複数の機能を統合した本プラットフォームは、長期的な運用を経てコードベースが肥大化。 技術スタックの統一やパフォーマンス改善が急務となっていました。 特に、旧システムの仕様を分析して再設計する段階において、多大な工数が想定されていました。
10 年以上の運用で蓄積された 20 万行超のコードベースの解析と仕様理解に、従来手法では半年以上の工数が必要
フロントエンドだけでも 5 つのフレームワークが混在。チーム間の技術共有が困難でナレッジが属人化
複雑な依存関係により手動テストに週 40 時間を要し、リリースサイクルが月 1 回に制約されていた
開発の効率化と品質向上を両立するため、 アイレットはリプレイスプロジェクトに 2 種類の AI ソリューションを導入しました。
約半年でのリプレイス実現。gaipack 利用効果と実践的課題
新技術キャッチアップを含む
開発期間を大幅短縮
従来の実装に約 2 年を要したシステムを、gaipack の採用により、約半年という短期間でのリプレイスを実現できました。AI を用いない従来手法では、新技術のキャッチアップ等を含め「同じか、それ以上の期間がかかった可能性が高い」開発スピードの向上効果は明確です。
「AI がそこそこ動くものを作ってくれる」ことに依存しすぎた結果、以下のような課題に直面しました。
AI の出力に頼りすぎたことで、要件定義の精度が低下
AI に任せた結果、UI/UX の一貫性を保つ工数が増加
課題経験を差し引いても、プロジェクト全体としては大幅な期間短縮というプラスの効果が得られました。
AI を使わなければ、新技術のキャッチアップ等で同じかそれ以上の時間がかかったはずであり、AI 駆動開発ならではのスピード感が実証されました。
課題を乗り越えることで、AI 活用のベストプラクティスを組織内に蓄積することができました。
この規模のプロダクトを約半年でリプレイスできるのは AI ならではの成果です。もし AI を使わなければ、新技術のキャッチアップ等で結局同じかそれ以上の時間がかかったはずです。AI 駆動開発ならではのスピード感を強く実感しています。
開発チーム 担当者
gaipack の最新情報を SNS で発信中！
