適用事例と導入効果

ソフトウェア開発における生成AI活用事例は、これまでのDATA INSIGHT記事でも扱ってきました。本記事では、これまで扱っていない特徴的な取り組みとして、リバースエンジニアリングの事例を紹介します。リバースエンジニアリングとはソフトウェアやハードウェア製品の構造を分析し、構造や仕組みを明らかにする手法で、近年は生成AIによるソースコードからの設計情報の復元が行われています。本事例では、リバースエンジニアリング対象のソースコードからRAGを構築し、復元させたい機能を人が自然言語で指示すると、必要なソースコードを生成AIが自動選別し、設計情報の一部を復元します。これにより、多くの時間を割いていたソースコードの選別作業を効率化することができます。また、復元した設計情報は、更に生成AIと組み合わせて活用しています。システム仕様や改修時の影響範囲などのシステム担当者からの質問に対して、LLMがソースコードや設計情報から回答を生成します。この仕組みは影響調査や問合せ対応の他にも、新規参画者のシステム仕様理解促進に活用されています。

これからのソフトウェア開発に求められるポイント

LLM自体の精度向上やSmartAgentのような活用コンセプトの登場により、ソフトウェア開発全工程での生成AI活用が現実味を帯びてきました。ソフトウェア開発がAIに代替されようとしているなか、人にはどのようなスキルが求められるでしょうか。ポイントは、「生成AIを使いこなす力」と「適切なアプローチを見極められる力」の2点です。

生成AI活用が進んだとしても、人が生成AIにインプットを与える役割であるのは当面変わらないと考えられます。したがって、精度の良い回答を得るためには、人からの指示内容の具体化や明確化が必要です。生成AIの特性を踏まえたプロンプトエンジニアリング技術の習得に加え、実現したいことを言語化するための業務知識やIT知見がより必要になるでしょう。生成AIが知りえない、お客様のビジネスや課題に関する知見も欠かせません。また、これらの知識や知見は、生成AIが出力したアウトプットからハルシネーション（事実に基づかない情報を生成する現象）を見極め、正しいアウトプット出力に導く際にも活用できます。
同じプロンプトを渡した場合でも、LLMの種類が変われば回答は異なります。現在、様々なLLMが日々登場しています。このような状況では、各LLMの特性を理解して、適切に使い分ける力も必要になります。

生成AIは開発効率化を実現する手段の一つであり、生成AI以外のアプローチが適切なケースもあります。ユースケースやプロジェクトの状況に応じて適切なアプローチを選択できる力も、今後一層求められることとなるでしょう。自動化技術は開発効率化の手段として以前から知られていますが、自動化技術で実施していたことすべてを生成AIに置き換えるのではなく、組み合わせて利用することで更なる効果が期待できます。例えばCI／CD（継続的インテグレーション／継続的デリバリ）パイプラインへ生成AIを適用した場合を考えてみましょう。自動テストでのエラーは、現状は人が内容を確認して発生事象や原因を調査しています。ここに生成AIを活用することで、エラー内容から事象や原因を生成AIが出力し、バグチケットに自動でコメントを記載することができるため、更なる効率化が期待できます。

生成AI関連の技術の発展は著しく、今後も新しい技術が登場してくることでしょう。新しい技術を使いこなし、既存手法と組み合わせて更なる効率化ができる力が求められます。
NTT DATAは、これからも最新技術を活用したソフトウェア開発を推進していきます。