人が読むからAIが読むへ、NTTが目指すAI-Native開発への転換

　NTTコンピュータ&データサイエンス研究所は、10月21日に実施したオンライン説明会にて、既存のソフトウェア資産を生成AIが解釈可能な開発資産へ変換する技術を発表した。説明会では、NTTコンピュータ&データサイエンス研究所 革新的コンピューティングアーキテクチャ研究プロジェクト 主任研究員の倉林利行氏と、同研究所 革新的コンピューティングアーキテクチャ研究プロジェクト 主席研究員の竹内亨氏が、ソフトウェアの開発現場が抱える生成AIの課題について説明した。

　現在、ソフトウェア開発現場での生成AIの活用は新規開発を中心に効率化が進んでいるが、開発全体の6割を占める既存システムの改修や保守を行なう追加開発では導入が進んでいない。

　その背景には、長年の改修により仕様書などのドキュメントと実装コードとの間にズレが生じ、AIがシステム全体を正確に理解できないという課題がある。また、改修作業が既存機能へ悪影響を与えていないかを検証するためのテストが不十分であり、自動化も進んでいないことがAIに任せるハードルとなっている。

　こうした課題に対し、同研究所は既存のソフトウェア資産を事前に解析・構造化し、AIが正確に解釈できる「AI-Ready」な状態へと変換する技術を構築した。

　同技術では、まず要件定義書から設計書、ソースコード、テストに至る一連の依存関係を示すトレーサビリティを自動で構築する。この際、ドキュメント内の自然言語を機能単位で区切り、コードの流度と揃えることで関係性を抽出する。ドキュメントとコードの記述に不一致が存在する場合はそれを自動で検知し、コードの記述に合わせてドキュメント側を最新化することで整合性を確保する。

　次に、ISO等の品質規格に基づいて機能ごとのテスト観点を整理し、不足しているテスト項目を洗い出した上で自動生成を行ない、網羅的な検証ができる環境を整える。

　改修の要求が発生した場合には、構築されたトレーサビリティを基に修正すべき範囲をドキュメントからテストまで明確に特定する。改修実行後は、追加・変更箇所だけでなくシステム全体の影響範囲に対するテストを自動実行し、既存機能が破損していないことを実証する。

　サンプルアプリケーションを用いた予備実験では、従来のRAG手法による不整合検知率が27%であったのに対し、同提案技術では80%の検知率を記録した。テスト生成でも、観点ごとに作成する手法により、埋め込まれたバグの検出率向上や未知の不具合の発見が確認された。

　同研究所では今後、長年運用されているシステムを多く保有するNTTグループの事業会社において、実システムを用いた有効性の検証を進めていく方針としている。