結論: NTTデータが推進する「AIネイティブ開発」は、コード変換（マイグレーション）領域で工数7割削減の実績を出しています。ただしこれは全工程一律の数値ではなく、2027年度の全社目標は「40%の生産性向上」です。富士通・日立・NECも同様の取り組みを加速しており、日本のSI業界は「人月商売」からの構造転換期に入っています。
この記事の要点:
- 要点1: NTTデータの「7割削減」はコード変換（XSL→JSP、1.4万画面）での実績。新規開発の全工程ではなく、特定領域の成果
- 要点2: 2026年4月に「LITRON Builder」を提供開始。企業が自社業務に特化したAIエージェントを開発できる基盤
- 要点3: 富士通は「100倍の生産性向上」、日立は「2027年度に1,000億円の効果」と、大手SIer間のAI開発競争が激化している
対象読者: システム開発を発注している企業の経営者・IT部門責任者、SIer業界で働くエンジニア
読了後にできること: 自社のシステム開発プロジェクトにAIネイティブ開発を取り入れるべきかの判断材料を得られる
「プログラミングの7割をAIが代替する」——このインパクトのある数字が、2026年の年明けに日経新聞の1面を飾りました。
NTTデータグループの佐々木裕社長は、2026年度中にITシステム開発を「ほぼ生成AIが担う」技術を導入すると宣言。開発工程そのものを人間ではなくAIに合わせて単純化する「AIネイティブ開発」という手法です。
しかし、この「7割削減」という数字をそのまま受け取ってよいのでしょうか。実際のプロジェクト事例を見ると、この数字には重要な文脈があります。さらに、富士通は「100倍の生産性向上」、日立は「1,000億円の効果」と、大手SIer各社が競うように数字を打ち出しています。
この記事では、NTTデータのAIネイティブ開発の具体的な中身を検証し、競合他社の動向、学術研究が示す「AI開発支援の本当の効果」、そして日本のSI業界に起こる構造変革を、ファクトベースで解説します。
NTTデータ「AIネイティブ開発」とは何か
発表の背景 — 43万人のIT人材不足
NTTデータがAIネイティブ開発を急ぐ背景には、経済産業省が2018年に警告した「2025年の崖」問題があります。
- IT人材不足: 2025年に約43万人、2030年に79万人に拡大する見込み
- レガシーシステム: 未解消のまま残存する企業は61%
- 経済損失: このまま放置すれば年間最大12兆円の経済損失
つまり、「AIで人を減らす」のではなく、「AIで足りない人を補う」というのがNTTデータの戦略の本質です。
「7割削減」の正体 — コード変換プロジェクトの実績
「プログラミング工数7割削減」の数字は、特定のコード変換（マイグレーション）プロジェクトでの実績です。
| プロジェクト | 内容 | 効果 |
|---|---|---|
| 画面コード変換 | XSLからJSPへ約1.4万画面を変換（Webブラウザサポート終了に伴う対応） | 工数7割削減、生産性約3倍 |
| DB移行 | Oracle DBからPostgreSQLへの非互換SQL変換 | 工数5割削減 |
使用技術はAzure OpenAI Service。重要なのは、変換後にテストを実施し、不完全な変換を人手で修正、その修正内容を「良い変換例」としてAIにフィードバックする反復プロセスを組んでいた点です。単に「AIに丸投げ」したわけではありません。
（出典: 日経クロステック、NTTデータ DATA INSIGHT）
全社目標との乖離に注意
「7割削減」は特定領域の成果であり、NTTデータの全社目標は異なります。
| 年度 | 目標 | 内容 |
|---|---|---|
| 2025年度 | 500件のプロジェクトに生成AI適用 | 開発工程全体で20%の生産性向上 |
| 2027年度 | 適用案件比率を50%に引き上げ | 開発工程全体で40%の生産性向上 |
つまり、見出しの「7割削減」と全社目標の「20〜40%向上」にはギャップがあります。定型的なコード変換では大幅な効果が出るものの、要件定義・設計・テスト・運用保守を含む全工程では、現実的な目標は20〜40%というのがNTTデータ自身の見立てです。
（出典: 日経クロステック）
LITRON Builder — AIエージェント開発基盤
概要と提供時期
NTTデータは2025年12月9日に「LITRON Builder」を発表し、2026年4月から提供開始します。企業が自社の業務に最適なAIエージェントを開発できる基盤です。
主な特徴:
- 3つの開発方式: 自然言語（プロンプト）、ローコード、コーディングのいずれでも開発可能
- Library機能: NTTデータ開発のエージェント（LITRON Sales等）や他社エージェントを再利用・カスタマイズ
- Multi Platform: パブリッククラウドからオンプレミスまで対応
（出典: NTTデータグループ プレスリリース）
LITRONファミリー全体像
| 製品名 | 用途 | 状態 |
|---|---|---|
| LITRON CORE | エージェント型AI基盤（ワークフロー自動化） | 提供中 |
| LITRON GA | セキュアな文章検索・回答生成（tsuzumi連携） | 提供中 |
| LITRON Sales | 営業活動の高度化・効率化 | 提供中 |
| LITRON Marketing | マーケティング戦略の自律的支援 | 提供中 |
| LITRON Multi Agent Simulation | AI同士の対話による洞察生成 | 提供中 |
| LITRON Builder | エージェント開発基盤 | 2026年4月〜 |
LITRON関連ビジネス全体で2027年度末までに累計200億円の売上を目指しています。
NTTグループ「tsuzumi」との連携
NTTが独自開発した国産LLM「tsuzumi」も、NTTデータの戦略に深く関わっています。
- tsuzumi 2（2025年10月提供開始）: パラメータ数を7B→30Bに拡張
- 強み: 1GPU（40GB以下のVRAM）で動作可能な軽量設計。日本語性能は世界トップクラス
- LITRON GAがtsuzumiと連携し、閉域環境でのセキュアな文章検索・回答生成を実現
- 保険業界特化型AIモデルの構築検証が進行中
大手SIer各社のAI開発競争 — NTTデータだけではない
NTTデータの動きは氷山の一角です。日本の主要SIer各社が、AI駆動開発で激しい競争を繰り広げています。
| 企業 | 取り組み名 | 主な実績・目標 | 独自AI |
|---|---|---|---|
| NTTデータ | AIネイティブ開発 / LITRON | コード変換7割削減、2027年度40%効率化 | tsuzumi（NTT） |
| 富士通 | AI-Driven Software Development | 法改正対応で3人月→4時間（100倍） | Takane（Cohere共同） |
| 日立製作所 | Lumada 3.0 | AI投資3,000億円、2027年度1,000億円の効果 | —（OT知見が差別化） |
| NEC | cotomi / cotomi Act | ネットワーク設計を数週間→数時間に短縮 | cotomi（独自開発） |
| アクセンチュア | AI Refinery | 業務効率平均約30%向上、社内300以上のAIアプリ | —（NVIDIA連携） |
富士通の「100倍」 — 最もインパクトのある数字
2026年2月17日に発表された富士通のAI-Driven Software Development Platformは、独自LLM「Takane」（Cohereと共同開発）を活用し、ソフトウェア開発の全工程（要件定義〜結合テスト）をAIエージェントで自動化するものです。
最もインパクトのある事例は、法改正対応で従来3人月の改修を4時間に短縮したケース。約300件の法改正プロジェクトのうち、定型的な改修で達成された数字です。
富士通は2026年度末までに、富士通Japan提供の医療・自治体向け全67種のソフトウェアにこの技術を適用する計画です。
日立の「3,000億円投資」
日立製作所はLumada 3.0としてAI強化版の事業基盤を展開中。AI投資3,000億円、GenAI Professional 5万人育成という規模感で、2024年度のSI案件での生成AI適用効果は50億円。2027年度に1,000億円の適用効果を目指しています。
日立の差別化要素はOT（運用技術）の知見。製造業・インフラ領域での長年の蓄積とAIの組み合わせが強みです。
学術研究が示す「AI開発支援の本当の効果」
各社の華々しい数字の裏で、学術研究は少し異なる結果も示しています。
楽観的なデータ
| 調査元 | 結果 |
|---|---|
| GitHub/Microsoft（4,800名のRCT） | Copilot使用でタスク完了55%高速化 |
| GitHub公式統計（2025〜2026年） | 全コードの46%がCopilot生成。PR処理時間75%短縮 |
| Devin（Cognition社） | PR統合率34%→67%に改善。問題解決速度4倍 |
慎重なデータ — 見落とせない反証
| 調査元 | 結果 |
|---|---|
| METR（2025年7月、RCT） | 経験豊富なOSS開発者16名がAIツール使用で完了時間が19%増加（遅くなった） |
| GitClear（2025年） | AIアシスタント使用でコードクローンが4倍に増加 |
METR（Model Evaluation & Threat Research）の研究は特に注目に値します。16名の経験豊富なOSS開発者が246タスクを実施したランダム化比較試験で、開発者は「24%速くなった」と自己評価したものの、実際には19%遅くなっていたのです。
矛盾する研究結果をどう読むか
これらの研究結果は矛盾しているように見えますが、実は整合的です。
- 定型的なタスク（コード変換、ボイラープレート生成、テストコード作成）→ 劇的な効果
- 大規模で複雑なコードベースでの創造的な作業 → 効果が限定的、場合によっては逆効果
NTTデータの「7割削減」はまさに前者（1.4万画面のコード変換）に該当します。この文脈では妥当な数値と言えるでしょう。しかし、「AIが開発工程すべてを7割削減する」と読み替えてしまうと、期待と現実のギャップに苦しむことになります。
「人月商売」の終焉 — SI業界の構造変革
ビジネスモデルの矛盾
日本のSI業界は、AIによる生産性向上がビジネスモデルそのものを脅かすという構造的な矛盾に直面しています。
従来の人月型ビジネスモデルでは：
売上 ＝ エンジニア人数 × 単価 × 工数（月数）
AIで工数が40%削減されると、同じプロジェクトの売上も最大40%減少するリスクがあります。「技術が進歩すると売上が減る」という、テクノロジー企業としては致命的な構造です。
各社の対応戦略
- 富士通: 人月型からFDE（Fujitsu Digital Engineer）型への転換を宣言。成果物ベースの報酬体系を志向
- NTTデータ: LITRON等のプロダクト売上（2027年度累計200億円目標）でサービス型収益へシフト
- 日立: OT（運用技術）×AIの組み合わせで差別化。単なるSIではなく「社会イノベーション」として高付加価値化
（出典: 日経ビジネス）
中小SIerへの影響
最も影響を受けるのは、大手SIerの下請けとして開発・保守を担ってきた中小SIerです。大手がAI駆動開発でスピードとコスト優位性を獲得すると、中小が担っていた定型的な開発・保守案件が上流に吸い上げられるリスクがあります。
エンジニアに求められるスキルの変化
各社が大規模な人材育成を進めています。
| 企業 | 育成施策 | 規模 |
|---|---|---|
| NTTデータ | Yellowbelt実践研修 | 2025年10月時点で7万人修了（目標3万人を前倒し達成）→ 2027年度に全社員20万人へ |
| 日立 | GenAI Professional育成 | 5万人 |
エンジニアに求められるスキルは、「コードを書く力」から「AIに正しく指示し、出力を検証する力」へ移行しつつあります。プログラマーから「AIの監督者・レビュアー」への役割転換です。
企業がとるべきアクション — 発注側の視点で
AIネイティブ開発の波は、SIerだけでなくシステム開発を発注する側の企業にも大きな影響を与えます。
アクション1: ベンダー選定基準にAI活用度を追加する
今後のシステム開発RFP（提案依頼書）では、以下の質問を追加することを推奨します。
- 生成AIをどの工程で、どのツールを使って活用する計画か
- AI活用による工数削減の見込みと、その根拠（過去の実績データ）
- AI生成コードの品質管理プロセス（レビュー体制、テスト方法）
アクション2: 契約形態を見直す
AI活用で工数が大幅に減る場合、人月ベースの契約はAI導入のインセンティブを殺す可能性があります。
- 準委任型（人月）: ベンダーにとってAI活用で工数を減らすインセンティブがない
- 請負型（成果物ベース）: ベンダーがAI活用で効率化した分を利益に変換できる → AI導入が促進される
重要な開発案件では、成果物ベースの報酬体系への移行を検討する価値があります。
アクション3: 自社でもAI開発ツールの活用を始める
LITRON Builderのような基盤が2026年4月から提供されることで、非エンジニアでもAIエージェントを構築できる時代が来ています。
- 今週中: 社内の定型業務でAI化できそうなものを3つリストアップ
- 今月中: GitHub Copilotやクラウドベースのコーディング支援ツールを開発チームに試験導入
- 3ヶ月以内: LITRON Builder等のエージェント開発基盤の評価を開始
まとめ
- NTTデータの「7割削減」はコード変換領域の実績 — 全工程の一律削減ではなく、全社目標は2027年度に40%の生産性向上
- 大手SIer間のAI開発競争が激化 — NTTデータ、富士通、日立、NEC、アクセンチュアが独自の戦略で攻勢
- 学術研究は「万能ではない」と警告 — 定型タスクでは劇的効果、複雑な作業では逆効果の場合も
- 「人月商売」は構造的な転換期 — 成果物ベースの報酬体系への移行が始まっている
- 発注側の企業も変わる必要がある — ベンダー選定基準、契約形態、自社のAI活用すべてを見直す時期
日本のAI規制動向については、日本AI規制の全体像｜ガイドラインv1.2の解説もあわせてご確認ください。
あわせて読みたい:
- AI投資の95%がROIゼロの衝撃｜成功する5%の共通点 — AI導入の費用対効果を正しく測定する方法
- Block 4,000人解雇×「AIウォッシング」の真実 — AI理由の人員削減をどう見極めるか
参考・出典
- 生成AIがシステム丸ごと開発 NTTデータ、IT人材不足に抜本策 — 日本経済新聞（参照日: 2026-03-03）
- NTTデータが「生成AIありき」のSI、コード変換の作業工数を7割削減 — 日経クロステック（参照日: 2026-03-03）
- LITRON Builder プレスリリース — NTTデータグループ（参照日: 2026-03-03）
- IT大手4社、開発に生成AI適用本腰 — 日経クロステック（参照日: 2026-03-03）
- 富士通、ソフトウェア開発全工程をAI自動化 生産性100倍 — ビジネス+IT（参照日: 2026-03-03）
- NTT版LLM tsuzumi 2 — NTT（参照日: 2026-03-03）
- Measuring the Impact of Early-2025 AI on Experienced OSS Developer Productivity — METR（参照日: 2026-03-03）
- AI Copilot Code Quality: 2025 Data — GitClear（参照日: 2026-03-03）
- Devin’s 2025 Performance Review — Cognition（参照日: 2026-03-03）
- 人月商売のITベンダーは死滅近し — 日経ビジネス（参照日: 2026-03-03）
著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に早稲田AI研究会を設立。X（@SuguruKun_ai）フォロワー10万人超。日経ビジネススクール講師。SBクリエイティブ連載（NewsPicks最大1,125ピックス）。著書「AIエージェント仕事術」。100社以上の企業向けAI研修・導入支援を展開。累計4,000名以上のAI研修実績。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
