2025 年 11 月 27 日，豐田系統株式會社宣布，在 IBM 日本的支持下，該公司於 2025 年 10 月成立了“遺留代碼實驗室”，旨在確保核心系統在中長期內繼續使用。
隨著熟悉 COBOL 和 PL/I 等傳統語言的專家逐漸老化，豐田系統公司意識到培養下一代人才和技能傳承是一項挑戰。 2024年，豐田系統公司開始利用 IBM 日本的“面向 IT 轉型的 AI 解決方案”開發“TG4X（豐田系統 GenAI for DX）”，這是一款運用生成式人工智慧的工具，並已開始將其應用於現有核心系統的開發中。
Legacy Code Lab 已開始以虛擬組織的形式運營，核心系統專家、人工智慧工程師以及來自豐田系統公司和 IBM 日本公司的下一代人才均參與其中。
該公司正在考慮在 2026 年前建立一個實體開發中心，未來也考慮與豐田集團以外的國內外公司以及 IBM 日本的區域 DX 中心開展合作。
從： 
豐田系統公司建立傳統程式碼實驗室，旨在讓新一代人才能夠利用生成式人工智慧工具開發核心系統。
【社論】
豐田系統公司和IBM日本公司聯合宣布成立的「傳統代碼實驗室」是一個試驗平台，旨在利用新一代人才和生成式人工智慧技術，在不破壞現有系統的前提下，擴展和演進傳統系統。儘管COBOL和PL/I等傳統語言支撐著許多公司的核心業務流程，但由於勞動力老化，它們正逐漸變成「無法停止運作的黑盒子」。
該計畫的關鍵在於，它並非僅僅引入一款人工智慧工具，而是要“規劃和開發”公司自主研發的生成式人工智慧工具“TG4X”，並建構一套全新的開發流程和實驗室體系。新一代工程師將使用TG4X來理解和修改程式碼，而傳統語言專家則將作為顧問，傳授他們的知識。
這種方法的影響不僅限於豐田集團。 IBM 的聲明指出，它將擴大對日本及海外面臨類似挑戰的企業的支持，並暗示類似 TG4X 的模式或許可以應用於其他公司遺留的資產。值得注意的是，它提出了一種「第四種選擇」：透過人工智慧實現持續使用和增量更新，這與傳統的現代化方法（例如「重寫」、「重新託管」和「替換」）截然不同。
然而，依賴生成式人工智慧也帶來了新的風險。如何驗證人工智慧生成程式碼中的錯誤？如何長期維護TG4X模型的品質？人工智慧的便捷性也可能削弱人們對遺留系統的理解。鑑於核心系統的特殊性，必須能夠解釋「人工智慧參與的程度」以及「程式碼產生的依據」。因此，建立治理和審計機制至關重要。
與其說是“利用生成式人工智慧打造全新服務”，不如說這則新聞更接近“如何平穩過渡一個已經影響世界的龐大遺產”。計劃在2026年前建立實體研發中心，並與IBM日本區域數位轉型中心合作，可視為公司致力於長期發展人力資源、流程和工具的標誌，而非一次性的概念驗證。展望未來工程師的形象，我認為這是一個讓我們思考「能夠理解遺產系統的人」和「能夠運用人工智慧處理遺產系統的人」之間界限未來將如何變化的契機。
[術語]
TG4X（豐田系統GenAI for DX）
這是豐田系統公司利用 IBM 日本公司的 AI 解決方案開發的生成式 AI 工具，是一個內部系統，旨在支援使用 COBOL 和 PL/I 等傳統語言開發和維護核心系統。
遺留程式碼實驗室<br>由豐田系統公司與 IBM 日本公司共同成立的虛擬組織，是一個結合生成式人工智慧工具 TG4X 和專家知識進行開發和驗證的場所，旨在繼續使用遺留核心系統並培養下一代人才。
傳統語言（COBOL、PL/I 等）
它指的是一種在企業關鍵任務系統中長期使用的技術棧，已經積累了大量的業務邏輯，但正面臨開發人員老齡化和缺乏接班人等嚴重問題。
核心系統<br>支援公司核心業務營運（生產、銷售、庫存、會計等）的一組資訊系統，指的是一旦發生故障就會對業務連續性產生重大影響的關鍵系統。
區域 DX 中心<br>這些是 IBM 日本在每個地區運營的基地，整合了雲端、人工智慧、現代化和其他領域的知識，並配備了遠端和分散式團隊，以支援客戶的數位轉型 (DX) 專案。
[參考連結]
豐田系統公司（外部）
作為豐田集團旗下的IT解決方案公司，它提供廣泛的IT系統，從核心業務運作到車載和移動出行服務。
IBM日本有限公司（外部）
它是一家日本IT供應商，透過人工智慧、雲端運算、諮詢、系統建置和維護等方式，為企業的數位轉型和業務轉型提供支援。
IBM日本新聞中心：遺留程式碼實驗室相關版本發布（外部連結）
本新聞稿正式闡述了豐田系統公司和 IBM 日本公司共同建立的傳統代碼實驗室的目的、TG4X 的作用以及未來的發展前景。
IBM日本新聞中心：人工智慧相關新聞列表（外部連結）
您可以查看 IBM 日本發布的 AI 相關新聞稿列表，並持續關注最新舉措，例如生成式 AI 解決方案和 DX 案例。
豐田系統公司和IBM日本公司所進行的生成式人工智慧演示實驗（EnterpriseZine） （外部連結）
本文介紹了生成式人工智慧自動產生程式碼和規範的演示實驗的內容，以及效率提升的結果，為了解 TG4X 的誕生背景提供了線索。
[參考文章]
豐田系統公司成立「傳統程式碼實驗室」－新一代人才利用生成式人工智慧工具開發核心系統（外部）
文章總結了 Legacy Code Lab 的活動、參與成員的組成以及人力資源短缺的背景，並從外部媒體的角度解釋了該公告。
豐田系統利用新一代人力資源開發的AI工具簡化核心系統開發（外部）
該報告介紹了與 COBOL 和 PL/I 相關的人力資源問題、透過引入生成式人工智慧來提高開發效率、以及在豐田集團之外的擴張計劃，並提供了相關數據和時間表。
利用人工智慧（外部）支援豐田集團核心系統的運行
該報告考察了豐田系統公司和 IBM 日本公司使用人工智慧的案例，並按時間順序組織了核心系統運作和現代化工作。
豐田系統公司和IBM日本公司利用生成式人工智慧技術進行自動程式碼產生和規範生成的演示實驗（外部連結）
本次演講介紹了使用生成式人工智慧驗證程式碼和規範產生的結果、開發效率的提高程度以及實際應用範圍，使參與者能夠了解 TG4X 和實驗室的歷史。
豐田系統公司建立新實驗室，培養下一代人才（外部通報）
從培養下一代人力資源的角度出發，我們正在組織 Legacy Code Lab 的培訓模式、職業發展路徑以及未來人力資源需求展望。
[編者註]
遺留核心系統的話題可能看起來很麻煩，或者你想盡量避免，但正是這個領域支撐著像豐田集團這樣的大型組織的基礎。
就像這個遺留程式碼實驗室一樣，我們未來很可能會看到許多嘗試，而不是直接拋棄“舊資產”，而是利用“新一代人才+生成式人工智慧”來更新我們與這些資產的互動方式。如果您的團隊也面臨類似的問題，我很樂意與您合作，探討是否有第三種解決方案，而不是在重建一切和忍受舊系統之間做出選擇。
