2026年6月11日、AnthropicはDXC Technologyとの複数年提携を発表した。Claudeを投入する先は、「速く動く」がたいてい「まずロールバック計画を書け」を意味するようなシステムだ。DXCによれば、ClaudeはすでにDXC OASISのエージェント型ワークフローにおけるデフォルトの基盤モデルであり、ClaudeによってOASISのソフトウェアデリバリーは推定10倍に加速し、OASISのコードの95%以上はエンジニアレビュー前にClaudeが生成したという（Anthropic、PRNewswire）。
面白いのはそこだ。「AIがコードを書く」ではない。そのデモはもう誰もが見た。本筋は、DXCがエージェント型のコード生成を、銀行、航空会社、保険会社、メーカー、政府機関に持ち込んでいることだ。そこでは本当に難しい問題は、依存関係の考古学、リリースガバナンス、監査可能性、セキュリティ、そして午前2時に実際のお金を清算する30年前のバッチ処理を壊さないことにある。
シグナル：AIがマネージドサービス層に入る
DXCは2026年4月28日、マネージドサービス向けのインテリジェントなオーケストレーションプラットフォームとしてOASISを発表した。その役割は、組織の既存IT資産全体にまたがるガバナンス済みで安全なレイヤーとなり、運用をリアクティブなサポートからリアルタイム実行へ移すことだとされている（DXC）。
これが重要なのは、規制産業のモダナイゼーションが、きれいなリポジトリとグリーンフィールドの移行先から始まることなどめったにないからだ。始まりはだいたいこうだ。
- 誰も完全には所有していないバッチジョブ
- 通常のサポート期限を過ぎたアプリケーションサーバー
- COBOL、Java EE、PL/SQL、シェル、ベンダー製ワークフローの接着剤
- 一部はコードに、一部はランブックに埋まったコンプライアンス統制
- 決済、保険金請求、予約、在庫、ID、ケース管理システムとの壊れやすい連携
ClaudeをOASISに組み込むということは、DXCがモデルを作業の横に置くチャットボットとして扱っていないということだ。インシデント、変更ウィンドウ、チケット文脈、ランブック、環境、顧客制約をすでに理解しているオーケストレーションワークフローの中に、モデルを置いている。これが「リファクタを生成する」と「CABレビューを生き残れるリファクタを生成する」の違いだ。
Anthropicによれば、DXCはAnthropic Academyを通じて数万人のClaude認定フォワードデプロイドエンジニアを育成し、DXCはミッションクリティカルシステム向けの独自カリキュラムも追加するという（Anthropic）。形としては正しい。規制環境のモダナイゼーションに必要なのは、システムを読める人材であって、プロンプト観光客ではない。
開発者が真似すべきこと
DXCのパターンは、DXC規模で働いていなくても役に立つ。学ぶべきことは「モデルにリポジトリを任せろ」ではない。学ぶべきことは、文脈、制約、レビュー、証跡を第一級のオブジェクトとして扱うワークフローでモデル作業を包むことだ。
実用的なレガシーモダナイゼーションエージェントは、「このサービスをGoで書き直して」から始めるべきではない。制約付きの計画から始めるべきだ。
1. Inventory modules, entry points, data stores, and external contracts.
2. Identify dead code and risk hotspots.
3. Propose the smallest behavior-preserving refactor.
4. Generate tests around current behavior before changing code.
5. Open a reviewable patch with traceable rationale.
6. Attach evidence: tests, static analysis, dependency impact, rollback notes.退屈に聞こえる。よいことだ。規制システムは退屈だからこそ変更できる。
DXCが公表している数字はかなり強気だ。ソフトウェアデリバリーは推定10倍速くなり、OASIS向けコードの95%以上はClaudeが生成し、エンジニアがレビューしたという（Anthropic）。これは普遍的な生産性定数ではなく、特定の導入環境における主張として扱うべきだ。開発者にとっての要点は運用モデルにある。モデルの貢献は大きく、人間のレビューは必須で、作業を記録するプラットフォームがある。
銀行のコア移行なら、エージェントが取引フローをマッピングし、キャラクタライゼーションテストを生成することになるだろう。航空会社なら、外部メッセージ形式を保ったまま予約や整備のワークフローをほどくかもしれない。保険会社なら、契約管理ルールと保険金請求の挙動を突き合わせられる。メーカーなら、コードに触れる前にERP、MES、サプライチェーンの依存関係をたどれる。
モデル選択はアーキテクチャ判断になりつつある
DXC発表の2日前、Anthropicは2026年6月9日にClaude Fable 5とClaude Mythos 5を発表した。Fable 5はAnthropicの一般提供されるMythos級モデルで、Mythos 5はProject Glasswingと信頼済みアクセスプログラム経由に制限されている。AnthropicはFable 5について、入力100万トークンあたり10ドル、出力100万トークンあたり50ドル、現行APIドキュメントでは1Mトークンのコンテキストウィンドウと最大128k出力と記載している（Anthropic、Claude Docs）。
Anthropicのモデル概要から、価格の簡単なスナップショットを示す。
| モデル | 入力 | 出力 | コンテキスト | 最大出力 |
|---|---|---|---|---|
| Claude Fable 5 | $10 / MTok | $50 / MTok | 1M tokens | 128k |
| Claude Opus 4.8 | $5 / MTok | $25 / MTok | 1M tokens | 128k |
| Claude Sonnet 4.6 | $3 / MTok | $15 / MTok | 1M tokens | 64k |
| Claude Haiku 4.5 | $1 / MTok | $5 / MTok | 200k tokens | 64k |
誤った結論は「常に最強モデルを使え」だ。よりよいアーキテクチャはモデルルーティングである。
最強モデルはシステムレベルの推論に使う。依存関係の発見、移行計画、馴染みのないフレームワーク、リポジトリ横断のリファクタ、障害分析だ。安価なモデルは、要約、単純なテスト生成、ドキュメント整理、機械的な編集に使う。どちらにも決定論的なツールを配置する。コンパイラ、テストランナー、スキーマ差分ツール、SAST、SBOM生成、ポリシーチェックだ。
Anthropicはまた、Fable 5には特定のサイバーセキュリティ、生物学、化学、蒸留関連のリクエストでClaude Opus 4.8にフォールバックする安全策があり、初期データではFableセッションの95%以上でフォールバックが発生していないとも述べている（Anthropic）。規制環境の開発者にとって、これは脚注ではない。ワークフローがセキュリティ修正、脆弱性分析、機微な研究に触れるなら、エージェントランタイムはモデルフォールバックを検知し、ログに残し、その出力がなお保証水準を満たすか判断する必要がある。
人間のレビューは税金ではなく製品である
「95%以上がClaude生成コード」というフレーズは見出しを取るだろう。「その後、ソフトウェアエンジニアがレビューした」というフレーズこそが、それをデプロイ可能にしている。
規制環境のモダナイゼーションでは、レビューは儀式的なプルリクエスト承認ではない。具体的な問いに答えなければならない。
- 挙動は変わったのか。そのテスト証跡はどこにあるのか。
- どのデータ契約、スキーマ、API、バッチファイルに触れているのか。
- パッチは認可、保持、ログ、監査証跡を変えるのか。
- ロールバック経路はあるのか。
- 6か月後に作者以外が、その変更の理由を理解できるのか。
ここで、エージェントワークフローはゆるいチャットに勝る。よいワークフローなら、生成されたすべてのパッチに説明、テスト計画、リスク分類、影響システムのマップを持たせられる。モデルが依存サービスを調査していない場合や、生成テストが正常系しか証明していない場合に、マージをブロックすることもできる。
開発者のスキルは、すべての行を打ち込むことから、レビュー可能な作業パケットを設計することへ移る。それも依然としてエンジニアリングだ。多くのレガシー資産で欠けていたのは、まさにそのエンジニアリングだった。
エージェント型モダナイゼーションの小さな型
もし私が規制対象のソフトウェアチーム内でこれを作るなら、すべてのモダナイゼーションタスクに、コードレビュー前に4つの成果物を出させる。
inventory.md：エントリポイント、依存関係、設定、データストア、外部契約。risk.md：影響を受ける業務プロセス、触れるコンプライアンス統制、ロールバックメモ。tests/：現在の挙動を固定するキャラクタライゼーションテスト。patch.diff：挙動を保つ最小の変更。
モデルは4つすべてを生成できる。エンジニアは4つすべてをレビューすべきだ。CIは退屈な部分を強制すべきだ。
ローカル実験向けには、Claude Fable 5はOneHop経由でAnthropic Messages互換の差し替え可能なエンドポイントとしても利用できる。OneHopのFable 5ページは現時点で、エンドポイントをhttps://api.onehop.ai/anthropic、モデル名をanthropic/claude-fable-5、新規アカウント向けにカード不要の10ドルクレジットと記載している。表示されているプロモーション価格は100万トークンあたり入力5ドル、出力25ドルで、Anthropicの10ドル/50ドルの定価より30%以上低い（OneHop）。
from anthropic import Anthropic
client = Anthropic(
base_url="https://api.onehop.ai/anthropic",
api_key="<ONEHOP_KEY>",
)
message = client.messages.create(
model="anthropic/claude-fable-5",
max_tokens=1024,
messages=[{"role": "user", "content": "Map risks in this legacy migration plan."}],
)この種のエンドポイントは、プロトタイプや評価ハーネスに使えばいい。本番の規制対象ワークロードでは、難所は依然として自分たちの統制にある。データ取り扱い、保持、アクセス、証跡、モデルルーティング、人間の承認だ。
本当の賭け：モダナイゼーションは継続的になる
ほとんどの企業は、レガシーモダナイゼーションを10年に一度のプログラムとして扱う。大きな予算。大きなSI。大きなリスク。そして新しいプラットフォームは初日から老朽化し始める。
DXCのOASISの話は、よりよいモデルを指している。継続的なマネージドサービスワークフローとしてのモダナイゼーションだ。エージェントが調査し、提案し、テストし、リファクタし、文書化し、作業をエンジニアに回す。エンジニアがレビューし、制約をかけ、承認する。プラットフォームが証跡を保持する。システムは、より小さく、より安全な増分で改善される。
だからこの提携は注目に値する。有用な問いは、Claudeがコードを書けるかどうかではない。書ける。有用な問いは、停止できないシステム群にまたがって、組織が生成コードをガバナンスされた、レビュー可能な、本番安全な変更に変えられるかどうかだ。
DXCは、これが本格的な規模で機能しうるという初期証拠を主張している。70か国に11万5000人の従業員、50社を超える顧客で本番稼働するOASIS、計画中の数万人規模のClaude認定フォワードデプロイドエンジニア、そしてOASISのエージェント型ワークフローにおけるデフォルトモデルとしてのClaudeだ（Anthropic、PRNewswire）。
開発者にとって、次の一手は明確だ。AIをオートコンプリートとして考えるのをやめること。テスト、差分、説明、監査証跡を残すエージェントワークフローを設計し始めること。それこそが、レガシーモダナイゼーションにずっと必要だったものだ。モデルはようやく、書類仕事とコードの移動を、継続的に行えるほど安くした。
エンタープライズスタック全体を立ち上げずにモデルルーティング側を試したいなら、小さなリポジトリ、キャラクタライゼーションテストのタスク、そしてClaude Fable 5 on OneHopのようなFable 5エンドポイントから始めるといい。人間のレビューゲートは残す。採用された差分、失敗したテスト、レビュー時間、ロールバック品質、マージされた変更あたりのコストを測る。それから、そのワークフローがより大きなシステムを任せるに値するか判断すればいい。
