ブラックボックス化した基幹の"現行が分からない"に回答。ソースから現行仕様・隠れた業務ルール・影響範囲・AI刷新用データを"根拠付き"で自動生成。オンプレ／read-onlyで機密システム対応
株式会社GembaShift（本社：群馬県高崎市、代表取締役：黛 政隆）は、ブラックボックス化した既存システムをAIと静的解析で読み解き、システム刷新に必要な現行仕様・業務ルール・依存関係・影響範囲・AI刷新用データを"根拠付き"で生成するAI現行解析基盤「SpecLift（スペックリフト）」の提供を、2026年7月2日より開始しました。
金融・製造・公共・通信などの大規模企業では、数十年にわたり増改築を重ねた基幹システムが事業の根幹を支える一方、「もう誰も全体を正確に説明できない」状態に陥っています。作った人は退職し、設計書は現物と食い違い、AIで刷新しようにも"渡すべき現行の正確な入力"が存在しない。かつて「2025年の崖」として警告されたこの問題は、対応が先送りされるほど深刻化し、いま多くの企業にとって"待ったなし"の経営課題となっています。
SpecLiftは、この「現行が分からない」を解消するために、ソースコードから現行の全体像・隠れた業務ルール・依存関係・影響範囲を可視化し、AI刷新に必要な材料を"根拠付き"で生成します。最大の特徴は、生成した現行仕様・業務ルールを、解析対象とは独立に用意した正解データと突き合わせ（自己採点はせず、正解データは事前に凍結）、どれだけ正確に読み解けたかを数値で公開する点です。本リリースでは、この自己採点によらない検証を「独立検証」と表記します。
AI現行解析基盤「SpecLift」- 銀行基幹システムで実証した解析精度
実在の銀行基幹システム向けOSS「Apache Fineract」（全5,274ファイル）を丸ごと測定した解析精度。API仕様94.5%／データ構造83%／業務ルール82%／計算ロジック77%、そして中核3機能（利息・返済・手数料）は100%。深さと広さの両立を、一番ごまかしの効かない金融題材で独立検証しました。
サービスサイト：SpecLift
■ 開発の背景：AIで刷新したいのに、"現行が分からない"
大規模なレガシー基幹システムの刷新プロジェクトは、技術力の不足ではなく、"現行システムが何をしているのか、社内の誰も正確に説明できない"という一点で頓挫します。決裁者を眠れなくさせているのは、次の3つの恐怖です。
- 誰も全体像を理解していない（作った人はいない、設計書は現物と一致しない）
- 本番稼働で初めて仕様の違いに気づく（隠れた業務ルールを落として事故る）
- 予算も期間も読めない（どこに何があるか分からないまま見積もる）
生成AIは強力ですが、"現行の正確な入力"が無ければ刷新は始まりません。不正確な材料を渡せば、隠れた業務ルールを落としたまま作り直し、かえって事故を招きます。GembaShiftは、AIを単なる効率化ツールではなく、意思決定に耐える"検証された事実"を生む基盤として設計することを重視しています。SpecLiftは、この欠けている「現行の材料」を根拠付きで埋め、しかもその正確さを検証して数字で公開するために開発されました。
■ SpecLiftとは：ソースを入れるだけで"現行"を見える化するAI現行解析基盤
SpecLiftは、既存システムのソースコードを投入するだけで（設計書は不要）、現行の全体像・現行仕様・隠れた業務ルール・依存関係・影響範囲・AI刷新用データを自動生成する、AI現行解析基盤（AI Modernization Readiness Platform）です。
処理は「機械で事実を固め、AIが意味付けする」二段構えです。まず静的解析でソースの構造をグラフ化して事実を確定し、そのうえでAIが業務的な意味を言語化します。全ての出力に「file:line（ファイル名・行番号）」の根拠を強制し、根拠のない断定を排除。分からない箇所は「要レビュー」と正直に明示するため、"それっぽいウソ"が入り込みにくい設計になっています。
ソースコード投入→SpecLift→6つの成果物。すべての出力に file:line の根拠
ソースコードを投入するだけ（設計書は不要）で、SpecLiftが「全体地図・現行仕様書・隠れ業務ルール・影響分析・AI刷新用データ・信頼スコア」を自動生成。処理は「機械で事実を固め、AIが意味付け」の二段構えで、すべての出力に file:line（ファイル名・行番号）の根拠が付きます。
■ SpecLiftの主な特徴
1. 解析精度を独立検証し、"数字で公開"する
SpecLift最大の特徴は、AI解析の精度を独立した正解データと答え合わせし、数値で公開することです。全てのAI出力には根拠（file:line）を強制し、不明な箇所は「要レビュー」と明示。自己採点ではないことを証跡で担保しています。「検証していない精度は、精度ではない」という立場を貫くことが、AI不信の強い基幹システム領域でエンジニア審査を通過させる核になります。
2. 実在の銀行基幹システムで実証（金融のど真ん中）
題材に選んだのは、銀行・マイクロファイナンス向け基幹システムとして実在するApache Fineract（ソース5,274ファイル規模）です。あえて利息・返済・手数料という最も複雑な金融計算を対象に、システム全体を丸ごと測定（都合のよい箇所だけを選ぶチェリーピッキングなし）しました。結果、システム全体で主要項目80～94%、中核3機能に絞ると業務ルール・計算式・API契約すべて100%（計算式の中身の質も96.8%）の正確さで読み解けることを実証。
3. COBOLメインフレームを含む6スタックに対応
対応言語・技術スタックは、Java/Spring・Python・C#/.NET・PL/SQL・PHP・COBOL+JCLの6種で、いずれも実在のオープンソースで実証済みです。刷新単価が最も大きいメインフレーム資産（COBOL/JCL）も、ソースコードだけから根拠付きで可視化します（固定長レコードのPIC型・桁、88レベルの業務状態まで言語化）。C#/.NET・PL/SQL・PHP・COBOL+JCLの4スタックだけでも、合計12,306ファイル・約120万行を解析エラー0で完走し、精度100%を独立した正解データで実測しました。
COBOLメインフレームを含む6スタック対応。実在OSSで検証済み
Java/Spring・Python・C#/.NET・PL/SQL・PHP・COBOL+JCLの6スタックを実在OSSで検証。刷新の難所であるCOBOL/JCLのメインフレーム資産も固定長レイアウトや業務状態まで可視化し、4スタック・約120万行を解析エラー0で完走しました。
4. 機密ソースを預けても大丈夫な設計
全コンテナをオンプレミス／VPC（プライベートクラウド）に丸ごと配置でき、データは環境内に保持されます。動作はread-only（本番DBへの書き込み・自動デプロイ・コードの自動修正は一切なし）。外部に出るのはマスク済みの根拠抜粋のみで、LLMは顧客が管理するものに差し替え可能、顧客データをモデル学習には使いません。テナント分離（RLS）と改ざん検知付きの監査ログも実装済みで、セキュリティ・コンプライアンス要件が最も厳しい金融領域の導入前提にも対応しやすい設計です。
5. AI刷新の"現行の材料"を根拠付きで生成する
SpecLiftが生成するのは、System Map（全体地図）、現行仕様書、隠れ仕様カタログ、影響分析、そしてAI刷新に直接渡せるContext Bundle／Work Orderです。さらに、これらをMermaid図・物語化した解説・図入りPDFの自動ダイジェストとして出力します。「AIで刷新したいが前に進めない」という着手前の突破口として機能します。
6. できないことは、できないと言う（正直さ＝ブランド）
都合のよい一部ではなくシステム全体で測り、苦手な箇所も数字で開示します。100%を装わず、不確かな箇所は「要確認」と明示する。逆説的に、この正直さこそが、AI不信の強い大企業の意思決定者の信頼を最も勝ち取ると考えています。
■ 独立検証で確かめた数字（すべて実測値）
- 実在の銀行基幹システム Apache Fineract（全5,274ファイル）：API仕様94.5%／データ構造83%／業務ルール正解率82%・網羅率81%／計算ロジック77%
- 中核3機能（利息・返済・手数料）：業務ルール・計算式・API契約すべて100%（計算式の質96.8%）
- 設計書ゼロの実レガシー Shopizer（1,339ファイル／124,756行／約42,000ノード）：78テーブル・約188 APIを自動地図化、隠れ仕様の上位本物率precision=1.00
- 6スタックすべてを実OSSで検証済み。 うち C#/.NET・PL-SQL・PHP・COBOL+JCL の4スタックは、合計 12,306ファイル・約120万行をエラー0で完走し、テーブル・プログラム抽出の完全一致（100%）を達成。Java は銀行基幹 Fineract で 80～94%、Python も実OSSで実証済み。
※掲載の数値は、Apache Fineract／Shopizer等の公開ソースを題材とした独立検証の実測値です。採点にはAIの出力とは別に用意した正解データを用い、検証中はこれを凍結（基準を後から変えない）、AIによる自己採点は行っていません。 業務ルールの全体精度は大規模なため統計サンプル（precision・recallの抽出裁定）に基づく推定で、中核機能は人手で全件照合しています。システムの種類・状態により精度は変動します。
■ 想定される利用シーン
銀行・保険・証券などの金融機関
利息・返済・手数料など複雑な業務ロジックを抱える勘定系・保険計算基盤の現行仕様を、根拠付きで可視化。刷新・システム統合・規制対応の判断材料として活用できます。
製造・流通・通信などの大規模事業会社
長年増改築を重ねた基幹システム（生産管理・在庫・受発注・課金）の全体地図と隠れた業務ルールを棚卸し。クラウド移行・パッケージ切り替えの前提調査に活用できます。
公共・メインフレーム保有組織
COBOL/JCLのメインフレーム資産を、固定長レイアウトや業務状態までソースだけから可視化。ベンダーロックインや技術者の高齢化リスクを抱える基幹の刷新計画づくりに活用できます。
大手SIer・保守ベンダー
現行調査・影響分析・テスト設計・移行診断を数十分～で初稿化（所要時間は対象の規模・状態により異なります）。属人化していた大型レガシー案件に、若手でも根拠を持って入れる状態をつくります。
■ 従来の進め方との違い
- 手作業の現行調査（数週間～数ヶ月・属人的・抜け漏れ）に対し、SpecLiftは数十分～での自動生成・出典付き（所要時間は規模により変動）。
- 素のLLMにコードを貼り付ける方法（出典なし・でっち上げ・大規模不可）に対し、SpecLiftはEvidence（file:line）を強制し、精度を公開し、システム全体をグラフ化。
- 静的解析ツール（構造は出るが業務ルールや仕様文は出ない）に対し、SpecLiftは構造＋AIの意味付け＋業務ルール発掘＋刷新材料までを生成。
- 他のAI解析（精度を検証して数値公開する取り組みはまだ一般的ではない）に対し、SpecLiftは答え合わせをして精度を数字で公開し、苦手な箇所も開示。
当社が把握する範囲では、"答え合わせをして精度を数値で公開する"レガシー解析サービスはまだ多くありません。SpecLiftは、その数少ない一つを目指しています。
■ 料金・トライアル
SpecLiftは、対象システムの規模・スタック・利用範囲に応じた個別見積もり型での提供です。導入検討にあたっては、以下の評価ステップを用意しています。
- 無料スモークテスト：御社のソース（小さく可）を対象に、「どこまで正確に読めたか」を独立検証の数字でレポート。読み取れなかった箇所も正直に開示します。
- スモール開始：1機能・1サブシステム単位から着手できます。
- 資料提供：機能一覧、セキュリティ仕様、成果物サンプル（実際の解析ダイジェスト）を含む資料をご用意します。
詳細な料金・契約期間・オンプレミス構成については、個別のお問い合わせにてご案内します。
■ SpecLiftが目指すもの
SpecLiftが目指すのは、単にAIでドキュメントを作ることではありません。
レガシー刷新の成否は、"現行の材料"がどれだけ正確かで決まります。SpecLiftは、機械で事実を固めてAIが意味付けし、その精度を独立検証して数字で公開することで、意思決定に耐える「検証された現行の材料」を提供します。「できないことはできないと言う」姿勢を貫き、AI刷新を"試す"段階から"実際に進められる"段階へと引き上げることを目指しています。
■ GembaShiftの用途特化型AIサービスと支援体制
GembaShiftでは、SpecLiftに加え、企業ごとの業務課題に合わせた用途特化型AIサービスを展開しています。
- Gemba Book：写真・既存資料から1手順1ページの図解付き作業標準書を生成する現場マニュアル図解AI。多言語・承認・版管理・監査ログに対応。
- SecureCanvas AI：Entra ID認証、PII自動除去、監査ログを備えた、全社利用前提のセキュアAI資料生成基盤。
- BeforeAfter.ai：現場写真から提案後のビジュアルを生成する提案前ビジュアルAI。
GembaShiftは、個別ツールの提供にとどまらず、業務フローの棚卸し、ROI設計、AIワークフロー実装、現場定着、内製化支援までを一気通貫で行い、企業のAI活用を「試す」段階から「業務が変わる」段階へ進めていきます。
■ 代表コメント
株式会社GembaShift 代表取締役 黛 政隆
レガシー刷新が失敗する最大の理由は、技術力ではありません。"現行システムが何をしているか、社内の誰も正確に説明できない"ことです。
AIで作り直す時代になっても、渡す"現行の材料"が不正確なら、隠れた業務ルールを落として事故を起こします。SpecLiftは、その欠けている材料を根拠付きで埋め、しかもその正確さを、実在の銀行基幹システム向けOSS（Apache Fineract）を対象に独立検証して数字で公開しました。
私たちは"できないことはできないと言う"ことを貫きます。検証していない精度は、精度ではないと考えるからです。まずは無料スモークテストで、御社のシステムを"どこまで正確に読めたか"を数字でご覧いただきたいと思います。
■ 無料スモークテスト・資料請求について
SpecLiftでは、御社のソースコードを小さな単位からお預かりし、「どこまで正確に読めたか」を独立検証の数字でレポートする無料スモークテストを受け付けています。あわせて、機能一覧・セキュリティ仕様・実際の解析ダイジェスト（成果物サンプル）を含む資料提供にも対応しています。
金融・製造・流通・公共・通信などで、ブラックボックス化した基幹システムの刷新・移行・統合に課題を抱える企業のご担当者様、および大型レガシー案件を手がけるSIer・保守ベンダーのご担当者様は、ぜひお問い合わせください。
- サービスサイト：SpecLift
- お問い合わせ：GembaShift お問い合わせフォーム
■ 株式会社GembaShiftについて
株式会社GembaShiftは、群馬県高崎市に本社を置く、現場起点のAIインフラづくりに取り組む企業です。業務フローの棚卸し、ROI設計、AIワークフロー実装、現場定着、内製化支援までを一気通貫で支援し、構想で終わらない、現場で動き続ける仕組みづくりを行っています。
- 会社名：株式会社GembaShift
- 代表者：代表取締役 黛 政隆
- 所在地：〒370-0801 群馬県高崎市上並榎町489-11
- 設立：2026年1月21日
- 資本金：1,000,000円
- 事業内容：AI活用コンサルティング、AIシステム開発、企業研修事業
- 公式サイト：GembaShift
■ 本件に関するお問い合わせ
株式会社GembaShift
お問い合わせフォーム：GembaShift お問い合わせフォーム