ソフトウェア開発の生産性を根底から覆す可能性を秘めたコード自動修復AIの分野で、スイスの新興企業LogicStarが2025年に300万ドルの資金調達を計画していることが明らかになった。同社の技術は、大規模言語モデル(LLM)と伝統的な計算機科学の手法を組み合わせ、バグの特定から修正案の生成、検証までを自動化する。米マイクロソフト傘下のGitHubや米アマゾン・ウェブ・サービス(AWS)などが先行するこの市場は、調査会社ガートナーの2023年7月の予測によれば、AI拡張型開発の採用率が2028年までに75%に達する見込みだ。LogicStarの参入は、ソフトウェア開発の自動化競争が新たな段階に入ったことを示唆しており、日本のIT業界にとっても事業モデルの変革を迫る契機となりうる。

静的解析とLLMの「合わせ技」

LogicStarの技術の中核は、生成AIと古典的なプログラム解析手法の融合にある。まず、静的コード解析(SAST)と呼ばれる手法で、プログラムを実行せずにソースコードの構造を検査し、潜在的な誤りや脆弱性の候補を洗い出す。これは、コンパイラーが文法誤りを見つける機能の高度版と見なせる。次に、動的コード解析(DAST)を用い、実際にプログラムを動作させて、実行中の挙動から不具合を検出する。同社の独自性は、これらの解析で特定した問題箇所をLLMに入力し、文脈に応じた修正コード案を複数生成させる点にある。

LLMは確率論に基づき「最もそれらしい」文章やコードを生成するが、論理的な正しさを常に保証するものではない。この弱点を補うのが、生成された修正案に対する自動検証の工程だ。LogicStarの仕組みでは、修正候補を適用したコードに対し、再度静的・動的解析や、単体試験(ユニットテスト)を自動実行し、バグが解消され、かつ新たな不具合(リグレッション)が発生していないことを確認する。この「生成と検証」の循環こそが、単なるコード補完ツールとの決定的な違いである。この工程はソフトウェア開発ライフサイクル(SDLC)における継続的インテグレーション/継続的デリバリー(CI/CD)のパイプラインに組み込まれ、開発者がコードを保存するたびに自動的に実行される想定だ。これにより、バグが生まれる初期段階での修正が可能となり、後工程での手戻り費用を大幅に削減する効果が見込まれる。

なぜコード修復AIが不可欠なのか

コード自動修復AIへの期待が高まる背景には、ソフトウェア開発費用の構造的な問題がある。米国の標準技術研究所(NIST)が2018年に公表した報告書によると、ソフトウェア開発においてバグの発見が遅れるほど修正費用は指数関数的に増大し、テスト段階で発見されたバグの修正費用は、設計段階で発見された場合の15倍に達すると試算されている。世界のソフトウェア開発費用のうち、デバッグとテスト、保守に費やされる時間は全体の50%から最大で80%を占めるとの指摘も複数ある。熟練技術者の不足が世界的な課題となる中、この非効率な費用構造は企業経営を圧迫する要因となっている。

この課題に対し、マイクロソフトは「GitHub Copilot Workspace」を発表。自然言語で指示するだけで、仕様策定からコード生成、修正までを一貫してAIが担う構想を打ち出した。また、米新興企業Cognition AIが2024年3月に発表した自律型AIソフトウェア技術者「Devin」は、1つの指示で複数のプログラムを連携させて動作させるデモンストレーションを公開し、業界に衝撃を与えた。同社は直後に1億7500万ドルの資金調達を完了している。LogicStarが計画する300万ドルの調達額はこれらに比べ小規模だが、特定の問題解決に特化した「特化型AI」として、汎用的な「自律型AI」とは異なる市場での浸透を狙う戦略と見られる。ソフトウェアの複雑性が増し続ける限り、人手による検証作業には限界があり、AIによる自動化は不可避な流れだ。

競合ひしめく10億ドル市場の攻防

コード自動修復を含むAI支援開発ツール市場は、巨大IT企業と新興勢力が入り乱れる激戦区だ。市場調査会社IDCが2024年1月に発表した予測では、生成AIを活用したコード生成ツール市場の規模は2027年に126億ドルへ到達する見通し。この中核を成すのが、マイクロソフトの「GitHub Copilot」とAWSの「Amazon CodeWhisperer」である。

GitHub Copilotは、月額10ドル(個人向け)から提供され、2023年11月時点で有料顧客数が150万人に達したとマイクロソフトが公表している。単純計算で年間売上高は1億8000万ドル規模に上る。一方、AWSのCodeWhispererは、開発環境「AWS Cloud9」や米ジェットブレインズ社の「IntelliJ IDEA」など主要な統合開発環境(IDE)との連携を強みとし、AWSのクラウドサービス利用者を軸に顧客基盤を拡大している。これら巨大プラットフォーマーは、豊富な計算資源と、傘下のサービスでホストされる膨大なソースコードを学習データとして活用できる点で圧倒的に有利な立場にある。

こうした中、LogicStarや米Tabnine、イスラエル発のUnitaryなどの新興企業は、大手が対応しきれない専門領域で活路を見いだす。例えば、特定のプログラミング言語(COBOLやFortranなど)で書かれた大規模な基幹システム(レガシーシステム)の近代化や、金融・医療など高度な正確性が求められる業界向けのコード検証に特化する戦略が考えられる。LogicStarが本社を置くスイスは、金融工学や精密機械工学が盛んであり、こうした分野で求められる形式手法(コードの正しさを数学的に証明する技術)の知見をLLMと組み合わせることで、巨人との差別化を図る可能性がある。

日本企業が直面する三つの選択肢

LogicStarのようなコード自動修復AIの登場は、特に人手不足と生産性の課題を抱える日本のソフトウェア開発現場に大きな影響を及ぼす。国内のIT人材は2030年に最大で79万人不足すると経済産業省が2019年3月の調査で試算しており、少ない人数で高い品質を維持する必要に迫られている。この新技術の波に対し、日本企業が取りうる選択肢は主に三つ考えられる。

第一は、海外製ツールの「積極的導入者」となる道だ。GitHub Copilotなどを早期に導入し、開発プロセスの標準として組み込むことで、競合他社に先んじて生産性を向上させる。これは短期的に最も効果が高い選択だが、特定企業の技術基盤に深く依存することになり、将来的な価格改定やサービス内容の変更といった「ベンダーロックイン」のリスクを伴う。また、生成されたコードの品質監査や、機密情報の流出対策など、新たな管理体制の構築が不可欠となる。

第二は、国内での「技術開発・連携」を推進する道である。NTTが開発したLLM「tsuzumi」や、各社が開発する日本語特化モデルを基盤に、国内の商習慣や法規制に合わせたコード生成・修復AIを開発する動きが考えられる。国内の有力システムインテグレーター(SIer)が、保有する多数のシステム構築実績(ソースコード)を学習データとして活用し、自社向けに最適化したツールを開発する可能性もある。これは技術的自律性を保つ上で重要だが、巨額の投資と長期的な研究開発が求められる。

第三は、既存ビジネスモデルを転換し、「AI活用コンサルティング」へ軸足を移す道だ。コード記述そのものが自動化される時代を見据え、顧客の業務課題を分析し、最適なAIツールの選定や導入支援、生成されたシステムの品質保証といった上流工程の付加価値で収益を上げるモデルへの転換である。これは、多くのSIerが直面する下請け構造からの脱却にも繋がりうるが、従業員の技能再教育や、高度な専門性を持つ人材の獲得が成功の鍵を握る。