Gartner『メインフレーム離脱の7割超が失敗』、生成AI過大評価が招く発注ミスの正体

結論：生成AIは「移行の自動化装置」ではなく、刷新の判断と発注設計が成否を分ける

Gartnerは2026年6月18日、2026年に着手されるメインフレーム離脱（mainframe exit）プロジェクトの70%超が、意図した成果を生み出せずに終わると予測しました（出典：Gartner プレスリリース、2026年6月18日／国内報道：ITmedia エンタープライズ、2026年6月25日）。主因は、生成AIによるレガシーコード変換能力の過大評価です。

ここで読むべきは「AIではレガシー刷新ができない」という話ではありません。Gartnerが指摘するのは、生成AIを「メインフレームからの離脱を一気に自動化する手段」と位置づけた発注が失敗する、という構造です。逆に、生成AIを既存環境内の近代化（modernization in place）を支援する道具として使い、移行は適用範囲を絞って人とAIで伴走しながら段階的に進める設計であれば、勝ち筋は残ります。発注の前提をどう置くかが、そのまま成否を分けます。

この記事は、情報システム部門の責任者、DX推進の担当役員、そして刷新予算を承認する経営層に向けて、なぜ失敗するのかを出典の範囲で構造化し、失敗リスクを抑える発注のチェックポイントまで落とし込みます。

何が公表されたのか：数値と射程を正確に押さえる

Gartnerの予測の要点を、一次情報の表現に沿って整理します。

注意したいのは射程です。これは「2026年に着手する」プロジェクトを対象にした予測であり、メインフレーム移行そのものを全否定したものではありません。また「失敗」とは、当初意図した便益（コスト削減・俊敏性向上など）を生み出せないことを指す表現として報じられています。数値は予測値であり、確定した実績ではない点も前提に置いてください。

なぜ生成AIによる離脱は崩れるのか：3つの構造

Gartnerが挙げる論点を、発注者の視点で3つに分解します。いずれも出典の指摘から導けるものです。

1. レガシーコードの自動変換に技術的な限界がある。生成AIは、複雑な業務ロジックが長年積み上がったコードの自動変換・移行において、宣伝される能力と実力の差が広がっている、とGartnerは指摘しています。COBOLや独自バッチに埋め込まれた暗黙の業務仕様は、コードだけを読んでも復元しきれません。

2. メインフレーム固有の非機能要件が引き継がれない。Gartnerは、生成AIが「移行後に同等の性能やスループットを確保する」といったメインフレーム固有の価値を考慮しない、と述べています。つまり、機能としては動くコードに変換できても、トランザクション量・応答時間・可用性という非機能の世界が抜け落ちる危険があります。

3. ベンダー側のインセンティブが歪んでいる。投資家からの圧力により、成果改善への寄与が明確でなくても自社製品に生成AIを組み込む動きが起きている、とGartnerは指摘します。発注側が「AI搭載＝速くて安い」を額面どおり受け取ると、検証されていない自動化に賭けることになります。2030年までにベンダーの75%が転換・撤退するという予測は、画一的な「全自動移行」への需要が冷えることの裏返しでもあります。

独自の示唆：失敗の本質は「翻訳問題」ではなく「仕様の発掘問題」

ここから、出典の指摘を踏まえた当社なりの示唆を一つ提示します。生成AIによる離脱が崩れる根因は、コードを別の言語へ「翻訳」する精度の問題に見えて、実際は「業務仕様を発掘・再定義」する工程が省かれることにあります。Gartnerが性能・スループットという非機能を強調しているのは、表面的なコード変換では拾えない要件が成果を左右するからです。

この読み替えが効くのは、発注の打ち手が変わるためです。「翻訳問題」だと捉えると、より高性能なAI変換ツールを探す方向に走ります。しかし「仕様の発掘問題」だと捉えれば、現行業務を理解する人材と、変換を支援するAIを組み合わせ、対象範囲を絞って段階的に検証する設計に投資すべきだと分かります。Gartnerが「離脱の加速」より「既存環境内での近代化」を勧めるのも、この発掘工程を飛ばさせない現実解として整合します。

自社への翻訳：失敗リスクを抑える刷新の発注チェックリスト

予測を自社の意思決定に変換します。RFPや稟議の前に、次の観点を満たしているか確認してください。

• ゴールを「離脱」自体でなく、得たい便益（コスト・俊敏性・人材リスク低減）で定義しているか
• 全面一括移行ではなく、適用範囲を絞った段階移行の計画になっているか
• 生成AIの役割を「全自動変換」ではなく「人の作業を支援する伴走ツール」として位置づけているか
• 現行業務の暗黙仕様を発掘する人材（業務有識者・既存システム熟知者）を体制に組み込んでいるか
• 機能要件だけでなく、性能・スループット・可用性などの非機能要件を移行後の合格基準に明記しているか
• 「modernization in place（既存環境内での近代化）」を選択肢として比較検討したか
• ベンダーの「AI搭載で速い・安い」の主張に、検証可能な実績や小規模PoCの裏付けを求めているか
• 撤退・縮小リスクのあるベンダーへの依存度を、契約・データ・運用の観点で点検したか

このチェックリストの狙いは、Gartnerの予測する失敗パターン（過大評価・全自動前提・非機能の欠落）を、発注の段階で潰すことにあります。とくに非機能要件の合格基準を先に決めておくことは、移行後に「動くが遅い」という最悪の手戻りを防ぎます。全面一括ではなく適用範囲を絞った段階移行を前提にした費用の考え方とロードマップは、レガシー刷新・基幹移行の進め方（費用とロードマップ）にまとめています。

いつGXOに相談すべきか

次のような状況にあるなら、構想の早い段階で外部の知見を入れる価値があります。

• メインフレームやオフコンの刷新を検討しているが、全面移行と現状維持の二択で止まっている
• ベンダーから「AIで自動変換できる」と提案されたが、自社で妥当性を判断しきれない
• 現行システムを理解する人材が退職・高齢化し、業務仕様の発掘自体が難しくなっている
• 補助金や予算承認のタイミングが迫り、適用範囲と段階計画を急いで詰める必要がある

GXOは、レガシー刷新を全自動の置き換えではなく、業務仕様の発掘と段階移行を前提に設計します。現行システムの棚卸しから移行範囲の見極め、非機能要件の定義までを伴走するのがレガシー刷新の要件定義です。生成AIをどこまで・どの工程で使えるかを実装まで一緒に見極めたい場合は、成果まで併走するFDE+による実装伴走が選択肢になります。「そもそもAIを刷新のどこに使えるのか」を客観評価したい段階なら、AI導入可否のアセスメントから始めるのが安全です。

レガシー刷新は、着手前の発注設計でほぼ勝敗が決まります。自社の状況に合わせた段階移行の進め方を相談したい方は、レガシー刷新の要件定義からお問い合わせください。

実務判断のポイント

この記事は、経営者、DX責任者、情シス、開発責任者向けです。AI導入前の業務棚卸し、権限設計、PoC、本番運用、AI利用規程を自社で進めるか、外部の専門家と整理するかを判断する材料として使えます。

GXOが重視するのは、話題性の高さよりも「自社の業務、データ、権限、予算、運用責任にどう影響するか」です。Gartner『メインフレーム離脱の7割超が失敗』、生成AI過大評価が招く発注ミスの正体に関する検討では、担当者だけで判断を閉じず、経営、現場、情シス、外部パートナーの役割を早い段階で分けることが重要です。

放置した場合と整備した場合の違い

導入・改善前のチェックリスト

• 対象業務、対象部門、対象データを明文化しているか
• 現在の課題を、売上機会、原価、工数、リスクのいずれかに分解しているか
• 既存システム、SaaS、Excel、手作業の依存関係を棚卸ししているか
• 例外処理、承認、差し戻し、監査証跡まで確認しているか
• 社内で判断できる範囲と外部支援が必要な範囲を分けているか
• 初期費用だけでなく、保守、運用、教育、改善費用を見積もっているか
• 成功指標を、問い合わせ数、商談数、削減時間、停止リスクなどで定義しているか
• 実装後の責任者、更新頻度、レビュー会議の持ち方を決めているか
• セキュリティ、法務、個人情報、契約条件の確認ポイントを洗い出しているか
• 既存の問い合わせ、商談、障害、運用ログから優先順位を決めているか
• 経営判断に必要な資料を1枚で説明できる状態にしているか
• 次の90日で検証する範囲と、やらない範囲を明確にしているか

GXOの見解

AI導入はツール追加ではなく、業務フロー、権限、ログ、停止条件、責任分界を同時に設計する経営課題として扱う。

GXOはPoC単体ではなく、現場業務に残る承認、例外処理、監査証跡まで見て本番運用に落とすべきだと見る。

自社だけで整理が難しい場合、GXOはAI活用の構想整理から要件定義、社内ルール、システム連携、運用改善まで一気通貫で支援できる。最初から大規模な発注を前提にせず、現状整理や診断から必要な範囲を確認できます。

実行までの進め方

1. 現在の業務、データ、ツール、担当者を棚卸しする
2. 売上拡大、工数削減、リスク低減のどれに効くテーマかを決める
3. 初期対応、90日以内の改善、半年以上の投資を分ける
4. 必要な社内体制、外部支援、予算、セキュリティ確認を整理する
5. 小さく検証し、効果測定後に本番化や横展開を判断する

FAQ

Q. 生成AIをメインフレーム刷新に使うのは間違いなのですか。 A. いいえ。Gartnerが警告しているのは「離脱を全自動化する手段」としての過大評価です。コード理解の補助や既存環境内での近代化支援など、人の作業を助ける用途では有効とされています（出典：Gartner、2026年6月18日）。

Q. 「70%が失敗」とは、移行が技術的に頓挫するという意味ですか。 A. 報道によれば「意図した成果を生み出せない」ことを指す表現です。動かないという意味に限らず、期待したコスト削減や俊敏性が得られないケースを含みます。確定実績ではなく予測値である点にも留意してください。

Q. 全面移行を避けるなら、何から始めればよいですか。 A. まず得たい便益を定義し、適用範囲を絞った段階移行か、既存環境内での近代化かを比較します。並行して、移行後の性能・スループットなど非機能の合格基準を先に決めておくと、手戻りを抑えられます。

GXOが支援できる範囲

GXOは生成AIによるメインフレーム離脱の成功保証や、特定ベンダーの選定代行は行いません。支援できるのは、現行資産の棚卸し、業務仕様の発掘、AIを使える工程と人が担う工程の切り分け、非機能要件、移行方式、発注スコープの整理です。調査会社の予測値は一般論であり、自社の成否は現行資産・体制・方式選定で変わります。

生成AIを過信しないレガシー刷新計画を作りたい場合は、メインフレーム刷新・AI活用範囲の相談からお問い合わせください。

参考・出典

• Gartner Predicts More Than 70% of Mainframe Exit Projects Will Fail Due to Overestimation of Generative AI's Capabilities（Gartner プレスリリース、2026年6月18日）
• メインフレーム離脱プロジェクトの7割超が失敗、理由は「生成AIの過大評価」（ITmedia エンタープライズ、2026年6月25日）
• Overestimating AI threatens legacy mainframe migrations（CIO Dive、2026年）

公式・一次情報（最終確認: 2026年7月12日）

• IPA 情報システム・モデル取引・契約書: https://www.ipa.go.jp/digital/model/index.html
• デジタル庁 デジタル社会推進標準ガイドライン: https://www.digital.go.jp/resources/standard_guidelines

制度、仕様、価格、法令、脆弱性情報は改定されるため、発注・申請・対応の直前にリンク先の最新版と適用条件を再確認してください。