- 日立が2026年7月24日、SIの全工程をAIエージェントに任せる「Agentic AI Integration Platform」を発表
- 要件定義の画面仕様を確定する作業で最大240倍、設計〜テストで約200倍の生産性を社内実証
- 静岡銀行の勘定系で約30%、MS&ADシステムズの保険基幹で約25%と、実案件でも効果が出ている
- Claude・OpenAI・Google Cloudのモデルを使い分け、トークン利用料は最大54%削減
- 2027年度に工程全体で生産性30%向上が目標。SIerの「人月モデル」が揺らぎ始めている
「システム開発って、なんであんなに時間とお金がかかるの？」と思ったことはありませんか。数億円、数年がかりというのがこの世界の常識でした。その常識に、国内最大手のひとつである日立製作所が「240倍」という数字をぶつけてきました。何がそこまで速くなったのか、順番にほどいていきます。
日立が発表した「Agentic AI Integration Platform」とは
日立製作所は2026年7月24日、企業向けシステム構築の全工程にAIを適用する新プラットフォームを発表しました。名前は「Agentic AI Integration Platform」です。
ここでいうSI（システムインテグレーション）とは、銀行の勘定系や保険の契約管理など、会社の中核を支える大きなシステムを設計して作り上げる仕事のこと。日立の主力事業のひとつです。
新しいのは、適用範囲の広さです。構想策定、要件定義、設計、コーディング、テスト、運用。この全部の工程に、それぞれ専用のAIエージェント（自分で判断して作業を進めるAI）を配置しました。
これまでの生成AI活用は「コードの一部を書かせる」止まりでした。上流の要件定義や、リリース後の運用までまとめて任せる、という設計思想がこれまでとの違いです。
3つの層でできている
プラットフォームは大きく3階建てです。
- エンタープライズAI基盤：AnthropicのClaude、OpenAI、Google Cloudのモデルを、用途に応じて選んで使える
- AI Readableなナレッジベース：その企業だけの事情（企業コンテキスト）と、日立が積み上げてきたSIのノウハウを、AIが読める形でためておく置き場
- 工程別のAIエージェント群：要件定義担当、テスト担当というように、役割ごとに最適化されたAIが並ぶ
セキュリティやコスト、信頼性を管理する統制機能も組み込まれています。金融や公共のシステムを扱う以上、ここは外せない部分です。
なぜ240倍？ 数字の中身を分解する
「240倍」と聞くと、まず疑いたくなります。実際、この数字には条件がついています。
最大240倍を記録したのは、OT領域（工場や設備などの現場システム）の実務者とIT部門が、システムの画面仕様を確定させる作業です。要件定義工程の中の、ごく特定の作業を切り出した社内実証値だと日立自身が注記しています。
もうひとつの約200倍は、自社パッケージ製品の機能を拡張する「仕様駆動開発」で、設計からテストまでの工程を測ったものです。
なぜここまで差がつくのか。従来、画面仕様の確定は「現場が要望を出す → IT部門が持ち帰る → 数日後に修正案が戻る → また会議」の往復でした。この待ち時間こそが正体です。
AIが要望をその場で仕様に落とし、画面のたたき台まで作れば、数日単位のキャッチボールが数分に縮みます。作業そのものが240倍賢くなったのではなく、「待ち」が消えたと理解するのが正確です。
カギは「企業コンテキスト」
日立が仕組みの中心に据えたのが、この企業コンテキストという考え方です。
どの会社にも、ドキュメントに書かれていないルールがあります。「この帳票は月末締めの前日までに必ず出す」「この承認は部長決裁が必要」。担当者の頭の中にしかない暗黙のルールです。
汎用のAIはこれを知りません。だから、それらしいけれど現場では使えないコードを出してしまう。
そこで日立はFDE（Forward Deployed Engineer）というチームを顧客の現場に送り込みます。役割は、その暗黙のルールを聞き出してAIが読める形に翻訳すること。AIはフィードバックを受けて賢くなり、次の案件ではもっと精度が上がる。この循環を作るのが狙いです。
すでに銀行と保険会社で成果が出ている
社内実証だけなら「そういう数字も出るよね」で終わります。この発表が注目された理由は、実際の顧客案件の数字が添えられている点にあります。
静岡銀行と静銀ITソリューションのオープン勘定系システム開発では、コーディングと単体テストの工程で約30%の生産性向上。勘定系は預金や振込を扱う銀行の心臓部で、ミスが1件も許されない領域です。
MS&ADシステムズの保険分野の基幹システム開発では、同じくコーディングと単体テストで約25%の向上を記録しました。
240倍と比べると地味に見えます。ですが、こちらが現実に近い数字です。数百人が数年かけるプロジェクトで25〜30%といえば、億単位のコスト差になります。
コスト面の工夫もあります。日立グループのGlobalLogicが提供する「VelocityAI」と連携した環境では、AIを単体で使う場合に比べてトークン利用料を最大54%削減できたとしています。トークンとはAIの利用量を測る単位で、そのまま請求額に響く部分です。
プレスリリースには、共栄火災海上保険、JCB、みずほフィナンシャルグループもコメントを寄せています。日本の金融の重たい部分が、そろって前を向いているという構図です。
競合との比較｜富士通・NTTデータ・TISの動き
この動きは日立だけのものではありません。国内SIer各社が同じ方向に走り出しています。
- 富士通：AIによるSI変革を掲げ、特定条件下で生産性100倍を実証したと公表
- NTTデータ：「AIネイティブ開発」を宣言し、開発プロセス自体をAI前提に組み替える方針
- TIS：2030年3月期までに生産性50%向上という中期目標を設定
- 日立：2027年度に工程全体で生産性30%向上
並べると、日立の30%は控えめにすら見えます。ただし各社で測り方も対象工程も違うため、数字の単純比較にはあまり意味がありません。
日立の特徴は2つあります。ひとつは、コーディングだけでなく構想策定から運用までを一本のプラットフォームに載せたこと。もうひとつは、鉄道や電力といったOT（現場の制御システム）の知見を持っていることです。ClaudeやOpenAIの最新モデルに対応したOT専用のコード生成基盤も、現在構築中とされています。
ITだけを見ている会社には、工場の制御盤や鉄道の信号システムの流儀は分かりません。ここが日立の持ち場です。
日本のIT業界と働く人への影響
日本のIT業界は長く「人月（にんげつ）」で商売をしてきました。エンジニア1人が1カ月働く量を単位に、何人×何カ月で見積もる方式です。
生産性が2倍になれば、請求額は半分になります。効率化がそのまま売上減になるという、逆立ちした構造がここにありました。
業界では「3日・50万円で作れるものに4カ月・800万円かけていた」という指摘も出ています。AIがこの矛盾を表に引きずり出した形です。
では、エンジニアの仕事はなくなるのでしょうか。短期的には、方向が変わるという見方が現実的です。
たとえば地方銀行の勘定系を担当する若手エンジニア。これまでは仕様書どおりにコードを書き、テストケースを1件ずつ潰すのが日常でした。その部分をAIが引き受けると、残るのは「この業務ルールは本当に正しいのか」を顧客と詰める仕事になります。
保守の現場も変わります。20年前に書かれた誰も読めないコードを解読する作業は、AIが得意とするところ。担当者は解読からは解放され、代わりに「この機能はもう捨てていいか」という判断を求められます。
日立自身、狙いは「熟練エンジニアの不足やIT人材不足、既存システムの複雑化・ブラックボックス化の解決」だと説明しています。人を減らすためではなく、足りない人手をどう埋めるかという文脈です。
日本には、動いてはいるが中身が分からない古いシステムが山ほど残っています。作った人はもう退職している。この問題に人海戦術で立ち向かう体力は、もう業界に残っていません。
「240倍」に期待しすぎないための3つの注意点
盛り上がる話ほど、冷静な目盛りが要ります。
1つめは、条件付きの数字だということ。240倍は特定工程・特定条件下の社内実証値です。プロジェクト全体が240倍速くなるという意味ではありません。日立が掲げる全体目標が30%である点が、その答えになっています。
2つめは、準備に時間がかかること。企業コンテキストを形式知化する作業は、FDEが現場に入り込んで進めます。ここは人手と期間が必要で、導入した翌日から効くものではありません。
3つめは、責任の所在です。AIが書いたコードが勘定系で障害を起こしたとき、誰が責任を負うのか。契約や品質保証の枠組みは、まだ業界全体で固まっていません。金融や公共の案件では、ここが実務上いちばん重い論点になります。
よくある質問（FAQ）
Q1. 本当に240倍も速くなるのですか？
特定の作業に限った社内実証値です。OT領域の実務者とIT部門が画面仕様を確定する作業で記録されました。日立自身が「特定の工程・条件下での実証値」と注記しています。実案件での実績は25〜30%程度で、こちらが現実的な水準です。
Q2. どのAIモデルを使っているのですか？
AnthropicのClaude、OpenAIの最新モデル、Google CloudのAIを、用途に応じて選べる設計です。1社に固定しないことで、モデルの進化に追随しやすくしています。GlobalLogicの「VelocityAI」との連携ではトークン利用料を最大54%削減できたとしています。
Q3. 中小企業でも使えますか？
現時点では、大規模なレガシーシステムを抱える金融・公共・エネルギー・鉄道などが主な対象です。FDEが現場に入る前提のため、小規模案件向けとは言えません。ただし手法や知見が業界に広がれば、中堅・中小向けの開発コストにも波及すると見られています。
Q4. SIerのエンジニアの仕事はなくなりますか？
すぐになくなるとは考えにくい状況です。コーディングやテストの比重が下がる一方、業務要件を顧客と詰める上流工程や、AIの出力を検証する役割の重みが増します。日立の説明も、人材不足への対応が主眼だとしています。
Q5. いつから実際に使われるのですか？
すでに静岡銀行やMS&ADシステムズの案件で適用が始まっています。日立は2027年度に工程全体で生産性30%向上を目指しており、2026年9月3〜4日の「Hitachi Social Innovation Forum 2026 JAPAN」で展示とセッションを予定しています。
まとめ
- 日立が2026年7月24日、SI全工程にAIエージェントを配置する「Agentic AI Integration Platform」を発表した
- 最大240倍は要件定義の特定作業での社内実証値。実案件では静岡銀行で約30%、MS&ADシステムズで約25%の生産性向上
- Claude・OpenAI・Google Cloudを使い分け、VelocityAI連携でトークン利用料を最大54%削減
- 強みは企業コンテキストの形式知化とOT領域の知見。FDEチームが現場に入って支える
- 富士通・NTTデータ・TISも同方向に動いており、人月モデルの前提が崩れ始めている
- 課題は数字の条件付き、導入準備の重さ、AI生成コードの責任所在の3点
まずは自社の基幹システムで「誰も中身を説明できない機能」がどれだけあるかを洗い出してみてください。AI駆動開発の効果は、そこを片付けられるかで決まります。
参考文献
- AI駆動型のエンタープライズ向けシステムインテグレーションプラットフォームを開発（日立製作所 プレスリリース・2026年7月24日）
- 日立が「SI全工程」をAI化 仕様確定で「最大240倍」効率化のワケ（ITmedia ビジネスオンライン）
- 日立、SIサービスの全工程にAI駆動開発を適用へ、開発生産性30%向上を目指す（IT Leaders）
- 日立製作所、AIエージェントが主導でシステム開発を行う新プラットフォームを発表（ビジネス+IT）
- 日立、エンタープライズ向けSIの全工程にAIを適用する「Agentic AI Integration Platform」を開発（クラウド Watch）
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
