三菱UFJ銀行における
エンタープライズAI駆動開発のリアル
Enterprise AI Driven Development at MUFG Bank: The Real Story
エグゼクティブサマリー
三菱UFJ銀行およびMUFGグループは、AIコーディングエージェントを前提とした「AI駆動開発」を本格的に導入している。同社は内製開発で主にSAFe（Scaled Agile Framework）を採用し、ClineまたはClaude Codeをメインで利用して開発を効率化している。本レポートは、エンタープライズ領域におけるAI駆動開発の具体的なアプローチ、課題、および今後の展望を分析する。
レポート概要
| 項目 | 内容 |
|---|---|
| タイトル | エンタープライズAI駆動開発のリアル |
| 発表元 | 三菱UFJインフォメーションテクノロジー株式会社（MUIT） |
| 発表者 | 尾根田 倫太郎（R&D部 シニアテクニカルリード） |
| テーマ | 大規模金融機関におけるAIコーディングエージェント活用の実践 |
L1: 表面データ（主要な事実）
1. 組織背景
三菱UFJインフォメーションテクノロジー（MUIT）は、三菱UFJ銀行を含むMUFGグループ各社のIT・デジタル戦略を先導する、「金融×IT」のプロフェッショナル集団である。
主要グループ会社：
- 三菱UFJ銀行
- 三菱UFJ信託銀行
- 三菱UFJモルガン・スタンレー証券
- 三菱UFJニコス
2. AI駆動開発の定義
AI駆動開発とは、AIコーディングエージェントを前提とした開発の進め方を指す。従来の人海戦術的な開発から、自然言語での指示により複数のソースコードを短時間で自動生成するアプローチへと転換している。
主要ツール：
- Cline
- Claude Code（メインで利用）
3. 内製研修プログラム
7つの研修カリキュラムを展開：
| No | カリキュラム | 内容 |
|---|---|---|
| 1 | AI駆動開発基礎知識 | AIとの付き合い方、考え方 |
| 2 | 新規システム開発 | 仕様駆動開発でゼロからシステムを開発 |
| 3 | 既存システム改修 | プロダクションコード → テストコード生成 |
| 4 | 既存システム改修 | Excel設計書を元に既存機能を拡張 |
| 5 | 既存システム改修 | リファクタリング（冗長なコードの共通クラス化） |
| 6 | 既存システム改修 | フレームワークをAからBへマイグレーション |
| 7 | 既存システム改修 | 定められた設計標準への準拠性品質チェック |
4. エンタープライズAI駆動開発の条件
| 条件 | 説明 |
|---|---|
| 規模感 | 数十万〜数百万行クラス |
| 開発者数 | 1プロジェクトあたり数十人〜数百人 |
| ドキュメント | Excel方眼紙で作成されている |
| ネットワーク | インターネットに直接接続ができない |
L2: 深層駆動（因果分析・構造的判断）
1. AI駆動開発への移行が加速する背景
要因1: 開発規模と複雑性の増大
数十万〜数百万行クラスの大規模システム開発において、人海戦術的な開発は限界に達している。ドキュメントがExcel方眼紙で作成されるなど、エンタープライズ特有の制約が存在する。
要因2: AI能力の飛躍的向上
GPT-4o、Claude Sonnet 3.5/4.5、GPT-5等の進化により、フローチャートや図の内容も意味理解が可能となった。Excelファイル（Office Open XML規格）もXMLとしてAIが読み取れるようになった。
要因3: 内製開発へのシフト
AI駆動開発時代は、柔軟な内製開発へのシフトがますます求められている。外部委託から内製開発へ移行することで、AI活用のハードルが下がる。
2. エンタープライズ領域特有の課題
| 課題 | 詳細 |
|---|---|
| オフライン環境でのAI活用 | 銀行システムはインターネットに直接接続できない環境での開発が必須。オンラインAIサービスの直接利用が制限される。 |
| 既存大規模システムへの対応 | 数百万行クラスの既存システムに対して、どのようにAI駆動開発を適用すべきか。LLMのコンテキストに乗らないため、修正箇所の特定等が困難。 |
| 業務知識のAI注入 | 銀行特有の業務知識（どこまでが1トランザクションか、システム呼出し方法など）をどのようにAIに学習させるか。 |
3. AgentSkillsによる標準化
2025年12月18日にAgentic AI Foundationにより標準規格化されたAgentSkillsは、AIコーディングエージェントに与える教科書・ガイドのmarkdownファイルである。
- AIコーディングエージェントが研修受講済みのような状態となる
- 開発の進め方をAIにあらかじめ教えることが可能
- 人はドミノの1ピース目を倒す役割に特異できる
4. ジュニアエンジニア育成のアプローチ
Step 1
読み取り専用モードで、既存コードを解説してもらう、分からない点を質問するなどして先生としてAIを使用する。
Step 2
ある程度設計力がついてきた所で生成モードを使用。ただし自分の実力以上のコードを生成させたままマージリクエストを送ってはならない。
※「よく分からないけど動いてます」は銀行システム開発では許されない
L3: 戦略的示唆（評価・提言）
1. 赛道評価
総合評価：7.6/10 成長可能性の高い市場
2. 主要な示唆
示唆1: エンタープライズAI開発市場は未開拓の可能性が高い
エンタープライズ領域への適用事例は少なく、方法論はほぼ体系化されていない。MUFGのような先行事例は、他の大規模組織にとって貴重な参考になる。
示唆2: オフライン環境対応が勝負の鍵
金融機関、政府機関、医療機関など、セキュリティ要件からインターネット接続が制限される組織は多い。オンラインAIサービスのオフライン対応、またはオンプレミスAIのニーズは高い。
示唆3: AgentSkillsの標準化は業界全体のトレンド
2025年12月の標準規格化は、業界全体の標準化を加速させる。プロンプトエンジニアリングやAIガバナンスの標準化が進むことで、AI開発の再現性向上が期待できる。
示唆4: 既存システムのAI活用に大きなビジネスチャンス
数百万行クラスの既存システムに対するAI駆動開発適用は、Serenaなどのソースコード解析系MCPサーバの活用など、新たなツール・サービスのニーズを生む。
3. 今後の展望と課題
| No | 論点 | 仮説・解決策 |
|---|---|---|
| 1 | チケットドリブンなスクラム開発において、どのようにAI駆動開発を実現すべきか | チーム内の共通知、暗黙知をテキストに落とせば行けそう |
| 2 | 数百万行クラスの既存大規模システムに対して、どのようにAI駆動開発を適用すべきか | Serenaなどのソースコード解析系MCPサーバを使用すればクリアできるか |
| 3 | MUFG特有の業務知識をどのようにAIに注入する | FineTuning、MemoryBank、MCP(Cipher等)など |
出典・参考文献
| 出典 | URL |
|---|---|
| 三菱UFJインフォメーションテクノロジー テックブログ | https://zenn.dev/p/muit_techblog |
| Agentic AI Foundation | – |
| AgentSkills標準規格（2025/12/18標準化） | – |
関連キーワード
よくある質問
本レポートについて
本レポートは、三菱UFJインフォメーションテクノロジー株式会社による発表資料「三菱UFJ銀行におけるエンタープライズAI駆動開発のリアル」を基に、GBaseマーケティング部が分析・構成したものです。
作成日：2026年3月23日