目次
「フロー図を作りたいが、誰も全体像を把握していない」。レガシーシステムの現場で、この状況は珍しくない。設計書は更新されず、開発当時の担当者も退職済み。手作業で図を起こそうにも、どこから手をつければよいかわからない。
一方で、AIによるソースコード解析技術は急速に進化している。2024年にはJiteraがソースコードからの設計書自動生成サービスを開始し、リバースエンジニアリングの工数を大幅に削減できると発表した（出典：PR TIMES「ソースコードから設計書を自動生成する『Jitera』の提供を開始」）。フロー図の世界にも、自動生成の波が押し寄せている。
本記事では、フロー図作成の「手動」と「AI自動生成」を4つの軸で比較する。自社に合った方法を見極める判断材料として活用してほしい。
システム構造のフロー図はなぜ必要か
比較に入る前に、そもそもフロー図が果たす役割を整理しておく。
「見えない」システムは改善できない
IPAの「DX動向2024」によると、調査対象企業の62.7%にレガシーシステムが残存している（出典：IPA「DX動向2024」）。残存するレガシーシステムの多くは、構造が可視化されていない。可視化されていなければ、改修の影響範囲が読めず、見積もり精度が低下する。結果として、予算超過やスケジュール遅延を招く。
フロー図が解決する3つの課題
フロー図は、以下の3つの課題を同時に解決する手段になる。
1. 属人化の解消。 特定のエンジニアの頭の中にしかなかった処理の流れが、図として共有できるようになる。担当者の退職や異動による知識流出のリスクが下がる。
2. 経営層との意思疎通。 非エンジニアでも処理の流れを直感的に把握できる。刷新の投資判断を、具体的な根拠をもとに議論できるようになる。
3. ベンダーへの発注精度の向上。 構造が可視化されていれば、改修対象の範囲を正確に伝えられる。「だいたいこのあたり」という曖昧な発注がなくなり、追加費用の発生を抑えられる。
システム可視化の全体像と手法の分類は、こちらの記事で詳しく解説している。
手動でフロー図を作成する方法とその限界
まずは従来型の手動アプローチを見ていく。
手動作成の一般的な手順
手動でフロー図を作成する場合、一般的に以下の工程を踏む。
ステップ1: ソースコードの読解。 エンジニアがコードを1ファイルずつ読み、処理の流れを追う。関数の呼び出し関係やデータの受け渡しを頭の中で組み立てていく作業だ。
ステップ2: 情報の整理と構造化。 読み取った情報をExcelやテキストに書き出し、モジュール間の関係を整理する。この段階で抜け漏れが発生しやすい。
ステップ3: 作図ツールでの描画。 draw.ioやLucidchart、PowerPointなどを使い、整理した情報をフロー図に落とし込む。配置やレイアウトの調整に想像以上の時間がかかる。
ステップ4: レビューと修正。 業務担当者やほかのエンジニアにレビューを依頼し、誤りや抜け漏れを修正する。指摘のたびに図を描き直す必要がある。
手動作成で発生する典型的な問題
手動アプローチには、構造的な問題が3つある。
問題1: 時間がかかりすぎる。 中規模システムでも全体のフロー図を作成するのに2〜3ヶ月かかるケースは珍しくない。その間にもコードは変更され続けるため、完成時には既に情報が古くなっている。
問題2: 品質が担当者に依存する。 コードを読む力、図に落とし込む力、業務理解の深さ。これらすべてを兼ね備えたエンジニアは希少だ。担当者によって図の精度や粒度にばらつきが出る。
問題3: 更新が続かない。 一度作った図を最新の状態に保つには、コード変更のたびに手動で修正する必要がある。実務では優先度が下がり、放置されることが多い。作った瞬間から陳腐化が始まるのが現実だ。
AI自動生成でフロー図を作る方法
次に、AIを活用した自動生成のアプローチを見ていく。
AI自動生成の仕組み
AIによるフロー図の自動生成は、大きく3つのステップで進む。
ステップ1: ソースコードの静的解析。 AIがコードの構文を解析し、関数やクラスの呼び出し関係、データの流れを自動で抽出する。人間が1ファイルずつ読む必要がない。
ステップ2: 構造の推論と整理。 LLM（大規模言語モデル）がコードの意味を解釈し、モジュール間の論理的な関係を推論する。単なる構文解析では拾えない「このモジュールは何をしているか」という意味的な理解が加わる。
ステップ3: フロー図の自動レンダリング。 整理された構造情報をもとに、フロー図を自動で生成する。React Flowのようなライブラリを使えば、静的な画像ではなく対話的に操作できる図として出力できる。
arxivに掲載された研究論文でも、リバースエンジニアリングとLLMを組み合わせたハイブリッド手法が、ソースコードからの設計書自動生成に有効であることが示されている（出典：arxiv「Generating Software Architecture Description from Source Code using Reverse Engineering and Large Language Model」）。
AI自動生成の進化
2025年以降、AI図表生成ツールの精度は大きく向上している。TheAutomationZoneの調査によると、詳細なプロンプトやコードを入力した場合の図表生成精度は、一般的なアーキテクチャパターンで特に高い水準に達している（出典：TheAutomationZone「Updated AI Ranks: Best AI Tools For Diagram Generation (May 2025)」）。複数のAIエージェントを並列で動かし、相互にクロスチェックさせることで、単独のAIでは見落とす依存関係も検出できるようになっている。
フロー図の作成、手作業で何週間もかけていないだろうか。
SysDockなら、AIマルチエージェントがソースコードを自動解析し、対話型フロー図を含むレポートを1週間で納品する。
手動 vs AI｜4つの軸で徹底比較するフロー図の自動生成
ここからが本記事の核心だ。手動作成とAI自動生成を「作成時間」「精度」「更新の容易さ」「コスト」の4軸で比較する。
軸1: 作成時間
| 項目 | 手動作成 | AI自動生成 |
|---|---|---|
| 小規模システム | 2〜4週間 | 2〜3日 |
| 中規模システム | 2〜3ヶ月 | 3〜5日 |
| 大規模システム | 6ヶ月以上 | 1〜2週間 |
手動作成では、コードの読解に最も時間がかかる。1日にレビューできるコード量には限界があり、エンジニアの集中力も8時間持続するわけではない。
AI自動生成の場合、コードの読解はマシンリソースで処理される。IBMの報告では、AI活用によりコード説明にかかる時間を90%、ドキュメント化の時間を59%削減した実績がある（出典：IBM「AI Code Generation」）。人間の作業はレビューと微調整に集中できる。
軸2: 精度
精度の比較は単純ではない。それぞれに強みと弱みがある。
手動作成の精度。 熟練エンジニアが時間をかければ、高い精度を実現できる。業務の暗黙知や設計意図など、コードに書かれていない情報も反映できる点は大きな強みだ。ただし、大規模システムでは見落としが発生しやすく、担当者によるばらつきも避けられない。
AI自動生成の精度。 コードに記述された構造は網羅的に抽出できる。一方で、業務固有の文脈や暗黙知は拾えない。この弱点を補うために、AIの出力を人間がレビューし、業務知識を補完するハイブリッドアプローチが主流になっている。AI Code Reviewの分野では、AIツールのバグ検出率が42〜48%に達し、従来のツールの20%未満を大きく上回っている（出典：AIMultiple「AI Code Review Tools Benchmark」）。
軸3: 更新の容易さ
ここが手動とAIの差が最も顕著に出るポイントだ。
手動作成の場合。 コードが変更されるたびに、図を手動で修正する必要がある。実際には「忙しくて手が回らない」という理由で更新が滞り、数ヶ月で図と実態が乖離する。更新にかかる工数は、初回作成の30〜50%程度とされる。
AI自動生成の場合。 最新のコードに対して解析を再実行するだけで、更新後のフロー図が出力される。初回と同じ手順を繰り返すだけなので、特別な作業は不要だ。更新のハードルが低いため、四半期ごとや大きな改修後に再実行する運用が可能になる。
軸4: コスト
| 項目 | 手動作成 | AI自動生成 |
|---|---|---|
| 初回作成コスト | 300万〜1,000万円 | 30万〜80万円 |
| 更新コスト（1回あたり） | 初回の30〜50% | 初回と同程度または割引 |
| 3年間の総コスト（年1回更新） | 700万〜2,500万円 | 45万〜105万円 |
手動作成のコストは、主にエンジニアの人件費だ。社内で対応する場合も外注する場合も、数百万円規模の工数が発生する。AI自動生成は、SysDockの場合ライト30万円からプレミアム80万円の価格帯で提供されている。3年間の総コストで見ると、10倍以上の差がつくケースもある。
4軸の総合比較
| 評価軸 | 手動作成 | AI自動生成 |
|---|---|---|
| 作成時間 | 数週間〜数ヶ月 | 数日〜1週間 |
| 精度（構造の網羅性） | 担当者に依存 | 高い（コードベース） |
| 精度（業務文脈の反映） | 高い | レビューで補完が必要 |
| 更新の容易さ | 手動で再作成 | 再実行で自動更新 |
| コスト | 300万〜1,000万円 | 30万〜80万円 |
結論として、網羅性・速度・コストではAI自動生成が圧倒的に優位だ。一方で、業務固有の暗黙知の反映には人間の関与が欠かせない。最も効果的なのは、AIで土台を自動生成し、人間が業務知識で補完するハイブリッド型の運用である。
React Flowによる対話型フロー図の価値
AI自動生成の成果物として注目されているのが、React Flowを使った対話型のフロー図だ。
静的な画像との決定的な違い
従来のフロー図は、PowerPointやPDFに書き出された「静的な画像」だった。拡大すると画質が劣化し、複雑なシステムでは線が交差して読み取りにくくなる。
React Flowで生成されたフロー図は、ブラウザ上で操作できるインタラクティブな図だ。React FlowはGitHubで34,000スター以上を獲得し、週間270万ダウンロードを記録するオープンソースライブラリである（出典：React Flow公式サイト）。ズーム、パン、ドラッグ&ドロップといった操作が最初から組み込まれている。
対話型フロー図がもたらす3つのメリット
メリット1: 情報の階層的な閲覧。 全体像を俯瞰してから、気になるモジュールをクリックして詳細に潜り込める。情報量の多いシステムでも、必要な箇所だけを拡大して確認できる。
メリット2: 非エンジニアでも直感的に操作できる。 マウス操作だけで図を探索できるため、プログラミング知識は不要だ。経営層やDX推進担当が自分の手で構造を確認できるようになる。
メリット3: 共有と議論がしやすい。 URLを共有するだけで、関係者全員が同じ図を見られる。会議の場で「この部分を拡大して」と指示しながら議論を進めることが可能だ。
SysDockの対話型フロー図
SysDockでは、AIマルチエージェントの解析結果をReact Flowの対話型フロー図として納品している。Word形式の構造解析レポートとPowerPointのサマリースライドも合わせた3点セットで、技術者から経営層まで異なる読者に対応する。
| 納品物 | 形式 | 想定読者 |
|---|---|---|
| 構造解析レポート | Word | 経営層・DX推進担当 |
| サマリースライド | PowerPoint | 社内会議・役員報告 |
| 対話型フロー図 | React Flow | 情シス・エンジニア |
13言語・フレームワークに対応しており、複数技術スタックが混在するレガシーシステムでも一括解析が可能だ。ソースコードを外部に送信しない設計のため、セキュリティポリシーの厳しい企業でも導入しやすい。
フロー図の自動生成を活用する3つのシーン
実務でフロー図の自動生成がどう役立つか、具体的なシーンを紹介する。
シーン1: システム刷新前の現状把握
「現行システムの全体像を把握したい」。この要望は、刷新プロジェクトの初期段階で必ず出る。手動で全体像を描くと数ヶ月かかり、プロジェクト開始が遅れる。AI自動生成なら1週間で全体像を可視化し、刷新計画の策定にすぐ着手できる。
シーン2: ベンダー選定時の要件定義
システム改修をベンダーに発注する際、フロー図があれば要件を正確に伝えられる。曖昧な発注は見積もりの膨張を招く。自動生成されたフロー図を添付するだけで、ベンダー側の理解が深まり、見積もりの精度が上がる。
シーン3: 担当者の引き継ぎ
情シス担当者の異動や退職時に、フロー図は最大の引き継ぎ資料になる。口頭での引き継ぎでは伝わらない処理の全体像が、図を見れば数日で把握できる。更新も容易なため、引き継ぎ後の担当者が最新の状態を維持できる。
レガシーシステムの全体像、まだ見えていないままだろうか。
SysDockは、AIマルチエージェントが1週間でソースコードを解析し、対話型フロー図・レポート・スライドの3点セットを納品する。完全後払い・ソースコード非送信で、安心して依頼できる。
まとめ
システム構造のフロー図作成は、手動とAI自動生成で大きな差がある。本記事の要点を整理する。
- 作成時間とコストでAI自動生成が圧倒的に優位。 手動の数ヶ月・数百万円に対し、AI自動生成は数日・30万円からと、桁が違う。
- 精度はハイブリッド運用が最適解。 AIで構造を網羅的に抽出し、人間が業務知識を補完する。この組み合わせが、単独のどちらよりも高い精度を実現する。
- 更新の容易さが長期的な価値を決める。 一度作って終わりではなく、継続的に最新化できるかどうかが重要だ。AI自動生成は再実行だけで更新できるため、運用コストが低い。
フロー図の自動生成は、レガシーシステムの「ブラックボックス」を解消する有効な手段だ。手動にこだわる理由がなければ、AIの活用を検討してみてほしい。
よくある質問（FAQ）
Q. AI自動生成のフロー図は、手動作成と比べて精度は劣りませんか？
A. コードに記述された構造の網羅性では、AI自動生成が優位になる。人間が見落としがちな依存関係も検出できるためだ。一方で、コードに記述されていない業務の暗黙知は人間が補完する必要がある。AIの出力をベースに人間がレビューするハイブリッド型が、最も精度が高い。
Q. 対応していないプログラミング言語はありますか？
A. SysDockはNext.js、Laravel、Spring Bootなど13言語・フレームワークに対応している。COBOL等の一部レガシー言語については個別対応となるため、事前に問い合わせをおすすめする。
Q. フロー図の自動生成だけを依頼することは可能ですか？
A. SysDockの納品物はWord・PowerPoint・React Flowの3点セットだ。フロー図だけの切り売りには対応していないが、30万円のライトから利用可能なため、3点セットで受け取るほうが活用の幅は広い。
Q. 自動生成されたフロー図を社内で編集・カスタマイズできますか？
A. React Flow形式で納品されるため、HTMLファイルとしてブラウザで閲覧できる。社内のエンジニアがReact Flowに精通していれば、カスタマイズも可能だ。ただし、次回の再解析時にAIが最新版を生成するため、手動編集より再解析を推奨する。
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。