解説

近年、システムインテグレーション（SI）分野では、AIによる開発プロセス全体の変革が進んでいます。今後は、単なるコードの自動生成にとどまらない広範なAIエージェントの活用が求められる時代になりそうです。

この動きは、従来の開発サイクルにおける属人化や時間のかかる作業を根本的に変える可能性を持っています。情シス部門としては、システム開発というライフサイクルのあらゆる段階でAIがどのように関与するのかを知っておく必要があります。

具体的には、自社に蓄積されている業務知識（暗黙知）や過去のノウハウをどのように「企業コンテキスト」として構造化し、AIに学習させるかの体制づくりを見直すきっかけになります。また、複数のクラウドサービスを利用する際のガバナンス設計も考慮しておきたいところです。

ポイント

  • 日立が発表したAgentic AI Integration Platformは、SIプロジェクトの全工程（構想策定から運用まで）にAIエージェントを組み込むプラットフォームである。
  • 単なるコード生成だけでなく、要件定義や設計といった上流工程から関与し、開発期間の大幅な短縮と生産性向上を実現する。
  • グローバル先進AI基盤を活用しつつ、日立のノウハウや企業コンテキストという「組織知」を組み込むことで信頼性と適用範囲を広げることを目指す。
  • sysadmin_impact_list

情シスへの影響

【開発・運用プロセスへの影響】

  • AIエージェントがSIプロセスの全工程（構想策定、要件定義、設計、コーディング、テスト、運用）に適用されることで、従来の手作業や属人化していた部分の効率化や自動化が進む。

  • 「企業コンテキスト」という形で組織固有の知識や判断基準をAIに蓄積・学習させる仕組みが導入されるため、情シス部門は自社のドメイン知識や過去の開発ナレッジをどのように構造化し、取り込むか（データのライフサイクル管理）という視点を持つ必要がある。

  • セキュリティとコスト最適化のための「エンタープライズAI基盤」が構築され、Anthropic, OpenAI, Google Cloudなどの複数のフロンティアAIモデルから用途に応じて選択・利用する仕組みを採用している。情シスは、単一のクラウドサービスに依存せず、マルチベンダー/マルチモデルのAI基盤設計や管理統制（ガバナンス）の方法を学ぶ必要がある。

【技術的影響】

  • 制御システム向けコード生成基盤の開発が進められており、OT（Operational Technology：制御・運用技術）領域におけるITとOTの連携およびセキュリティ要件への対応が求められる。これは単なるソフトウェア開発以上の安全性が要求されるため、情シスはより厳格な検証プロセスを検討する必要がある。

  • VelocityAIなど特定のツールを利用することで、AI利用時のコスト（トークン利用料）削減や、開発基盤全体のアジャイル化を支援する機能が提供されており、これらをどのように既存のIT資産管理や費用計画に組み込むかの考察が必要。

影響範囲

影響を受けるのは主に大規模なエンタープライズシステムのライフサイクル全般（SI工程）。特に影響範囲として以下の要素が挙げられる。

  • システム開発プロセス: 構想策定、要件定義、設計、コーディング、テスト、運用管理の各フェーズ全体。

  • AI基盤/技術スタック: Anthropic, OpenAI, Google Cloudなどの複数の「フロンティアAI」モデルを利用できるマルチベンダー対応型エンタープライズAIプラットフォーム（自社環境への応用が想定される）。

  • データ領域: 組織の業務知識や判断基準を「企業コンテキスト」として構造化し、ナレッジベースに集積する仕組み。

  • 対象領域: レガシーシステム刷新が必要な金融、公共、エネルギー、鉄道といったミッションクリティカルシステム。OT（制御・運用技術）を含む分野への拡張が視野に入っている。

重要度

★★★★☆

対象者

  • セキュリティ担当者
  • M365管理者
  • Entra管理者
  • AD管理者
  • ネットワーク管理者

優先度

計画的に対応

優先度の理由

本記事は具体的な脆弱性や緊急な改修を伴うものではなく、業界の未来的なトレンドを示すものです。しかし、全工程にAIが適用されるという点で開発プロセス全体の変革期を迎えているため、自社のシステム開発ポリシーや標準的なナレッジ管理体制を見直し、長期的な対応計画（PoCなど）に組み込む必要があります。

確認手順

    1. 現在の組織知識や業務ドメイン知識を「デジタル資産」として棚卸しし、AI学習データとして活用できる形式への構造化可能性を評価する。
    1. 社内の主要な開発プロセス（要件定義、設計レビューなど）におけるボトルネックや非効率性を特定し、具体的なPoCのスコープを設定する。
    1. 利用を想定しているクラウドAI基盤（例：Azure OpenAI Service, Google Vertex AI等）について、データガバナンスとセキュリティ制御の仕組みを確認する。
    1. マルチベンダー・マルチモデルに対応するためのAPI連携設計や、認証認可の一元管理の方法について技術検証を行う。

推奨対応

  • AIによるプロセス変革を単なるツール導入としてではなく、「知識マネジメント」および「プロセスマネジメント」の課題解決として捉え直す。

まず、自社の最も問題意識の高いシステム開発工程（例：要件定義のレビュー体制強化など）を選定し、限定的な範囲でのAI適用パイロットプロジェクト（PoC）を実施することを推奨します。
利用するAI基盤においては、データ漏洩やコンプライアンスに関わる部分を最優先で検証し、データの入力・学習フローにおける統制（ガバナンス）の確立に重点を置いてください。

出典・公式情報：
日立が「SI全工程」をAI化　仕様確定で「最大240倍」効率化のワケ

本記事は、上記の公開情報をもとに、情報システム担当者向けに要点・影響・確認ポイントを整理したものです。脆弱性対応・製品仕様・更新情報は変更される可能性があります。実際の対応前に必ず元記事・公式情報をご確認ください。

Post Views: 2