なぜ3本同時に読むべきか

単独の発表ではなく、AWSとOpenAIが同日に公開した3本の一次情報を横断すると、「AI実装で工期とコストをどこまで圧縮できるか」の経済学が具体値で見えてくる。AWS Industries Blogはコアバンキング近代化指針で、世界上位50行のうち45行が依然メインフレームを使い、ITバジェットの70〜85%が既存維持に固定される構造を提示した。そこにAWS Transformと開発ツールKiroを組み合わせると、数年規模の移行プログラムを数ヶ月に圧縮できると明記している。

Virgin Atlanticが示した品質側の証拠

工期短縮は品質低下と引き換えになりがちだが、OpenAIが公開したVirgin Atlantic事例はその懸念に数値で答える。ホリデー旅行シーズンという動かせない固定納期に対し、Codexを使ってモバイルアプリの刷新を出荷。ユニットテストカバレッジはほぼ100%、リリース時のP1欠陥はゼロだった。AWSの「年→月」という主張に、出荷品質側の独立した実例が並んだ形になる。

データ基盤側の経済性も同時に動く

見落としがちだが、同日公開のAmazon Redshift RG（Graviton版）も同じ文脈に属する。RA3比で最大2.4倍速、vCPU単価30%減、かつApache Iceberg等のオープンテーブル形式を統合クエリエンジンで扱える。基幹を移し替えても分析基盤が高止まりすれば全体ROIは出ないため、ウェアハウスとレイクの分離コストが下がる意味は大きい。

落とし穴

ただし、メインフレームチームの71%が人員不足を報告している現実は、AI移行ツールがあっても消えない。変換結果の検証責任、外部コア（Thought Machine/Finxact/Mambu）か内製かの選択、ベンダーロックインの設計は依然として人間側の判断であり、ここを定義しないままツール導入だけ先行すると工期短縮の数字は再現しない。