捨てるな、そのSOAP API。AIエージェントが「20年モノの業務システム」を最強の武器に変える

「うちのシステム、古すぎてもう使い物にならない」——そう思っている経営者に聞きたい。

その古いシステムに、20年分のデータが眠っていることを忘れていないか？

リプレース費用の見積もりを取ったら3,000万円。クラウド移行を検討したら年間ランニングだけで500万円。結局「今のままでいいか」と先送りにしている会社は多い。だが、ここに来て状況が一変しつつある。AIエージェントが、あの面倒くさいレガシーSOAP APIに直接つながるようになってきたのだ。

システムを捨てる必要はない。載せ替える必要もない。古いシステムの「上」にAIエージェントを置くだけで、眠っていたデータが動き出す。

これは大企業の話ではない。むしろ、リプレース予算がない中小企業にこそ効く話だ。

—

SOAP APIは「死んだ技術」ではない。ただ、話しかけ方を誰も知らなかっただけ

SOAP APIと聞くと、多くのエンジニアが顔をしかめる。XMLベースで冗長、仕様書は分厚く、今どきのREST APIやGraphQLと比べると「化石」扱いされることも珍しくない。

だが、考えてみてほしい。日本の中小企業で動いている基幹システムの多くは、2000年代前半に構築されたものだ。受発注管理、在庫管理、顧客管理——これらのシステムが吐き出すインターフェースの多くがSOAPベースで作られている。そして、そこには10年、20年分の業務データがぎっしり詰まっている。

問題は「SOAP APIが使えない」ことではなかった。「SOAP APIに話しかけられる人がいなくなった」ことだった。

当時の開発ベンダーはすでに撤退。仕様書はあるが読める人がいない。WSDLファイルは残っているが、それを解釈して呼び出すコードを書ける人材は社内にいない。

ここにAIエージェントが入る。最近の実証プロジェクトでは、AIエージェントがWSDLファイル（SOAP APIの仕様定義）を自動解析し、必要なリクエストを自律的に組み立てて古いシステムからデータを引き出すことに成功している。人間が仕様書を読み解く必要がない。エージェントが「古いシステムの通訳」になるのだ。

あるケースでは、20年間稼働し続けてきた受発注管理システムのSOAP APIに対して、AIエージェントが接続。過去の取引データをリアルタイムで分析可能にした。追加のシステム開発費用はほぼゼロ。既存のAPIをそのまま使っただけだ。

3,000万円のリプレースか、ほぼゼロ円のAIエージェント接続か。 中小企業にとって、どちらが現実的かは明白だろう。

—

「データベースに聞く」が自然言語でできる時代

レガシーシステムからデータを引き出せるようになった。次の壁は「そのデータをどう使うか」だ。

従来、業務データを分析するにはSQLを書ける人材が必要だった。中小企業でSQLを書ける社員がいる会社がどれだけあるか。現実には、「Excelに手作業で落として、ピボットテーブルで集計する」が精一杯というケースがほとんどだ。

ここに来て、NL-to-SQL（自然言語からSQLへの自動変換）技術が急速に実用レベルに近づいている。

具体的には、「先月の売上トップ10の顧客を教えて」「在庫が発注点を下回っている商品は？」といった日本語の問いかけを、AIがそのまま正確なSQLクエリに変換し、データベースから回答を返す。

DevRevが公開したNL2SQLベンチマークでは、企業の複雑なスキーマ（テーブル数が100を超えるような構造）に対しても、最新のアーキテクチャが高い精度で対応できることが示された。これは研究レベルの話だが、実務への落とし込みは確実に進んでいる。

中小企業にとっての意味はシンプルだ。「データを見るためにエンジニアを雇う」というコストがなくなる。

月額50万円のデータ分析担当者の代わりに、月額数千円〜数万円のAIツールが同じ仕事をする。しかも24時間、待ち時間ゼロで。

「うちにはデータ人材がいないから」という言い訳は、もう通用しなくなる。

—

「何のシステムがあるか分からない」問題をAIが解く

もう一つ、中小企業が見落としがちな問題がある。自社にどんなシステムやツールがあるのか、誰も全体像を把握していないという問題だ。

基幹システム、会計ソフト、勤怠管理、顧客管理、Excel方眼紙の独自帳票……。担当者ごとにバラバラに使っていて、一覧表すら存在しない。新しいツールを導入しようにも、既存システムとの重複や連携可否が分からない。

ここで注目したいのが、コーディングエージェントを使ったソフトウェアカタログの自動構築だ。

ある実証実験では、3日間のハッカソンでプロトタイプが完成した。コーディングエージェントが社内のシステム環境をスキャンし、稼働しているソフトウェア、API、データベースを自動的にリストアップ。それぞれの接続関係や依存関係まで可視化する。

これまで外部コンサルに依頼すれば200万〜500万円かかっていたIT資産の棚卸しが、エージェントなら数日で、しかもほぼ無料でできる可能性がある。

自社の「持ち物」が分かれば、何をつなげて何を捨てるかの判断ができる。 判断ができれば、無駄な投資を避けられる。中小企業にとって、これは地味だが極めて大きい。

—

「古い」が「強い」に変わる構造的な理由

ここまでの話を整理しよう。

1. レガシーSOAP API × AIエージェント → リプレース不要で、20年分のデータが即座に活用可能に
2. NL-to-SQL → SQLが書けなくても、自然言語でデータベースに問い合わせ可能に
3. コーディングエージェント × ソフトウェアカタログ → 自社のIT資産を自動で可視化

この3つに共通するのは、「既存の資産をそのまま使う」という発想だ。新しいシステムを買うのではなく、今あるものの「使い方」を変える。

そしてここに、中小企業ならではの逆転の構造がある。

大企業は、レガシーシステムの数が多すぎて統合に年単位の時間がかかる。ガバナンスの壁、部門間の調整、セキュリティ審査——AIエージェントを1つ接続するだけで稟議が3ヶ月かかる世界だ。

一方、中小企業はシステムの数が少なく、意思決定が速い。「来週やってみよう」が通る。スピードこそが中小企業の最大の武器であり、AIエージェントはそのスピードをさらに加速させる。

—

で、結局どうすればいいのか

難しい話は置いておいて、今日からできることは3つだ。

1. 自社のレガシーシステムのAPI仕様書を探す
WSDLファイル、API仕様書、開発ベンダーが残したドキュメント。引き出しの奥に眠っていないか確認する。それがあるだけで、AIエージェント接続の道が開ける。

2. 「何を聞きたいか」をリストアップする
NL-to-SQLを使うにしても、「データに何を聞きたいか」が明確でなければ意味がない。現場の社員に「毎月手作業で調べていること」を5つ挙げてもらう。それがそのまま自動化の候補になる。

3. 小さく試す
全社導入を考える必要はない。1つのAPI、1つのデータベース、1つの問い合わせ。まずそこだけをAIエージェントでつないでみる。うまくいけば広げればいい。失敗しても損失はほぼゼロだ。

—

「捨てる」前に「つなぐ」を考えろ

日本の中小企業には、20年、30年と動き続けてきた業務システムがある。それは「負の遺産」ではない。20年分の業務データという、金では買えない資産だ。

AIエージェントの進化によって、その資産を活用するコストが劇的に下がった。3,000万円のリプレースが、ほぼゼロ円の接続で済む可能性がある。SQLが書けなくても、日本語でデータに聞ける。自社のシステム全体像も、エージェントが勝手に整理してくれる。

古いシステムを「捨てる」判断をする前に、まず「つなぐ」ことを試してほしい。

あなたの会社の最強の武器は、すでにサーバールームの中にある。

—