生成AIは 『コードを書く』だけじゃない アーキテクチャ設計から環境構築まで——社内データ活用DXの全貌

レガシーな基幹システム環境において、生成AIを「コード生成ツール」ではなく「設計参謀」として活用し、社内データ活用基盤を構築した実践事例です。

API連携不可という制約下で、CSV → Python → SharePoint Online → Power BIという現実解を設計。
アーキテクチャ検討、処理分担の最適化、Pythonのモジュール設計、環境構築・セキュリティ調整、Power BI実装まで、6つのフェーズを通して生成AIがどのように伴走したのかを具体的に解説します。

「生成AIはコードを書くためのもの」という発想を超え、構想・設計・実装・調整までを加速させる実務レベルの活用方法をまとめました。

レガシー環境でも最短・高品質でDXを実現するためのリアルなプロセスを共有します。

Transcript

1. Generative AI for System Architecture ⽣成AIは 『コードを書く』だけじゃない アーキテクチャ設計から環境構築まで⸺社内データ活⽤DXの全貌 JDSC 須⽻
2. ⾃⼰紹介：須⽻ (JDSC) エネルギー業界のDX推進： ⼤型系統蓄電池のAI制御開発など、産業 の根幹を⽀えるプロジェクトを牽引。 専⾨領域： AI実装 × システム設計 × PMの三位⼀体 で、構想から社会実装までをプロデュース。 ミッション： 最新技術と現場の泥臭い課題を繋ぎ、データ サイエンスで産業をアップグレードする。
3. プロジェクトの背景と挑戦 「どうやってレガシーと最新を繋ぐか？」の答えに⽣成AIを活⽤。 現在の課題 基幹システムが極めてレガシー。 API連携や直接アクセスが⼀切不可という厳しい制約条 件。 ⽬指すゴール 最新の分析環境「Power BI」を構築。 ⼿作業を排除し、経営判断に直結する可視化を最短で 実現する。
4. ⽣成AIが伴⾛する6つのフェーズ 1. 構成検討 CSVからBIまでの 最適経路を設計 2. 処理分担 PythonかBIか 最適な切り分け 3. 構造設計 保守性の⾼い モジュール分割 4. コード実装 AI⽣成と⼈間による 試験‧微調整 5. 環境設定 情シスとの調整や 認証設定の整理 6. BI実装 複雑なDAX関数や UI構築のTips
5. Ph.1 アーキテクチャ(構成)の検討 現実的な解の導出： レガシー対応： 実現性の検証： CSV → Python → SharePoint Online (SPO) → Power BIというフローを策定。 既存の事務系システム(SPO)を「データブリッジ」 として活用するアイデアを具体化。 「この構成で認証エラーは起きないか？」 等の懸念点をAIと議論。
6. Ph.2 処理分担の最適化 BI側の負担軽減： 不変と可変の分離： Power BIでの複雑すぎる加工はメンテ難を 招く。重い処理はPythonに寄せる。 ロジック（Python）と表現（BI）を分けることで、 将来の仕様変更に強い構成へ。
7. Ph.3 Python構造設計 モジュール化の徹底： 適切な粒度： AIへの指⽰： 「読込」「加工」「特殊計算」など、各機能を 独立した部品として設計。 AIに一括生成させるとブラックボックス化 し、保守が不可能になる。 「この機能単位でクラス設計して」と依頼 し、メンテナンス性を確保。
8. Ph.4 コード実装と試験 AI： ⼈間： メリット： 各モジュールの初期コードを瞬時に生成。 モジュール単位で試験できるため、エラー箇所 の特定が劇的に早まる。 統合試験、想定外の挙動の修正、エッジケー スの考慮。
9. Ph.5 環境構築とセキュリティ 難所： 効率化： 安全性： 企業間のMicrosoftの権限設定、共同作 業環境の構築。 セキュアな認証フローをAIと共に確認し、 顧客環境での運用基準をクリア。 情シスへの依頼事項をAIに整理させ、ス ムーズな意思疎通を実現。 円滑な連携
10. 期間比較や集計ロジックをAIが即座に 提案。 Ph.6 Power BIの実装とTips DAX関数の⽣成： 標準機能の最⼤活⽤： UI/UX向上： 「こんな見せ方をしたい」をAIに伝える と、最適なグラフやフィルター設定を教 えてくれる。 ユーザーが迷わない画面設計のTipsを 得る。
11. ⽣成AIは最強の「設計参謀」 レガシーな環境であっても、 AIを設計段階から「設計の参謀」として活⽤することで、 最短‧最⾼品質でのデータ活⽤DXは実現可能です。
12. Q & A ご清聴ありがとうございました。 JDSC 須⽻