目次
「ChatGPTのAPIを社内システムに繋げたい」。経営層からそう指示された情シス担当者は少なくないだろう。しかし、いざ検討を始めると壁にぶつかる。自社のシステムが想定よりも古く、API連携の前提条件を満たしていないケースが多いからだ。
Integrass社の調査(2025年)によると、レガシーシステムはAI統合に必要なAPIエンドポイントとの互換性が平均28.5%にとどまる。84.3%の企業がデータサイロの課題を抱え、AI連携以前にデータアクセスの障壁が存在する(出典:Integrass "Integrating AI into Legacy Apps: Key Challenges & Solutions")。
本記事では、ChatGPTやClaudeのAPIとレガシーシステムの連携が失敗する具体的なパターンを整理し、事前に何を確認すべきかを解説する。
生成AI APIが前提とする技術要件
OpenAIやAnthropicが提供するAPIは、RESTful APIの標準的な設計思想に基づいている。HTTPSでJSONを送受信し、APIキーまたはOAuthトークンで認証する。レスポンスもJSON形式で返る。
この「REST/JSON/HTTPS」の3点セットは、2010年代以降に構築されたWebシステムなら標準装備に近い。だが、それ以前に構築されたシステムでは話が変わる。
生成AI APIが前提とする要件は次の通りだ。
| 要件 | 内容 |
|---|---|
| 通信プロトコル | HTTPS(TLS 1.2以上) |
| データ形式 | JSON(リクエスト・レスポンスとも) |
| 認証方式 | APIキーまたはOAuth 2.0 |
| 外部通信 | インターネットへのアウトバウンド通信が可能 |
| 文字コード | UTF-8 |
この5つのうち、1つでも満たせなければ直接連携は不可能だ。そして、レガシーシステムの多くは複数の項目で不適合を抱えている。
パターン1:API非対応の旧システム
最も根本的な壁は、そもそもAPI経由でのデータ取得手段がないケースだ。
メインフレーム上のCOBOLアプリケーションはその典型例だ。端末の画面遷移を前提とした処理構造になっており、REST/JSONのインターフェースとは設計思想が根本的に異なる(出典:アイマガジン「メインフレーム・アプリケーションのAPI化手法」)。
COBOLに限らず、以下のシステムも同様の問題を抱える。
- VB6やAccess VBAで構築された業務アプリ:データがローカルファイルやmdbに格納されており、外部からのHTTPアクセス手段がない
- オンプレミスのパッケージ製品(旧バージョン):API機能が搭載されていないか、追加ライセンスが必要
- バッチ処理専用システム:リアルタイムのリクエスト/レスポンス型通信に対応していない
インフォマート社の2025年調査では、日本企業の62.7%にレガシーシステムが残存しており、大企業に限れば74%に達する(出典:インフォマート「2025年の崖とDXに関する実態調査」)。これらの企業が生成AI APIと自社システムの連携を試みたとき、最初の壁になるのがこのパターンだ。
パターン2:データ形式の不一致
APIの口はあっても、データの形が合わないケースも多い。
ChatGPTやClaudeのAPIはUTF-8のJSON形式でデータを受け渡す。だが、レガシーシステムが扱うデータ形式は多様だ。
- 文字コード:Shift_JIS、EUC-JP、IBM日本語文字コード(EBCDIC系)
- データ構造:CSV、固定長テキスト、XML(SOAP)、独自バイナリ
- 日付形式:和暦、6桁数値(YYMMDD)、独自エポック
文字コードの変換は単純に見えるが、機種依存文字や外字が含まれると変換で文字化けが発生する。特に人名や住所データを扱う基幹系では、この問題が深刻になる。
また、SOAP/XMLベースのAPIしか持たないシステムをREST/JSONベースの生成AI APIと接続するには、変換レイヤーの開発が必要だ。Integrass社の同調査では、レガシーシステム1つあたり平均52のカスタムAPIエンドポイント開発が必要とされ、約3,200時間の開発工数が見込まれると報告されている。
パターン3:認証方式とネットワークの非互換
生成AI APIはクラウド上で稼働するため、利用するシステムからインターネットへのアウトバウンド通信が必須だ。
しかし、基幹系のレガシーシステムは閉域ネットワーク内に配置されていることが多い。ファイアウォールで外部通信を遮断し、社内ネットワーク内でのみ稼働する設計だ。セキュリティポリシー上、基幹系サーバーからインターネットへの直接通信を許可できない企業は多い。
認証方式も壁になる。生成AI APIはAPIキーをHTTPヘッダーに付与する方式を採用している。一方、レガシーシステムの認証はセッションベースやBasic認証、あるいはIP制限に依存しているケースが多く、APIキー管理の仕組みを新たに構築する必要がある。
Azure OpenAI Serviceのように閉域接続に対応するサービスも登場しているが、接続にはAzure Private Linkの設定やExpressRouteの導入が前提となり、追加のインフラ投資が発生する(出典:Microsoft Learn「LLM API の認証と承認 - Azure API Management」)。
生成AI連携の前に、自社システムの構造を把握する。 SysDockは、AIマルチエージェントがソースコードからシステムの依存関係・データフロー・業務ロジックを1週間で可視化する。API対応状況やデータ形式の実態を、非エンジニアにも伝わるレポートとして納品。ライト30万円から、ソースコード非送信・完全後払い。
1週間でレポート納品。SysDockの詳細を見る → genbacompass.com/products/sysdock
AI連携前に確認すべき4つのチェックポイント
生成AI APIとの連携可否を判断するため、事前に以下の4点を確認すべきだ。
1. 対象システムのAPI提供状況
REST APIが存在するか。存在する場合、バージョンとエンドポイントの仕様を確認する。APIがない場合、中間レイヤーの開発が必要になる。
2. データ形式と文字コード
生成AI APIに渡すデータの形式と文字コードを特定する。UTF-8/JSON以外の場合、変換処理の設計が必要だ。
3. ネットワーク構成とセキュリティポリシー
基幹系システムから外部APIへの通信が許可されているか。閉域網の場合、プロキシやAPI Gatewayの中間配置を検討する。
4. 連携対象のデータ範囲と依存関係
AIに渡すデータがどのモジュールで生成され、どこに依存しているかを把握する。依存関係が不明なまま連携を設計すると、データ不整合や想定外の処理負荷が発生する。
これら4点の確認には、現行システムの構造を正確に把握していることが前提となる。設計書が現状と乖離している企業では、ソースコードから実態を読み取る必要がある。生成AI導入前の要件整理については「生成AI導入前に確認すべきシステム要件」で詳しく解説している。
SysDockでAI連携の実現可能性を事前に把握する
SysDockは、AIマルチエージェントによるソースコード構造解析サービスだ。ソースコードから依存関係・データフロー・業務ロジックを自動で抽出し、システムの実態をレポート化する。
生成AI APIとの連携を検討する企業が、SysDockを活用できる場面は3つある。
API化可能な機能の特定
モジュール依存マップを確認することで、外部APIとの接続に適した独立性の高い機能を特定できる。依存関係が少ないモジュールから段階的にAI連携を進める計画が立てやすくなる。
データフローの可視化
AIに渡すデータが、どのテーブルからどの処理を経て生成されるかを追跡できる。文字コードやデータ形式の変換が必要な箇所も特定できる。
ベンダーへの要件説明
AI連携の開発をベンダーに依頼する場合、現行システムの構造資料がなければ正確な見積もりが出ない。SysDockの納品物(Word+PPT+React Flowフロー図)は、そのままベンダーへの説明資料として使える。
API連携によるレガシー延命の具体的な手法は「API連携でレガシーを延命する方法」で解説している。AI連携はその延長線上にある施策だ。
まとめ
ChatGPTやClaudeのAPIとレガシーシステムの連携が失敗する理由は、大きく3つのパターンに集約される。
- API非対応:そもそもHTTPベースの通信手段がなく、直接接続ができない
- データ形式の不一致:文字コード、データ構造、日付形式の変換が必要
- 認証・ネットワークの非互換:閉域網からの外部API通信が許可されない
いずれのパターンも、事前にシステムの構造を正確に把握していれば、対処策を設計段階で織り込める。逆に、構造が不明なまま連携を試みると、開発着手後に想定外の障壁が次々と見つかり、コストとスケジュールが膨張する。
生成AI活用の第一歩は、AI側の機能を調べることではなく、自社システムの実態を把握することだ。
現状が見えてから、AI連携の計画が立つ。 SysDockは、ソースコードからシステム構造を1週間で可視化する。API対応状況、データフロー、依存関係を非エンジニアにも伝わるレポートで納品。ライト30万円から。ソースコード非送信・完全後払い。
1週間でレポート納品。SysDockの詳細を見る → genbacompass.com/products/sysdock
現場改善に役立つ関連ツール
GenbaCompassでは、SysDock以外にも現場のDXを支援するツールを提供している。
| ツール名 | 概要 | こんな課題に |
|---|---|---|
| 技術伝承AI | ベテランの暗黙知をAIで形式知化し、ナレッジとして蓄積・共有する | システム有識者の退職で技術が失われるのを防ぎたい |
| WhyTrace | 5Why分析をAIが支援し、問題の根本原因を体系的に究明する | AI連携の失敗原因を構造的に分析したい |
| AnzenAI | 安全書類の作成をAIで効率化し、現場の安全管理を支援する | 安全書類の作成工数を削減したい |
| IdeaLoop | 現場からの改善提案を収集・管理し、実行までを一元化する | DX・AI活用のアイデアを社内で集めたい |
参考文献
- Integrass "Integrating AI into Legacy Apps: Key Challenges & Solutions [2025]" https://integrass.com/media/integrating-ai-into-legacy-apps-key-challenges-solutions-2025/
- インフォマート「2025年の崖とDXに関する実態調査」2025年 https://prtimes.jp/main/html/rd/p/000000763.000013808.html
- アイマガジン「メインフレーム・アプリケーションのAPI化手法」 https://www.imagazine.co.jp/api-for-mainframe-application/
- Microsoft Learn「LLM API の認証と承認 - Azure API Management」 https://learn.microsoft.com/ja-jp/azure/api-management/api-management-authenticate-authorize-ai-apis
- MuleSoft Blog "Legacy Modernization and APIs: Pathways to Agentic AI Success" https://blogs.mulesoft.com/learn-apis/legacy-modernization-apis-agentic-ai/
- 経済産業省「DXレポート ~ITシステム「2025年の崖」の克服とDXの本格的な展開~」 https://www.meti.go.jp/policy/it_policy/dx/DX_report_summary.pdf