【2025年総まとめ】AI×システム開発：工数20%削減の国内事例と成功の鍵

2025.12.25
読了時間目安 4分

「生成AIを導入したのに、思ったほど開発が速くならない」——2025年は、この“あるある”に答えが出始めた年でした。結論から言うと、成果が出ている企業はAIを“便利ツール”としてではなく、要件定義〜開発〜テスト〜運用までをつなぐ開発エコシステムとして設計しています。実例として、ソニー銀行と富士通は勘定系システム開発で生成AIを適用し、将来的に開発期間20%短縮を目指すことを明記しています。

1. 2025年の本質：AIは「書く」より「回す」を変える
2. 上流工程が変わる：要件・設計は“社内知”が勝敗を分ける
3. レガシー刷新が現実路線に：COBOLは“学ぶ”より“解く”
4. テストと運用が伸びしろ：AIは“品質保証の自動化”に効く
5. 人材面の結論：使う人が伸びる。組織は“学びの格差”を埋める
まとめ：2026年で外さない実践チェックリスト（明日からできる）

1. 2025年の本質：AIは「書く」より「回す」を変える

2024年までの主役は“コード補完・レビュー支援”でしたが、2025年は一段進んで、複数ツールをまたいでタスクを自律的に進めるAIエージェントが現場に入り始めました。GitHubは、観測（Observability）・IaC・セキュリティまで含めてSDLC全体を支えるために、Copilot上で動くカスタムエージェント（Markdownで定義するドメイン専門家）を提示しています。

ポイントは「AIがコードを書く」ではなく、「チームのルール（標準・手順）に沿って、調査→修正→検証→記録までを一気通貫で回す」方向に進んだことです。

詳細記事：COBOLを学ばずにレガシーシステムを近代化！3ステップフレームワーク【GitHub Copilot活用ガイド】

2. 上流工程が変わる：要件・設計は“社内知”が勝敗を分ける

金融のように正確性が求められる領域では、AIに“何を見せるか”が成果を左右します。ソニー銀行×富士通の取り組みでは、開発・テスト領域から生成AI適用を開始し、ナレッジグラフ拡張RAGで入力データを高度化しながら精度を上げる方針が示されています。
これは「一般的なLLM」より、自社の設計情報・過去案件・規約を取り込んだ“現場仕様のAIへ移る流れを象徴します。

詳細記事：生成AIでシステム開発の工数20%短縮へ！ソニー銀行、日立など国内最新事例5選から学ぶ成功の鍵

3. レガシー刷新が現実路線に：COBOLは“学ぶ”より“解く”

2025年の大きな転換点は、レガシー近代化でAIが“補助”を超えたことです。ここで重要なのは「AIが開発者の代わりになるのではなく、能力を拡張する」点だと整理されています。

GitHubは、COBOL経験がない開発者がAIを使い、現場のCOBOL有識者の知見と組み合わせて近代化を進める事例を紹介しています。
さらにMicrosoftの技術ブログでは、Semantic Kernel等を用いたエージェント分担型（解析・変換・依存関係マッピングなど）で、COBOLをクラウド対応Javaへ移行するアプローチを具体的に解説しています。

重要なのは「全部を書き換える」より、①構造理解（依存関係の可視化）→②段階的変換→③検証とログで追跡、という手戻りを最小化する設計です。

詳細記事：COBOLを学ばずにレガシーシステムを近代化！3ステップフレームワーク【GitHub Copilot活用ガイド】