ソニー銀行が勘定系開発に生成AIを本格適用 工数4割削減

ソニー銀行と富士通が2026年9月14日、ソニー銀行の勘定系システムの実開発に生成AIを本格適用し、基本設計から結合テストまでの開発期間を従来比30%短縮したと発表した。工数は40%削減し、製造工程ではソースコードの生成率が99%に達した。銀行の基幹システムという、慎重さが最優先される領域で生成AIを実開発に使い、数字で効果を示した点に意味がある。他業種の基幹システム刷新にも参考になる事例だ。

何が発表されたのか

2026年7月時点の実績として、開発期間の30%短縮と工数の40%削減が確認された。工程ごとに見ると効果の出方がわかる。基本設計では、変更が他に及ぼす影響を調べる工数を最大90%削減した。詳細設計では設計書の作成工数を最大40%削減。製造工程ではソースコードの生成率が99%に達し、結合テストではテスト実行の工数を最大90%削減した。工程の前後で効きどころが違う。

技術面では、2025年9月から、Amazon Bedrock上で提供されるClaudeなどを活用している。設計書、ソースコード、テスト資産を工程をまたいで使い回し、開発プロセス全体を変える設計だ。両社は今後、要件定義を含む全工程へ適用を広げ、セキュリティや運用保守の領域にも段階的に拡大する予定としている。詳しい内容は日本経済新聞の報道で確認できる。数値は特定時点の実績のため、最新は公式で確認してほしい。

なぜ「勘定系」での実例が重い意味を持つのか

勘定系は、預金や為替を扱う銀行の心臓部で、障害が許されないぶん開発は慎重に進む領域だ。試験的な社内ツールではなく、この基幹システムの実開発で生成AIを使い、工数40%減という数字を出したことに実例としての重みがある。金融機関では、KB金融が全社でAIエージェント大会を開くなど活用が広がり、OpenAIが金融向けChatGPTを提供する動きも出ている。今回はその中でも、開発そのものにAIを組み込んだ点が特徴だ。

注目したいのは、AIが均一に効くのではなく、工程ごとに効きどころが違うことだ。影響調査やテスト実行のように、既存の資産を読み解いて確認する作業で削減率が高い。一方、要件定義のように人の判断が濃い工程はこれからの適用範囲に置かれている。どの作業がAIに向くかを、工程を分けて見極めた進め方がうかがえる。

現場の実務にどう効くか

システム部門を持つ企業のAI推進担当がまず学べるのは、基幹システムの刷新に「全工程を一気に」ではなく「効きどころから」入る進め方だ。影響調査や設計書作成、テスト実行のように、既存資産を読んで確認する作業は削減率が高く、着手しやすい。逆に、要件定義のように判断が濃い工程は人が主導し、AIは補助にとどめる線引きが現実的だ。

効果を数値で追う姿勢も参考になる。工数と期間を工程ごとに測ると、投資判断や次の適用範囲の選定に使える。導入の費用対効果を見積もる考え方はAI導入の費用対効果に、小さく始めて広げる進め方は小さく始めるAI導入に整理してある。基幹システムほど、生成AIが作った成果物を人が確認する関門を厚くする必要がある。ソースコード生成率99%でも、レビューと責任の所在は人が持ち続ける前提だ。

基幹システムでAIを使う前の3点

基幹システムの開発に生成AIを入れるなら、着手前に3点を決めておきたい。第一に、工程ごとの向き不向きだ。既存資産の読解や確認に近い作業から始め、判断の濃い工程は人が主導する。第二に、成果物の確認体制で、AIが作ったコードや設計書を誰がどうレビューし、責任を持つかを明確にする。第三に、効果の測り方だ。工数と期間を工程別に記録し、次の適用範囲を数値で決める。ここを押さえると、慎重さが要る領域でも安全に効果を取れる。

まとめ

ソニー銀行と富士通の事例は、生成AIが銀行の基幹システムという慎重な領域でも、工程を選べば実開発で効果を出せることを示した。他業種の基幹刷新でも、効きどころから入り、人の確認を厚くし、工程別に数値で追う進め方が参考になる。数値は特定時点の実績で、適用範囲は今後広がる予定のため、最新は公式で確認してほしい。

出典

• ソニー銀行、富士通と勘定系システムの実開発に生成AIを本格適用（日本経済新聞）
• ソニー銀行と富士通、勘定系開発に生成AIを本格適用 工数を40％削減、開発期間を30％短縮（EnterpriseZine）