AIでレガシーシステム改修はどこまで任せられるか【Claude Code政府事例の現実味】

AIでレガシーシステム改修を進める話は、いま急に現実味を帯びています。特にClaude Codeのようにコードを読み、修正し、コマンド実行まで扱えるAIが広がると、古いシステムの調査や技術負債の整理は前より進めやすくなります。

ただし、AIでレガシーシステム改修を「丸投げできる」と見るのは危険です。AIに向くのは、読解、依存関係の洗い出し、仕様メモ化、テスト草案、改修候補の分解です。
本番反映、優先順位、顧客データ、会計、法務の承認は人が持つ。ここを分けるだけで、失敗の確率はかなり下げられます。

AIでレガシーシステム改修はどこまで任せるか

結論から言うと、AIでレガシーシステム改修を任せてよい範囲は、変更前の理解と検証準備です。古いコードを読み、処理の流れを要約し、依存関係を洗い出し、仕様書の下書きやテスト観点を作るところにAIの効果が出ます。

逆に、AIでレガシーシステム改修を進める時に任せすぎてはいけないのは、事業上の判断です。どの機能を残すか、どの顧客へ影響があるか、どの時期に止めるか、会計や法務上問題がないかは、会社側の責任者が決めます。

Claude Code公式ドキュメントでは、Claude Codeはコードベースを読み、ファイルを編集し、コマンドを実行し、開発ツールと連携するエージェント型のコーディングツールとして説明されています。だからこそ、古いシステムに使う時は、AIエージェントの権限管理と同じ発想で、最初に触らせる範囲を決める必要があります。

出典: Claude Code Docs「Overview」(英語)

レガシーシステム改修でAIが得意な工程

レガシーシステム改修で一番重いのは、古い言語そのものではなく、業務ロジックがどこに埋まっているか分からないことです。担当者が退職し、仕様書が古く、テストが足りず、画面は動いていても裏側の依存関係がブラックボックスになっています。

AnthropicはCOBOL近代化の記事で、AIがコード探索、依存関係の把握、ワークフロー文書化、リスク特定を助けると説明しています。ここから中小企業が読み取るべきことは、COBOLだけの話ではありません。Access、Excelマクロ、古いWeb管理画面、長年の追加改修で誰も全体を説明できない社内ツールにも同じ構図があります。

AIでレガシーシステム改修を始めるなら、最初からモダナイゼーションやマイグレーションの大計画に入らない方が安全です。まずは読めない状態を読める状態へ変える。ここにAIを使います。

この4つを先に整えると、AIでレガシーシステム改修を進める前に、何を壊してはいけないかが見えます。AIで作ったコードのバグ検査と同じで、画面が動くかだけではなく、守れるか、戻せるかまで見る必要があります。

出典: Claude by Anthropic「COBOL Modernization with AI: Breaking the Cost Barrier」(英語)

Claude Code政府向け提供で見える権限と監査

Claude Codeの政府向け提供で注目すべき点は、「AIがすごい」という話だけではありません。Anthropicは2026年7月7日、Claude CodeとClaude CoworkをClaude for Government DesktopのPublic Betaとして提供すると発表し、FedRAMP High authorized environment、監査ログ、支出管理、管理者設定に触れています。

これは大企業や公共部門だけの話に見えますが、AIでレガシーシステム改修を進める中小企業にも同じ論点があります。古いシステムほど、誰が何を読んだか、どのファイルを変えたか、どの権限で実行したか、どこまで費用を使ったかを後から説明できる必要があります。

Claude Code公式のセキュリティ文書では、読み取り専用を基本にし、編集やコマンド実行では明示的な許可を求める設計が説明されています。つまり、AIに任せるほど自由に動かすのではなく、任せるほど境界をはっきりさせるのが実務の考え方です。

社内データやコードを読ませる前には、生成AIに社内データを読ませる前の保全ルールも合わせて確認してください。AIでレガシーシステム改修を進める時は、ソースコードだけでなく、設定ファイル、接続情報、顧客データ、業務ログまで触れる可能性があります。

AIがコマンドを実行できるなら、実行前に止められる設計が必要です。古いシステムの改修では、成功した時の速さだけでなく、失敗した時に誰が戻せるかを先に決めます。

出典: Claude by Anthropic「Bringing Claude Code and Claude Cowork to government」(英語)

出典: Claude Code Docs「Security」(英語)

AIでレガシーシステム改修を任せない範囲

AIでレガシーシステム改修を進める時に、最初から線を引くべき範囲があります。特に、顧客情報、請求、在庫、勤怠、会計、契約に関わる処理は、AIが提案したとしても人が受け入れ判断をします。

AIが作った修正案は、コード上は正しそうに見えても、現場の締め処理、例外顧客、過去の運用回避策、紙で残っている承認フローを知らないことがあります。レガシーシステムの技術負債は、コードだけでなく業務の歴史にも埋まっています。

AIでレガシーシステム改修を安全に進める会社ほど、禁止事項を先に決めています。生成AIの社内ルールは禁止業務から決めるという考え方と同じで、ツール名ではなく「任せてはいけない業務」で止める方が現場に伝わります。

工程	AIの使い方	止める判断
調査	コードと設定を読む	秘密情報が混ざる
設計	改修候補を出す	業務優先順位をAIが決める
実装	小さい差分を作る	レビューなしで本番反映する
検証	テスト草案を作る	現場例外を確認しない
運用	ログ整理を手伝う	戻し手順がない

レガシーシステム改修を初月に小さく始める手順

レガシーシステム改修は、初月から全面刷新を狙うより、読めないものを読める状態にし、止めても影響が小さい範囲でAIを使う方が現実的です。つまり、初月の目的は完成ではなく、改修できる地図を作ることです。

• システム台帳を作る。所有者、利用部署、言語、データ種類、依存先、テスト有無を入れる
• 読み取り専用の範囲を決める。最初は本番DBや顧客データへ触らせない
• マスク済みデータかテスト環境で、処理の流れをAIに説明させる
• 小さい機能から始める。CSV出力、帳票文言、読取専用画面などを候補にする
• 戻し方を先に書く。誰が、何を、いつ戻すかを決める

この段階で必要なのは、派手なAI導入ではありません。古い更新作業を軽くする観点は、システム保守のAI活用でも扱っている通り、日々の保守、引き継ぎ、台帳化から始まります。

Claude Codeを含むAIコーディングツールを選ぶ場合も、性能だけでなく、社内の承認フローに合うかを見ます。選定の考え方は、AIコーディングツールの選び方ともつながります。

AIレガシーシステム改修のチェックリスト

AIでレガシーシステム改修を外注先や社内担当者と進めるなら、打ち合わせでは「AIでできますか」ではなく、次の質問をしてください。専門用語よりも、受け入れ基準と証跡を見る方が判断しやすくなります。

質問	確認したいこと	不足時の対応
何を読みますか	コード、設定、データの範囲	読み取り範囲を限定する
どこを書き換えますか	影響範囲と差分	本番反映を止める
何でテストしましたか	正常系、異常系、締め処理	入力例を追加する
誰が承認しますか	業務、法務、会計、顧客影響	責任者を決める
失敗時に戻せますか	バックアップ、ログ、復旧手順	改修を延期する

この表が埋まらない場合、AIでレガシーシステム改修を始めるにはまだ早い状態です。特に顧客データ、請求、在庫、予約、会計に関わるシステムでは、止める勇気も安全策の一部です。

AIでレガシーシステム改修は、古いシステムを一気に新しくする魔法ではありません。正しく使えば、見えなかった構造を見えるようにし、技術負債を分解し、段階的移行の候補を出す助けになります。
その代わり、人が承認すべき線を曖昧にすると、速さがそのままリスクになります。

まずは1つの画面、1つの帳票、1つのCSV出力からで十分です。AIでレガシーシステム改修を試すなら、読む、整理する、テストする、戻せることを確認する順番で始めてください。

AIでレガシーシステム改修を進めるFAQ