ソニー銀行の基幹システム開発に生成AI、開発期間20％短縮を目指す取り組み

最初の適用先を開発・テスト領域に限定した進め方が、この取り組みの骨格になっていると考えられます。要件定義や運用保守まで一気に広げるのではなく、成果物の正しさを検証しやすい工程から入ることで、生成AIの出力が使い物になるかどうかを実務の中で判定できます。管理・要件定義・運用保守を含む全工程での一貫適用は将来像として明示されており、到達点を掲げつつ入口を絞る、という段取りの設計になっています。

精度向上の手立てとして、単純な文書検索ではなくナレッジグラフ拡張RAGを選んだ点も、この領域ならではの判断でしょう。RAG（外部データを検索してAIの回答に活用する仕組み）は参照する情報の質に結果が左右されますが、勘定系の設計情報は仕様書・コード・業務ルールが相互に絡み合っており、文書を断片的に引くだけでは関係性が抜け落ちます。保有する大規模データの関係性をナレッジグラフで紐づけてから生成AIへ入力するという設計は、この「つながりの情報」を落とさないための工夫と読み取れます。さらに、その適用を繰り返して知見を蓄積し精度を上げていくとされており、一度作って終わりではなく、使うほど改善が回る前提で組まれています。

土台となる環境の整備が先行していたことも見逃せません。クラウドネイティブな勘定系ソリューションへの移行を2025年5月に完了させ、そのうえで開発プロセス全体をAWS上で完結させる構成をとっています。AIを既存の複雑な環境に後付けするのではなく、AIが動きやすい土台を整えてから載せるという順序が、適用範囲を段階的に広げる計画を現実的なものにしていると考えられます。