トレーサビリティで「AI-Ready」に
どうすれば、既存資産をAIが扱える状態にできるのか。
NTTが今回開発したのは、既存のソフトウェア資産――仕様書・設計書・コード・テストなどの成果物――を「AI-Ready」な状態へ変換する技術だ。
既存のソフトウェア資産を「AI-Ready」な状態へ変換
技術の柱は2つある。
1つ目はトレーサビリティ解析だ。要件定義書から設計書、ソースコード、テストまでの依存関係を自動で構築し、成果物間の不整合や記載漏れを検知・修正する。
ドキュメントやソースコード、テストなどの開発成果物を「AI-Ready基盤（仮称）」に投入すると、トレーサビリティが自動で構築され、文書とコードの不一致が検知される。AIアシスタントに「ソースコードに合わせてドキュメントを最新化」などと依頼すると、その通りに修正する。
技術（1）トレーサビリティ解析のポイント
2つ目は網羅的なテストの自動生成である。必要なテストを体系化・自動化し、改修による影響を即座に検証できる状態を整える。これにより、既存システムの理解から改修、検証までを生成AIで一気通貫に実行できるようにする。
技術（2）テスト自動生成のポイント
RAGの27%に対し80%の検出率
説明会では、予備実験によるこの2つの技術の評価結果も示された。
予備実験には、Macchinetta Frameworkのサンプルアプリケーション「ATRS」を用いた。設計書に意図的に埋め込んだ41件の誤りを、仕様書やコードと照らし合わせて検出できるかを評価したところ、従来手法のRAGが11件（27%）だったのに対し、提案技術は33件（80%）を検出した。モデルはGPT-5を使用した。
倉林氏によれば、「場当たり的な検索ではなく、事前に解析してトレーサビリティを構築することで、不整合を網羅的にチェックできる点が差につながった」という。
トレーサビリティ解析の評価
テスト生成では、生成AIに直接テストを作らせる手法と比較した。従来手法は埋め込んだバグを1件も検出できなかったが、提案手法は6件中4件を検出。さらに、元々存在していた未知の潜在バグ3件も見つけた。
今後は、NTTの事業会社が保有する長期運用システムに本技術を適用して実システムでの有効性を検証し、NTTグループ全体への展開を推進する計画だ。同プロジェクト 主席研究員の竹内亨氏は「従来からあるシステムをどうやってAIで維持管理するかが喫緊の課題になっている」と話した。
また、今後、AIネイティブに新規開発されるシステムも、すぐに追加開発の段階に入る。その維持管理、追加開発をどう効率化するかも見逃せない問題だ。
技術的な最適解がまだ明確になったわけではないとしつつも、竹内氏は「今回確立した技術はかなり有望なアプローチと考えている」と強調。バイブコーディングで作られたシステムへの機能追加や既存システムの維持管理といった社会課題に「強くアプローチしていきたい」と展望した。
