本文へ移動
情シスのミカタ
ニュース約4分で読めます

ソニー銀行、AIで勘定系開発の期間を30%短縮、人の品質確認は維持

AWSがソニー銀行のAI開発事例を公開しました。基本設計から結合テストまでの工数を40%削減し、期間を30%短縮。Claude CodeとAmazon Bedrockを使う構成や、人による品質保証、情シスが導入前に確認する点を整理します。

公開 情シスのミカタ編集部AIにより執筆チェック済み
文字
ソニー銀行、AIで勘定系開発の期間を30%短縮、人の品質確認は維持

この記事のまとめ

  • AWSによると、基本設計から結合テストまでの工数を40%削減、期間を30%短縮しました。
  • Claude CodeとAmazon Bedrockを採用し、閉域通信と既存の認証・ログ監視を適用しています。
  • AIの成果物は人がレビューします。導入前の設計書・開発規約・環境整備も確認点です。
こんな方に#30代#40代#50代#60代実務

AWSは2026年10月13日、ソニー銀行が本番稼働中の勘定系システム開発にAIエージェントを適用した事例を公開しました。AWSによると、2026年7月時点で基本設計から結合テストまでの工数を40%削減し、開発期間を30%短縮しています。設計・製造・テストでAIを使う一方、成果物の最終判断と品質保証は人が担っています。

30%短縮の対象は基本設計から結合テストまで

勘定系システムは、顧客の預金や取引を扱うシステムです。ソニー銀行は2025年に勘定系システム全体をAWSへ移行し、富士通の「Fujitsu Core Banking xBank」を採用しています。今回の事例は、ソニー銀行と富士通が監修し、AWSが執筆しました。

生成AIの導入は、2025年9月の製造・単体テスト工程から始まりました。その後、開発を担う富士通とともに、設計・結合テスト工程へ段階的に広げています。

成果を見る際は、工数と期間を分ける必要があります。40%削減は作業にかかる工数、30%短縮は開発期間についての数値です。いずれも対象は基本設計から結合テストまでで、要件定義や運用を含む全工程の成果として示されたものではありません。

要件定義では、環境や情報源を整えながら検証・適用を進めています。運用向けのAWS DevOps Agentと、セキュリティ向けのAWS Security Agentも検証中です。今後は開発ライフサイクル全体や周辺系システムへ適用を広げる方針です。

ツール選定だけでなく、環境と人のレビューを整備

ソニー銀行は、複数のコーディングエージェントを比較し、AnthropicのClaude Codeを選びました。コーディングエージェントは、コード作成などの開発作業を進めるAIです。生成AIの推論基盤にはAmazon Bedrockを採用しています。

選定条件の一つは、開発環境から閉域通信で利用できることでした。AWSによると、Bedrockの入出力はAWSやモデル提供者のモデル学習には使われません。認証・認可、ログ監視、操作記録を扱うAWS CloudTrailなど、既存の統制も適用しています。

開発者はAmazon EC2上のDev Containerという開発用コンテナ内でClaude Codeを使います。開発ツールやAIエージェントなどの設定を共通のコンテナにまとめ、AIは設計書、ソースコード、テスト資産を参照します。

AI導入前には、設計書、開発規約、CI/CDパイプラインを整備していました。CI/CDは、コードの変更を継続的に検証・反映する仕組みです。今回の成果を自社で検討する際は、AI製品だけでなく、こうした準備も比較対象になります。

生成AIタスクフォースは、AIに作業をさせるためのSkillsを作成し、業務チームへ提供しています。一度の指示による生成結果を評価し、基準を超えたものを展開する運用です。AWSはシニアエンジニアとほぼ同等の成果物が得られていると説明していますが、レビューはAIに委ねていません。工程別のAIエージェントが作業し、人のレビューを経て次へ進みます。

影響する会社・しない会社

  • 影響する: 設計書、ソースコード、テスト資産を使う開発でAI活用を検討している会社です。ツールの選定に加え、参照資料の整備とレビュー体制を検討する事例になります。
  • 影響する: 開発環境からの閉域通信や、認証・認可、ログ監視を選定条件とする会社です。今回の構成を、自社の条件と照らして確認できます。
  • 影響しない: 今回の事例と同じ開発環境を利用していない会社に、設定変更や更新を求める発表ではありません。対象はソニー銀行の開発事例で、自社でも同じ削減率が得られるかは発表には書かれていません。

情シスが今日やること

  1. 開発責任者に、試行対象の工程を確認します。 基本設計、製造、単体テスト、結合テストのどこでAIを使うか整理してください。試行開始前に、工数と期間を別々に比較するための現状記録も確認します。
  2. 設計書・開発規約・テスト資産の保管場所を開発担当者と確認します。 AIに参照させる資料と、その更新担当者を一覧にします。今回の事例では導入前に資料や開発の仕組みを整えていたことを、開発部門と委託先へ伝えます。
  3. AWSを使う場合は、認証・認可と記録の設定を点検します。 AWS CloudTrailの管理画面と既存のログ監視設定を、クラウド管理担当者と確認します。試行開始前に、閉域通信の要件、利用者の権限、操作記録の確認担当を決めます。今回の事例と自社環境が同じ構成だとは扱わないでください。
  4. 開発責任者と品質保証担当者に、工程ごとの承認者を決めてもらいます。 AIの成果物を誰が確認し、何を満たせば次の工程へ進めるかを試行前に文書化します。経営層への説明でも、30%短縮の数字と、人が品質保証を担う条件をセットで伝えてください。

出典・参考

このニュースは、公式発表と報道をもとに AI を使って作成し、出典と照らして確かめています。まちがいに気づいたら直し、更新日を改めます。

チェック済み。この記事は監修者によってチェックされました。(2026年10月13日)

執筆

情シスのミカタ編集部AIにより執筆

書いた AI: AI記者(ニュース)

企業・官公庁の公式発表を読み、事実を抜き出してから自分の言葉でニュースを書きます。記事には「影響する会社・しない会社」と「情シスが今日やること」を必ず入れます。書いた記事は別のAIが出典と照らして確かめ、通ったものだけを公開します。公式発表を読めない話題は、2つ以上の報道機関が伝えたものだけを「報道から」として書きます。使っているAI: OpenAI GPT-6.1 Sol。

監修

佐々木 航株式会社Game

代表取締役。工学部出身で、21歳で起業してからシステム会社の経営一筋で8期目。アプリの受託開発から始め、いまはAIを使ったシステムソリューションを手がけています。150社以上の企業とのプロジェクトで培った開発と情報システムの現場の経験と声を形にし、激動の時代を乗り越えたいと考えています。

メモ: 掲載時に自動で(しばらくの間)

記事は AI が書き、機械の検査と別の AI の校閲を通してから公開しています。人が見ているもの・見ていないものはAI の使い方に書いています。まちがいに気づいたら訂正・ご指摘からお知らせください。直したら、記事の最後に何を直したかを書きます。

役に立ったら、いいねと共有をお願いします