遺産であるCOBOLを現代化し、その正確性を自ら証明するAIを開発した話
> Source: Zenn_Python
Execute Primary Source
// Problem
従来のLLMを用いたCOBOLからPythonへの移行では、変数名がCOBOLの慣習を引き継ぐ「Py-BOL」化や、LLMのハルシネーションによる微細なビジネスロジックの誤りが生じ、正確性の検証が困難であるという課題がある。
// Approach
決定論的なパーサーで型付きASTとデータフローグラフを生成する「コンパイラ層」と、LangGraphを用いた「エージェント・パイプライン」を分離する。ASTを境界として、構造の維持と意味論的なリファクタリングを別個のプロセスで行う。
// Result
構造翻訳において手動修正なしで100%の成功率を達成した。ゼロショットLLMと比較して、ロジックの改変を防ぎつつ、ビジネスの意図を反映した適切な命名と、ASTに基づく自動テスト生成を実現した。
Senior Engineer Insight
> 生成AIの真価は、制約のないコード生成ではなく、厳格なエンジニアリング構造の中で専門化された役割を果たすことにある。