失われゆく「COBOL」技術、レガシーコードとの向き合い方をGitHubが解説：AIエージェントを使った3つのステップ

　レガシーシステムの問題の一つは、そのコードが具体的に何をしているのかを把握できなくなってしまうことだ。システム自体は今も動き続けているとしても、組織がその「中身を理解している」とは限らない。

　そこで最初のステップはソースコードを理解し、モダナイゼーションの準備をすることだ。ここではGitHub Copilotは“考古学ツール”になる。AIを使うことで次のようなことが可能になるという。

ステップ2：ソースコードを補強する

　次はソースコードの理解を補う情報を付け加えるステップ。コードの意図を説明するコメントを補い、依存マップを作成する。これにより、属人化したロジックが“誰でも読める資産”に変わる。ブログ記事は、この段階を「エンリッチメント」と表現している。

　COBOLプログラムは、大きく4つの構造に分かれている。

　COBOLの構文を理解しなくても、AIに解析させることで自然言語で構造を理解できるようになる。

ステップ3：ソースコードを再生させる

　個々のファイルを分析し、エンリッチメントを終えたら、次はそれがどのように連携するのかを理解する必要がある。ここでAIエージェントによる自動化ワークフローを構築する段階に移行する。

　Microsoft Global Black Beltのジュリア・コーディック氏のチームは、複数の専門エージェントをオーケストレーションするフレームワークを構築した。各エージェントは特定のジョブを持つ。連携させることで、単一では対応し切れない複雑な処理を実現する。

　その具体的なプロセスは次の通り。

AIによる現実的なモダナイゼーション

　AIエージェントを活用することでモダナイゼーションを推進できるようになるものの、メインフレームの問題は「1回のクリックで解決できる」わけではなく、実際には以下のような現実に向き合う必要があるとブログ記事は指摘している。

　AIを活用したアプローチは、レガシーシステムの維持・刷新を従来よりも現実的なものに変える可能性を秘めている。従来は高額なコンサルタントを雇い、5年以上をかけて変換作業をしても、最終的にはメンテナンス不可能なソースコードが生み出されるという現実もあった。

　レガシーシステムは、単なる技術的負債の問題ではなく、ビジネスの存続に関わる問題だが、組織においてはCOBOLの専門知識不足が深刻になっている。AIを使うことで、最終的に生成されるソースコードは開発者が実際に作業できるものになり得るとブログ記事は指摘している。