考古学者とその副操縦士：Malykhin が Java 1.5 で LLM を disciplina

Nik MalykhinはJava 1.5のベースを最新のハードウェアで動かす必要があった。彼のLLMからの最初の回答はもっともらしく見えたが、リポジトリにうまく適合しなかった。解決策：彼の言葉を鵜呑みにせず、根拠に基づいたアプローチを強制することだった。

簡単に言えば

レガシーコードにLLMを投入すると、正しそうに聞こえるがプロジェクトに合わない回答が生まれる。効果的な方法は、LLMにメモリではなくコード、テスト、成果物といった証拠に基づいて作業させることだ。

考古学者のような作業

2026年7月16日、martinfowler.comにてNik MalykhinはJava 1.5から最新環境へのモダナイゼーションについて語った。特殊な状況下で行われた作業：最新の分析・リファクタリングツールはJava 1.5を好まず、多くは受け付けない。彼の最初の反応は、直接LLMに修正を依頼することだったが、Malykhinが「plausible」と表現する回答は「did not hold up in the codebase」だった。見た目は良いJava 1.5だが、実際のリポジトリには合わない。

転機は方法論にあった。MalykhinはLLMを執筆者ではなく分析者・検証者として使用し、各ステップをリポジトリに根差して行った：既存コードの丁寧な読み込み、テストや実行トレースからの仮説検証、コード自体が示す以上の早急な判断の拒否。記事のメッセージはシンプルだ：レガシーのモダナイゼーションにLLMを使っても、考古学者のように速くは進まないが、証明の穴は少なくなる。

中身の話

このパターンは現代のエージェントツールでは「evidence-first prompting」「grounded reasoning」「retrieval-first」など複数の名前で呼ばれるが、共通するルールがある：アシスタントの各主張はリポジトリの成果物（ファイル、行、テスト）に裏付けられていなければならない。この制約がないと、レガシーにLLMを使った際の最も高くつく「偽陽性」が生まれる：ターゲットバージョンより後のAPI、存在しないメソッド、架空のimportsなどだ。

結論

レガシーコードに取り組むチームにとって、LLM「コパイロット」は執筆に使うのではなく、検索に使うべきだ。真の生産性はLLMに読ませることから生まれ、推測させることではない。CTOにとっての教訓：AI支援によるモダナイゼーションプロジェクトの良い指標は「生成された行数」ではなく「コード自体によって否定された仮説の数」だ。この違いは、レガシープロジェクトが成果を上げるか、再び負債を抱えるかの分かれ目となる。