不具合原因調査の迅速化（某電力会社様）

課題

システムの大規模化・複雑化にともない、結合テストでの不具合原因調査にかかる工数が増えていました。
原因の特定には、中身の見えない専用プラットフォームの知見に加えて、設計書・ソースコード・設定ファイル・試験結果を横断して確認する必要があります。
そのため調査に時間がかかり、担当者の経験に依存して調査品質がばらつき、ノウハウも継承しにくい状態でした。

解決策

設計書・ソースコード・設定情報・試験結果を横断して検索・分析できる環境を、生成AIで構築しました。
専用プラットフォームのマニュアルからナレッジベース（RAG）を作り、設定ファイルの構文ルールを AI Skill として定義しています。
設定ファイル（DSL）から仕様書を生成して設計書との差分を抽出し、Javaソースの不具合についてはAI解析と静的解析で原因を推論して修正案を提示します。
最終的な判断は人が行います。

成果

仕様書の生成では、対象の処理フロー226件のうち、ソースが存在しない4件を除く222件を生成しました（設計書405本・DSLファイル506本が対象）。
不具合解析では、ソース規模520KL・提示バグ票21件で検証し、残存不具合10件中9件を検出しました。検出した9件はいずれも原因箇所・修正方針が実際の修正と整合しています。

いずれも検証時点・対象範囲での結果です。