メインコンテンツへスキップ
見出し画像

数える前に、仕分ける —— そして、機械の仕分けを疑う【棚卸しツール付き】

    連載「Accessを移行するのではなく、「移行できる形」に変える」の Step 2 です。

    Step 1で、本番稼働中のAccessシステムをテキスト化しました。手元にあるのは、テーブル68本(うちODBCリンク23・ローカル45)、フォーム78本、VBAモジュール31本、クエリ240本、コード総量約8万行。今回は、この山を仕分けます。

    そして先に白状すると、今回の主役は仕分けのルールではありません。私が作った仕分けツールが、三回連続で、三つの違う「真実」を自信満々に報告してきた——その顛末です。


    なぜ「数える」前に「仕分ける」のか

    AI支援でAccessの8割が変換できる時代が来るなら、人間の仕事は残り2割だ——連載の柱で書いた話です。しかし現場のシステムを前にすると、その前にもっと根本的な問いがあることに気づきます。

    そのコードは、そもそも変換すべきものなのか。

    Accessのコードには、業務ロジックだけでなく「Accessの都合で存在するコード」が大量に含まれています。帳票を印刷するためにデータを印字イメージに詰め替える処理。リモートDBのデータをローカルの作業テーブルに取り込み、保存時に書き戻す処理。これらはWebアプリでは仕組みごと不要になります。AI変換ツールに渡せば、忠実にPHPへ変換してくれるでしょう——不要な配管を、Webの中に丁寧に再現するという最悪の形で。

    だから、変換の前に仕分けが要ります。私は四つのバケツを用意しました。

    • A:シンプル — 入力チェック程度。AI変換にそのまま任せられる候補

    • B:やや複雑 — SQL実行、レコードセット操作、フォーム間の結合。AI変換+人間のレビュー

    • C:再設計必須 — 帳票制御、OpenArgsによるフォーム間受け渡し、トランザクション。作り直す

    • D:変換不要候補 — Accessの都合で存在するコード。変換せずに捨てる

    ポイントは、判定を人の感覚ではなく機械的なルールにすることです。テキスト化(Step 1)が済んでいれば、DoCmd.OpenReport や OpenArgs の有無は検索で判定できます。D判定だけは一工夫必要で、「リモートのリンクテーブルと、ローカルの作業テーブルの両方を参照し、かつSQLを実行しているコード」という条件にしました。両側に触っているコードは、データを運ぶ配管である可能性が高いからです。

    このルールをPythonで実装し、Step 1の成果物(テキスト化されたVBA・フォーム・クエリと、テーブルのリンク/ローカル区分表)に対して走らせました。

    ここからが本題です。

    一回目:「D:0件」

    初回の実行結果は、こうでした。

    D:  0件 /     0行  … 変換不要候補(同期装置)
    C: 32件 / 18664行  … 再設計必須
    B: 70件 / 59162行  … やや複雑
    A:  7件 /  3115行  … シンプル
    

    D、ゼロ件。「リモートとローカルをまたぐコードは存在しない」という報告です。

    普通なら「へえ、思ったよりきれいなシステムだ」と受け取るところかもしれません。しかし私はこのシステムを15年保守しています。リモートDBとローカルをまたぐ処理は確実に存在し、過去にはその処理がクラッシュを起こして二段階の書き込みに改修した実績まである。 ゼロのはずがないのです。

    ツールの数字と、人間の事前知識が矛盾したとき、どちらを疑うか。私はツールを疑いました。

    二回目:「D:1件」と、もっともらしい物語

    検出の穴を二つ塞ぎました。リンクテーブルを使わずODBC接続文字列で直接リモートに繋ぐコードの検出と、「クエリを参照するクエリ」の再帰解決です。再実行すると、今度はこうなりました。

    D:   1件(同期の指揮者)
    リモート+ローカル混在クエリ: 13本(すべて請求書系)
    どのテーブルにも到達しないクエリ: 78本(うち孤児候補66本)
    

    今度は物語が見えました。「同期処理はVBAではなく13本の保存済みクエリに実装されていて、VBAはそれを名前で呼ぶ指揮者にすぎない。境界は請求書ドメインに薄く局在している。そして240本のクエリのうち66本は、もう存在しないテーブルを参照している死んだクエリだ」——。

    筋が通っています。数字も揃っています。「15年で、クエリの4分の1以上が死んでいた」という、記事の見出しに使いたくなる一行まで手に入りました。

    これが罠でした。

    種明かし:テーブル区分表を開いたら

    念のため、判定の根拠になっているテーブル区分表(リンク/ローカルの一覧)を目で確認しました。そこにあったのは、こういう行です。

    t_受注,   LINKED_ODBC   ← 小文字
    t_請求書, LINKED_ODBC   ← 小文字
    tm_得意先, LINKED_ODBC  ← 小文字
    WK_請求書, LOCAL
    

    リンクテーブルの名前が、すべて小文字でした。バックエンドのMariaDB(Linux)がテーブル名を小文字で持っているため、リンク定義も小文字になる。一方、AccessのSQLやVBAは15年間、大文字(T受注、TM得意先)で参照してきました。Accessは大文字小文字を区別しないので、現場では何の問題もありません。

    しかし私のツールの照合は、大文字小文字を区別していました。

    つまり「リンクテーブルへの参照:全件ゼロ」は、システムの性質ではなく、照合バグによる全件偽陰性だったのです。T受注もT請求書も、最初からすべてリモートのテーブルでした。

    では二回目の「混在クエリ13本」は何だったのか。調べると、こちらは逆向きのバグでした。単純な部分一致で照合していたため、クエリ名「QR請求書」が「QR請求書空明細」の名前の内側にヒットし、そこから参照関係が誤生成されて、「請求書」の名を持つクエリ群に誤判定が連鎖していました。66本の「死んだクエリ」も同じ偽陰性の産物で、実際には1本も死んでいませんでした。

    同じ照合ロジックが、偽陰性(見逃し)と偽陽性(誤検出)を同時に量産していた。 そして二回目の結果は、偶然にも「もっともらしい物語」の形をしていた。もしあの数字で記事を書いていたら、私は「クエリの27%が死んでいた」と堂々と誤報するところでした。

    三回目:本当の姿

    照合を「大文字小文字を無視し、名前の境界(前後が識別子文字でないこと)を確認する」方式に直して、三回目の実行。

    D: 43件 / 33,449行  … 変換不要候補
    C: 14件 /  8,442行  … 再設計必須
    B: 46件 / 35,950行  … やや複雑
    A:  6件 /  3,100行  … シンプル
    
    クエリ: リモートのみ84本 / 混在63本 / ローカル完結93本 / 到達不能0本
    

    D=43件。総コードの41%が、リモートとローカルの両方に触るコードでした。 「境界は13本だけ」どころか、境界がシステム全体に編み込まれていた。このAccessの正体は、「MariaDBを直接読み書きしながら、印刷用スプールと編集バッファ(ローカルのWK_テーブル45本)を頻繁に経由するアプリ」です。帳票の一枚一枚が、リモートから読んだデータをローカルに印字イメージとして積み上げてから印刷されていました。

    移行戦略への意味は決定的です。Webアプリは、既にリモートDBにある正データの上に直接載せられる。ローカルテーブル45本と、それを往復する33,449行は、変換対象ではなく廃止対象の候補です。「AIで8割変換できる」の前に、このシステムでは4割を捨てる決断が先にありました。

    この回り道から持ち帰るもの

    三回の実行が教えてくれたことを、そのまま書きます。

    機械の仕分けは、三回とも自信満々だった。 エラーも警告も出ていません。0件は0件として、13本は13本として、整った表で出力されました。数字の見た目に、正しさの手がかりはありません。

    一番危険だったのは、二回目です。 一回目の「D=0」は事前知識と矛盾したから疑えました。二回目の「局在する境界と66本の死んだクエリ」は、矛盾がなく、物語として美しく、見出しになる数字まで付いていた。もっともらしさは、正しさの証拠ではない——むしろ、もっともらしい結果が出たときこそ、根拠データを一次資料(今回ならテーブル区分表とSQL本文)まで遡って確認すべきでした。

    ツールを疑う根拠は、統計ではなく事前知識でした。 「このシステムには同期があるはずだ」という、15年の保守で身体に入っている知識。AI変換が8割をやってくれる時代に人間が持ち込むべき2割の正体は、コードを書く手ではなく、この種の「システムについての信念」なのだと思います。

    そして技術的な教訓を一つ。Access(大文字小文字を区別しない世界)と、Linux上のDB(小文字の世界)をまたぐシステムでは、名前の照合は必ず大文字小文字を無視して行うこと。 15年間誰も困らなかった不一致が、分析ツールだけを欺きます。

    今日やること1つ

    もしStep 1でテキスト化を済ませているなら、テーブル区分表(リンク/ローカルの一覧)を自分の目で開いて、名前の大文字小文字をコードと見比べてください。

    ツールを走らせる前の3分の目視が、私の場合は三回の実行と丸一日の回り道を節約できたはずでした。

    次回(Step 3)は、確定した四分類を使って、いよいよ対訳辞書——757個の日本語フィールド名に英語名を与える作業に入ります。今回の全半角問題(同じ意味の列が「UDA区分」と「UDA区分」で揺れている、なんてものが実在します)も、そこで正面から扱います。


    【有料部分のご案内】棚卸しツール完全版

    ここから先の有料部分(850円)には、以下が含まれます。上記の三回の試行錯誤を経て確定した、検証済みの最終版です。

    1. vba_inventory.py(v4・最終版) — モジュール・フォーム・クエリをA/B/C/Dに一次分類する棚卸しツール

      • 大文字小文字を無視し、名前の境界を判定する照合(本文の二種類のバグを両方修正済み)

      • クエリ間参照の再帰解決(積み上げ型クエリの参照先を最終テーブルまで追跡)

      • ODBC直結コードの検出(リンクテーブルを経由しない接続の痕跡)

      • 出力:分類CSV2枚(判定理由・マーカー数・参照テーブル名付き)+コンソールサマリ

    2. 分類ルールのカスタマイズガイド — マーカーの追加方法、判定閾値の考え方、自分のシステムの「方言」への合わせ方

    3. 実装解説 — SaveAsText出力の文字コード揺れへの対処、日本語識別子の境界判定(かな・漢字・全角英数を識別子文字として扱う正規表現)、循環参照ガード付き再帰解決

    前提と免責(購入前に必ずお読みください)

    • Step 1の抽出ツール(前回記事)の出力フォルダ構成を前提とします。単体では動作しません

    • Python 3.10以降(標準ライブラリのみ使用、追加インストール不要)

    • 出力される分類はあくまで一次判定です。最終判断は必ず人間がSQL・VBA本文を確認してください——それがこの記事の主題でもあります

    • サポートはNoteのコメント欄での質疑応答の範囲とさせていただきます

    「分類はできたが、この後どの順で読み解けばいいか分からない」という方には、Access棚卸し診断(抽出〜分類〜移行難易度の所見レポート納品)も承っています。

     
     
    業務改善やRPAの現場で長く仕事をしています。現在は、4名のメンバーと一緒にRPA開発・運用と、AIを思考・開発のパートナーとして使いながら、 業務の構造 標準化の考え方 AI時代の仕事設計 について考えています。

    あなたへのおすすめ