COBOL

OpenAIが新モデルのプログラミング能力を評価し、20言語でのデータベースエンジン構築テストで合格率が従来比87.4%に向上したことを発表した

• •学習リソースの少ないCOBOLやFortranをAIがどこまで扱えるかを検証した
• •20言語でデータベースエンジンを構築するテストで、新モデルの平均合格率が従来モデルの26.8%から87.4%に伸びた
• •既存のCOBOLプログラムを別の言語に書き換える評価での結果についても言及している

PM歴40年の筆者が、AIによるCOBOLからJavaへのレガシーシステム変換は極めて安易で危険だと指摘する

• •「AIがあればCOBOLをJavaに変換できる」という期待に対し、危険であると断じている
• •レガシーシステムの刷新プロジェクトにおけるAI活用の落とし穴を考察している
• •COBOLからJavaへの変換でAIを利用することへの懸念点を示している

日立は生成AIによるレガシーシステム刷新の課題解決が進む中、依然として人間のエンジニアが担う役割の重要性を強調し、AI適用時の難所と人材の役割変化について解説する

• •生成AIの活用によりCOBOL等のレガシーシステム刷新における人手不足問題は緩和されつつある
• •日立は技術的な課題よりも、AIをどう適用するかという設計判断や責任所在において人間の役割が大きいと主張する
• •刷新プロジェクトにおける最大の難所はAIへの移行プロセスであり、エンジニアの役割は操作者から監督者へと変化している

GitHub Copilot Quest Lv3で、レガシー言語COBOLのモダナイゼーションがどのように行われたかをレポートする。AIツールとクラウド環境を活用した銀行システムの変革プロセスや、開発チームの選択と集中について詳述している。

• •ハッカソン「GitHub Copilot Quest Lv3」で、COBOL製銀行バッチ処理のモダナイゼーションがテーマとなった
• •GitHub CopilotとMicrosoft Azureを組み合わせることで、古式ゆかしいシステムの変革が可能だった
• •開発チームがAI支援下でどのような技術選定を行い、何を優先して解決したかが分析されている