されているブログ記事で進められる部分は自力で進め、資料がほとんど存在しないマルチターン対応のように調べても届かない箇所だけを質問してコードを教わる。外注でも独力でもないこの受け方が、内製の速度を落とさずに実装の確実性を上げたのではないでしょうか。

利用の入り口を、普段使っているチャットに置いた点も見逃せません。Google ChatとGeminiのエージェント基盤をつなぎ、一問一答で終わらせずに会話を継続できるようにしたことで、分からないことをその場で聞くという行為が、特別な操作ではなく日常の動作の中に収まりました。相談のために別のツールを開かせない設計は、まだ知識の少ない担当者ほど効いてくるはずです。