NTTは、既存のソフトウェア資産をAIが理解・活用できる状態へ変換する技術を確立しました。
仕様書や設計書、コード、テストの関係を解析し、不整合や記載漏れを検出・補完します。
予備実験では、不整合の検出率が従来手法の27％から80％に向上しました。
記事の概要
長年運用されるシステムでは、ドキュメントとコードの不整合や、テスト不足が課題になります。
NTTは、仕様書・設計書・コード・テストなどの成果物間にある依存関係を解析します。
トレーサビリティ解析技術により、工程間の不整合や記載漏れを自動で検出・補完します。
網羅的なテスト自動生成技術では、既存テストの不足領域を可視化し、テストケースを補完します。
Macchinetta Frameworkのサンプルアプリケーション「ATRS」を使った予備実験を実施しました。
設計書に埋め込んだ41件の誤りに対し、提案手法は33件を検出し、検出率は80％でした。
テスト評価では、意図的に埋め込んだ6件のバグのうち4件を検出し、潜在バグも3件検出しました。
今後は実際の開発・保守案件へ適用し、生成AIによるシステム理解から改修、検証までの一貫支援を目指します。
記事のポイント
- 不整合を自動検出： 仕様書・設計書・コードなどを機能単位で整理し、成果物間の不整合や記載漏れを検出・補完します。
- 不足テストを補完： ISO品質特性に基づくテスト観点空間を構築し、異常系や境界値など不足するテストを自動生成します。
- 予備実験で効果確認： 41件の誤りに対する検出率は80％でした。テストでは潜在バグを3件検出しました。
このニュースがもたらす影響
- 導入を検討する企業： 長期運用システムを持つ企業では、AI導入の前に仕様・設計・コード・テストの対応関係を点検し、どの不整合とテスト不足から直すかを決める工程が必要になりそうです。
- 開発支援サービス提供者： ドキュメント検索だけでなく成果物間の関係やテスト観点の網羅性まで扱えるかが、既存システム向けAI支援サービスの差別化要因になる可能性があります。
- 開発・保守部門： システム理解から改修、検証までをAIでつなぐには、生成結果を個別に使うだけでなく、既存資産の整合性とテスト不足を先に可視化する運用が求められそうです。
このニュースの背景
生成AIによるソフトウェア開発の効率化は、新規開発を中心に進んでいます。
一方、ソフトウェア開発の約6割を占める追加開発では、長年の改修によるドキュメントとコードの不整合がAIによるシステム理解を妨げています。
既存機能を確認するテストも十分に整備・自動化されていない場合があり、変更影響の検証に手間がかかっています。
関連するニュース
- OpenAIが文章向け電子透かし「textGrain」を発表し、GeminiとClaudeも対応を進めています。
- スーパーソフトウエアがITエンジニア1,265人を調査し、AI利用者ほどキャリア不安が高い傾向を示しました。
- X-HACKは、機密文書をローカル処理できるAI-OCRアプリを開発し、保険書類の照合を検証しています。
詳しい記事の内容はこちらから（引用元）
プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES
NTT株式会社のプレスリリース（2026年10月23日 10時00分）"人が読む"既存ソフトウェア資産を、"AIが読む"…
https://prtimes.jp/main/html/rd/p/000000063.000181531.html