レガシーコード9百万行をAIが変換——Morgan Stanleyが開発者28万時間を取り戻した方法

Morgan Stanleyが DevGen.AI を活用し、9百万行を超えるレガシーコードの自動変換・レビューを実現。15,000人の開発チームが計280,000時間の手作業から解放された。

数十年分の技術負債が開発速度を奪っていた

投資銀行・証券業務を軸に展開するMorgan Stanleyは、グローバルで15,000人以上のエンジニアを抱える。金融システムとしての信頼性は高い一方、長年にわたって積み上げてきたコードが技術スタックの老朽化を招いていた。古いCOBOLや旧世代のJavaで書かれたシステムは、業務ロジックが複雑に絡み合っており、現代のアーキテクチャへの移行は容易ではなかった。

問題の核心は、変換作業の工数にあった。仕様を理解した上で一行ずつ確認する必要があり、ベテランエンジニアでも集中力と時間を要する。チームが大きければ大きいほど、この作業の総量は膨れ上がる。結果として技術負債の解消は常に後回しになり、新機能の開発に充てるリソースが圧迫され続けた。

「AIが下書き、人間が判断」——DevGen.AIの設計

同社が導入したのが、AIコードレビュー・変換自動化ツール「DevGen.AI」だ。レガシーコードをAIが解析し、現代的な言語・アーキテクチャへの変換候補を自動生成する。担当のエンジニアはその提案を確認してマージするだけでよい。

重要なのは、変換を「AIが完結させない」構造になっている点だ。提案はAIが行うが、最終承認は必ず人間が担う。銀行・証券業界では規制対応の観点からコードの品質基準が特に厳しく、完全自動化は受け入れられにくい。DevGen.AIはその現実に正面から向き合い、人間の判断を前提とした設計を徹底した。複雑な金融業務ロジックを含むコードでも変換精度が担保されている点が、大規模組織での採用を後押しした。

9百万行・280,000時間削減の実績

成果は数字で確認できる。AIがレビュー・変換処理したコード量は9百万行超。開発者全体で削減された工数は合計280,000時間に達した。15,000人で換算すると、一人あたり約18時間の節約に相当する。

その時間が、顧客向けプロダクト開発や新技術の検討に使えるようになった。手作業のコード変換を繰り返す業務から、判断が必要な高付加価値の仕事に人材がシフトした。

成功の条件——「完全自動化」を目指さなかったこと

大規模展開を成功させた要因のひとつは、AIの役割を「補助」に限定したことにある。変換ルールや品質チェックの基準を一元管理できたことも大きい。15,000人の開発組織がバラバラのやり方でコード変換すれば、品質のばらつきが生まれる。統一ツールを使うことで、チームごとの差異を排除しながら全体の生産性を底上げできた。

規制が厳しい業界ほど、「誰が最終判断を下すか」が明確でないとAIツールの導入は進まない。Morgan Stanleyはその設計を正しく行ったことで、金融機関という特殊環境でも組織全体への展開に成功した。

自社の開発チームに置き換えて考える

Morgan Stanleyほどの規模でなくても、同じ課題を抱えている組織は多い。「保守だけで手が埋まり、新しいものを作る余裕がない」「仕様を把握しているエンジニアが少なくなった」。こうした状況こそ、AIコードレビューが最も効果を発揮する場面だ。

大規模移行プロジェクトを一気に立ち上げるより、まず対象リポジトリを絞って試すのが現実的だ。AirbnbがAIコーディングで生成コード比率を60%まで高めた事例でも示されているように、エンタープライズ規模の組織でもAIを開発フローに組み込む取り組みは今や共通のスタンダードになりつつある。技術負債を「いつかやる」から「AIに少しずつ任せる」に切り替えるタイミングは来ている。