大手ITベンダーのAI駆動開発、計画と実際の進捗 — 公開情報で見る10社の現在地（2026年11月）

2026.11.10

公開情報で見る、国内の大手SI・ITベンダー10社のAI駆動開発（2026年11月時点）

発行: 株式会社Klammer（調査基準日 2026年11月10日）

はじめに

前回の記事「社員向け生成AI、各社は何で動かしているか（2026年版）」では、各社が社員にどんな AI を配っているかを調べた。本稿はその続きで、ソフトウェアの作り方そのものを AI で変える取り組み、いわゆる AI 駆動開発を、国内の大手 SI・IT ベンダー 10 社について調べた。

ここでいう AI 駆動開発は、「AI システムを開発すること」ではなく、ソフトウェアの要件定義・設計・実装・テスト・保守を、AI で支援・自動化することを指す。

各社とも大きな数字を発表している。ただし、その数字が「計画」なのか、「検証の結果」なのか、「実案件での利用」なのか、「全社への展開」なのかで、意味はまったく違う。本稿は、それを分けて読むことを目的にしている。

結論

普及の度合いを数字で公表している会社は少ない。 富士通は案件数ベースの AI 活用レベル別の構成を、NRI は開発ツール別の適用率（分母は非開示）を公表していて、「どこまで展開したか」を外から追いやすい。
顧客名つきで、実業務での利用を公表している例がある。 日立は MS&AD システムズで実業務利用を始め、TISI（旧 TIS）は JR西日本の API 開発で本番運用している。
「100 倍」「99% 削減」「200 倍」は、どれも限られた条件の事例である。 1 案件、1 つの社内システム、社内試行の値で、会社全体の平均ではない。
NRI・日立・旧 TIS などは、2027〜2030 年度の適用率や生産性の目標を示している。 ただし、NRI の適用率や日立の目標のように、分母（全案件か、新規案件か、適用できる案件か）が書かれていないものもある。

公表情報から先行していると説明しやすいのは富士通と NRI、観点によっては日立・TISI・NEC も有力、というのが当社の見立てである。一社だけが全面的に先行しているとは見ていない。

10社を一枚で見る

● 公表を確認できたもの（条件は括弧の中）　空欄は公表を確認できなかったもの（取り組んでいないという意味ではない）

大手ITベンダー10社について、AI駆動開発の目標・検証・実案件での利用・普及度の数字のうち、どの段階まで公表を確認できたかを、段階を塗りつぶして示した図（2026年11月時点の公開情報）

表で見る（画像と同じ内容）

会社	目標・期限	検証・試行	実案件・業務での利用	普及度の数字
富士通	●（2026年度下期に Lv2/3 を約4割）	●（1 案件で 3 人月→4 時間）	●（富士通Japan の業務ソフトの法改正対応）	●（グローバル・案件数で Lv1 約8割。2026年度上期）
NRI	●（2028〜2030年度に適用率 100%。分母は非開示）	●（工数削減は最大値・質疑応答での説明）	●（金融 IT の共同利用型サービス中心）	●（ツール別の適用率。分母は非開示）
日立	●（2027年度に生産性30%向上。分母は非開示）	●（社内試行で約200倍）	●（MS&AD システムズで実業務利用）	●（AI 活用率60%超。2026年7月・定義は非開示）
TISI	●（2029年度に50%向上。旧 TIS 単体・適用できる案件）	●（旧 TIS の特定プロジェクトで47%）	●（JR西日本の API 定義の工程で本番運用）
NEC	●（3万人に展開する方針。期限なし）	●（1 事例で 6,500→53 時間）
NTTデータ		●（工程別の検証。効果の数字は一部）	●（グループ会社で商用案件に適用。件数は非開示）
SCSK	●（2年で100%適用。起算点・分母なし）	●（20 案件で PoC 実施中。2026年5月）	●（社内を含む 5 案件に適用。2026年5月）
BIPROGY	●（構想のみ。期限なし）	●（追加検証で30%以上。算定方法は非公開）
CTC			●（顧客の開発資産の整備を支援）
電通総研	●（上流工程のエージェントを2027年までに全新規案件へ）	●（要件定義・基本設計の検証で30%）	●（社内向けの本格運用。案件数は非開示）

普及度を数字で出しているのは富士通・NRI・日立の 3 社で、富士通はグローバルの案件数ベース、NRI と日立は分母と集計の範囲が書かれていない。NTTデータの全社員の生成 AI 人材化と CTC の 50 社導入は、自社の開発の目標ではないため「目標・期限」には入れていない。NEC の社内利用 1.5 万人は、開発に使っている人数かがわからないため「普及度の数字」には入れていない。

調べ方

対象は国内に本社を置く主要な SI・IT ベンダー 10 社。富士通、NRI（野村総合研究所）、日立製作所、TISI（2026年7月に TIS とインテックが合併）、NEC、NTTデータ、SCSK、BIPROGY、CTC（伊藤忠テクノソリューションズ）、電通総研。
公式発表、技術記事、統合報告書、決算や経営の説明資料を使った。2026年11月10日時点の公開情報で、各社の全容ではない。
目標・検証・実案件・全社への展開を分けた。 同じ「30%」でも、どれを測った数字かで意味が変わるためである。
公表が少ない会社を、技術的に遅れていると判定しない。本稿の評価は「公開資料から説明できる範囲」に限る。

各社の現在地

富士通 — 普及と高度化を分けて公表

普及: AI 活用開発の展開は、2025年度上期の「国内約3割」から、2026年度上期に「グローバルでほぼ完了」した。2026年度上期の案件の構成は、Lv1（生成 AI による作業の効率化）が約8割、Lv2/3（AI エージェントによる工程内・複数工程の自動化）が約2割（プロジェクト数ベース）。2026年度下期には Lv2/3 を約4割にする見通しを示している（2026年10月の決算資料 p.13）。
自動化の実証: 自社の LLM「Takane」などを使い、要件定義から結合テストまでを AI エージェントで自動化する基盤を開発した。2024年度の法改正対応の実証では、約300件のうち 1 件で、3 人月の改修が 4 時間になったとしている（2026年2月17日の発表）。
計画: 2026年1月から診療報酬改定への対応に適用を始め、2026年度中に富士通Japan の医療・行政の全67業務ソフトの法改正対応への適用と、顧客・パートナー向けのサービス開始、金融・製造・流通・公共への拡大を目指す（同発表）。
見えていないこと: Lv2 と Lv3 は合算で、複数工程の自動化だけの比率はわからない。67 業務ソフトへの適用が完了したかは、確認した資料にはない。

NRI — プロジェクト全体の工数で効果を説明

普及: 汎用の AI 開発ツールの適用率は約75%（当初の目標は 2028年度末に 100%、早期達成の見込み）、独自の「NRI エンタープライズ AI 駆動開発モデル」は約25%（当初の目標は 2030年度に 100%、前倒しを目指す）。分母は書かれていない（2026年10月の決算説明資料スライド10）。
効果: 2026年5月28日の質疑応答では、テスト・コーディングへの AI ツールの適用でプロジェクト全体の工数を最大約15%、詳細設計から単体テストの自動化で最大約30%削減したと説明している。後者は金融 IT の共同利用型サービスが中心である。次の段階（社員が担う工程も自動化する）は研究開発中で、最大約50%を見込む（2026年5月28日の質疑応答）。
数字の読み方: 5月15日の説明資料の図では、15%・30%・50% のいずれにも「FY30 にむけた最大値（試算値）」という注記がある（2026年5月15日の説明資料スライド17）。どれも平均ではなく最大値として読む必要がある。

日立 — 顧客名つきで実業務への移行を公表

顧客業務: MS&AD システムズでは、2025年1〜4月に生成 AI を使う開発の枠組みを導入し、5〜9月に自動車保険の既存システムの機能追加で検証した。製造・単体テストの工程で約25%の生産性向上を確認し、12月からこの工程で実業務に使い始めた（2025年12月17日の発表）。
広がり: 静岡銀行・静銀 IT ソリューションとの勘定系の開発では、コーディング・単体テストの工程で約30%の生産性向上を実証し、実適用を進めている。日立のシステム開発における AI 活用率は60%超としているが、定義と分母は書かれていない（2026年7月24日の発表）。
新しい基盤と目標: 全工程に AI エージェントを組み込む基盤を開発し、2027年度に工程全体で生産性30%向上を目指す。社内試行では、自社パッケージの機能拡張（設計〜テスト）で約200倍、画面仕様を確定する作業で最大240倍としている。日立自身も特定の条件での値と注記している（同発表）。

TISI（旧 TIS）— 基盤・実案件・目標を並行して公表

TIS とインテックは 2026年7月1日に合併して TISI になった。以下のうち、50%の目標、47%・57%の改善、開発基盤と標準環境の整備は合併前の TIS の発表で、JR西日本の事例と 11月の決算資料は合併後の TISI の発表である。

目標: 2025年10月に「AI 中心開発」を全社で進めるプロジェクトを始め、2026年度末までに基盤とプロセスを確立し、2029年度までに開発生産性を 2024年度比で50%高める目標を置いた。50% は TIS 単体で、新しいプロセスを適用できる案件が対象と注記されている（2025年10月31日の発表）。
基盤と効果: 全社の開発基盤への AI ツールの組み込みを終え、外部設計〜製造では特定のプロジェクトで生産性を47%高めたとしている。製造〜単体テストの57%向上も公表しているが、こちらは対象の案件と件数が書かれていない（2026年5月8日の説明資料）。6月には、Amazon Bedrock と Claude Code を組み合わせた開発環境を、全社で利用できる標準の環境として導入した。利用人数は書かれていない（2026年6月9日の発表）。
顧客業務: JR西日本の API 共通基盤では、2025年10〜12月の PoC のあと、API 定義の作成・レビュー・修正を支援する生成 AI のツールを本番で使っている。PoC ではベテランの指摘 8 か所のうち 7 か所を見つけた。また、修正作業が 1〜2 時間から約30分になったとしている（2026年9月28日の発表）。
会社自身の評価: 2026年11月の決算資料では、AI 駆動型開発を「順次 PJ 適用開始」の段階と説明し、「計画通りの進捗ではあるものの」本格的な成果を早く出す必要があるとしている（2026年11月4日の決算説明資料 p.29）。

NEC — 仕様駆動開発の事例と大規模な展開方針

事例: 仕様駆動開発で、社内の人材マネジメントシステムの開発が 6,500 時間から 53 時間になった（従来手法比で人月工数 99%削減）。金融機関向けのソフトウェア開発では、ソースコードから仕様を読み解く作業が 12,000 時間から 6 時間になった。いずれも 1 つの事例である（2026年4月の説明資料 p.11）。
展開: Claude Code を NEC グループの 3 万人に展開する方針を示している。完了の期限は書かれていない（同資料 p.22）。AWS のブログでは、Amazon Bedrock 上での Claude Code の展開と、部門ごとの推進役の仕組みが紹介されている。研修・事例共有・標準化は今後の取り組みとされている（AWS のブログ 2026年10月20日）。
数字の読み方: 10月の決算資料には、Anthropic との協業による社内利用が開始から 4 か月で 1.5 万人とある。どの製品を使った人数か、Claude Code の利用者が何人かは書かれていない（2026年10月28日の決算資料スライド18）。

NTTデータ — 実践は幅広いが、横断比較できる数字は少ない

実践: AI エージェントを要件定義から開発・検証まで使った事例を公表している。要件定義では複数のモックで顧客と認識を合わせ、レビューの指摘が引き継がれず同じ修正を繰り返した経験から、指摘と修正理由を記録して AI に参照させる仕組みを整えた（2026年8月31日の記事）。
慎重な評価: ソースコードから設計情報を復元する取り組みでは、「生産性向上に関しては検証しきれていない部分があるため評価していませんが、品質については変換結果も良好」と書いている。長大な Excel の表の読み取りやエージェントの構築コストを課題に挙げている（2025年12月1日の記事）。
グループ会社: NTTデータ MSE は、複数の商用の開発案件に適用し、工程ごとの最適化と、AI を前提にしたプロセスの見直しを並行している。ある案件ではレビューの負荷や手戻りが起きたと書いている（NTTデータ MSE の記事）。
目標: 2027年度までに全世界の全社員約 20 万人を実践的な生成 AI 人材にする目標がある。これは人材育成の目標で、開発への適用率の目標ではない（2025年10月29日の発表）。

SCSK — 導入初期の案件数と、100%適用の目標

導入: AI 駆動型開発の基盤「DevCond.AI」を 2026年4月から社内の開発現場と顧客案件で使い始め、5月29日時点で社内を含む 5 案件に適用、20 案件で PoC を行っている（2026年5月29日の発表）。
目標: 統合報告書 2026 で、「要件定義からコード生成、テストに至るまでAIが自動実行する『AI駆動開発』を2年で100%適用する目標」を掲げている。起算点と分母は書かれていない（統合報告書 2026）。

BIPROGY — 自社の勘定系パッケージに特化した実証

検証: 勘定系パッケージ BankVision を採用する 11 の金融機関と、2025年7〜12月に共同 PoC を行い、テストケースの作成・コーディング支援・障害解析で即効性を確認した。BIPROGY がその後に行った追加の検証（2026年1〜10月）で、開発生産性の 30%以上の向上を確認したとしている。11 機関は PoC への参加で、本番への導入数は書かれていない（2026年10月23日の発表）。
提供: その成果を「BankVision DevAI Starter Kit」として 2026年11月から提供すると発表した（同発表）。
構想: 開発を「AI 支援型」から「AI 駆動型」「自律進化型」へ段階的に移す構想を示しているが、期限や数値は書かれていない（AI の取り組みのページ）。

CTC — 顧客の AI 駆動開発を支える側の実績

顧客の基盤: みずほフィナンシャルグループの AI 駆動開発の基盤づくりを支援している。みずほ FG が持つ 200 を超えるシステムの設計書・仕様書を AI が読める形に変える仕組みを整え（変換は進行中）、400 を超えるプロンプトを全社で共有できるようにした（2026年10月6日の発表）。
サービス: 日本 IBM と組み、AI 駆動開発のサービスを始めた。3 年間で 50 社への導入を目指す（2026年10月15日の発表）。
見えていないこと: CTC 自身の開発への適用率や、顧客案件全体での工数削減は、確認した発表には書かれていない。

電通総研 — 上流工程に焦点

要件定義・基本設計・アーキテクチャ設計を対話で進める社内向けの AI エージェントについて、2025年10月9日に本格運用を開始したと発表した。2025年6月の検証では、要件定義・基本設計の生産性が30%向上したとしている。2027年までに全ての新規開発案件に導入する目標を置いている（2025年10月9日の発表）。
本稿で取り上げた発表は、要件定義・基本設計・アーキテクチャ設計の支援を対象としている。現在の利用人数・案件数は確認できない。

生産性の数字は、こう読み分ける

「何倍速い」だけで比べると誤る。同じ 30% でも、プロジェクト全体の工数削減、特定工程の生産性向上、PoC での改善では意味が違う。

公表値	測っている対象	言えないこと
富士通: 約100倍	約300件のうち 1 件の法改正対応。3 人月→4 時間	300 件すべて、あるいは全社の平均で 100 倍
NEC: 人月工数 99%削減	社内の人材マネジメントシステムの開発 1 件	顧客の開発全体の平均
日立: 約200倍	自社パッケージの機能拡張の社内試行（設計〜テスト）	顧客 SI 全体の成果。2027年度の 30%目標とも別
NRI: 最大約30%の工数削減	詳細設計〜単体テストの自動化による、プロジェクト全体の工数。金融 IT の共同利用型サービス中心	平均値。「生産性 30%向上」とも指標が違う
日立: 約25%の生産性向上	MS&AD システムズでの製造・単体テストの検証	検証後に実業務へ移ったが、25%は検証時の値
TISI: 47%・57%	旧 TIS の外部設計〜製造（特定プロジェクト）と、製造〜単体テスト（対象は非開示）	2 つを足すこと。50%目標（旧 TIS 単体・適用できる案件）の達成率としての換算
BIPROGY: 30%以上	BankVision の追加検証。算定方法は非公開	11 の金融機関の本番開発で 30%以上
電通総研: 30%	要件定義・基本設計の検証	開発の全工程の工数 30%削減

生産性を「同じ品質の成果量 ÷ 工数」と定義すると、成果量が同じなら、生産性 50%向上は工数約33%削減に当たり、工数 30%削減は生産性約43%向上に当たる【当社計算】。ただし各社が同じ定義を使っているとは限らないので、本稿では会社をまたいだ換算や順位づけはしていない。

いつ頃、どこを目指しているか

時期	公表されている目標	読み方
2026年度下期	富士通: Lv2/3 を案件の約2割→約4割	AI を使うことから、工程の自動化へ比重を移す
2026年度末まで	TIS: AI 中心開発の基盤・プロセスの確立 / 富士通: 富士通Japan の医療・行政の全67業務ソフトへの適用と対外サービスの開始	基盤づくりと、対象を決めた実務展開の時期
2027年まで	電通総研: 上流工程のエージェントを全新規開発案件に導入	新規案件に限った目標
2027年度	日立: 工程全体で生産性30%向上 / NTTデータ: 全社員の生成 AI 人材化	前者は開発の効果、後者は人材育成で、同じ到達点ではない
2028年度末まで（早期達成の見込み）	NRI: 汎用 AI 開発ツールの適用率 100%	汎用ツールの普及
2029年度まで	TIS: 開発生産性 50%向上（2024年度比・TIS 単体・適用できる案件）	基準年と対象の範囲を踏まえて読む
2030年度（前倒しを目指す）	NRI: 独自の AI 駆動開発モデルの適用率 100%	独自モデルの普及に踏み込む段階
起算点・期限が書かれていない	SCSK「2年で100%」/ NEC「3万人に展開」/ CTC「3年間で50社」	書かれていない完了日を補って読まない

公表された計画を並べると、2026〜2027年は基盤とプロセスを整えて特定の工程・資産から実案件に広げる時期、2028〜2030年は普及率と開発全体の効果を追う時期、と整理できる。これは当社が各社の計画を束ねた見方で、業界共通のロードマップではない。

読み取れること

「配る」から「工程を変える」へ。 富士通は AI 活用のレベルを分けて公表し、NRI は汎用ツールと独自モデルを分け、TIS は既存の工程に足すのではなくプロセスの見直しを掲げている。先行しているかは、配ったツールの数より、案件に組み込まれた自動化の深さで見るのがよいと当社は考える。
業務知識と既存資産に特化した領域で、実績が具体的になっている。 富士通の法改正対応、NRI の共同利用型の金融 IT、BIPROGY の BankVision、CTC のみずほ FG 向けの基盤は、いずれも既存の仕様や業務知識を AI が扱える形にすることが土台になっている。AI のモデルの性能だけでなく、開発資産と業務知識の整理が競争力になる、というのが当社の見方である。
速さに加えて、レビューと品質の設計が重要になると当社は考える。 NTTデータはレビューの指摘が引き継がれない問題を書き、NTTデータ MSE はある案件でレビューの負荷と手戻りを経験したと書いている。NRI セキュアは、品質の基準を満たさない AI の生成物を次の工程に進ませない仕組みづくりなどを支援するサービスを始めた（2026年10月15日の発表）。