AIDD モダナイズ
ブラックボックス化したレガシーシステムを、AI 駆動で安全に刷新。4 つの AIDD(AI 駆動開発)を一気通貫で提供する統合型ソリューションです
運用保守費 最大削減
開発スピード(従来比)
こんな課題、ありませんか?
仕様書がなくブラックボックス化し、リプレイスに踏み切れない
当時の担当者は退職済み、コードが唯一の仕様書という状態。仕様書の欠如・画面デザインの不統一・膨大なテスト工数が各フェーズで散発し、刷新プロジェクトの成功率を押し下げています
「どこからどこまで頼めるのか」が分からず、発注を決断できない
要件定義・テストなど各 AI ソリューションのつながりが不明確なため、部分発注で分断が生まれ、結局どのベンダーに何を任せるべきか判断できずに刷新が先送りになっています
個別の AI ツール導入だけでは、工程間の情報の断絶が解決できない
「要件定義 → 設計 → 実装 → テスト」の情報連携が断絶し、AI による自動化メリットが各工程内に閉じてしまい、全体の品質とスピードにつながりません
レガシー固有の課題に、AI 解決アプローチを 1 対 1 で対応
「なんとなく AI で楽になる」ではなく、レガシーシステム固有の課題それぞれに解決アプローチを明示します
なぜ今、モダナイゼーションが
可能になったのか
従来は「費用・リスク・時間・専門知識」の 4 つの重しが着手を阻んできました。
生成 AI の出現が、この方程式にパラダイムシフトを起こしています
費用
数年単位の大規模投資が必要だった
AI による自動解析・自動生成で初期投資と工期を大幅に圧縮
リスク
移行失敗・業務停止の恐怖
現新同一性ハーネスによる機械的等価検証でリスクを客観的に管理
時間
2〜3 年がかりのウォーターフォール型プロジェクト
AI 駆動の一気通貫プロセスで開発スピードを従来比 2 倍以上に向上
専門知識
レガシーとモダン双方を理解する人材が希少
AI がレガシーコードを解析し、専門知識の属人性を構造的に解消
課題が軽くなった結果、モダナイゼーションから得られる利点が現実的なリターンとして手に届くようになりました
ブラックボックスを、開いてお見せします
「入力 → AI の中で何かが起きる → 出力」ではありません。
入り口から納品まで、AIDD モダナイズのプロセスの中身をそのままご覧ください
画面しかなくても、コードしかなくても大丈夫。持ち物に合わせた 2 つの入り口から、同じ共通プロセスに合流します
※ 実案件の流れを再現したシミュレーションです。件数・コードはサンプルです
モダナイズ アプローチ(3 フェーズ)
解析と可視化
レガシーコード/画面を取り込み、AI が業務ロジックを抽出。処理フロー・依存関係を可視化し、失われた仕様書を遡及復元します
主な成果物
業務ロジック抽出結果・依存関係図・遡及復元仕様書ドラフト
仕様確定
AI が可視化した論点を業務担当者にヒアリングし、仕様の断捨離(残す・捨てる・加える)を顧客と合意して確定します
主な成果物
確定仕様書(PRD / Epic / ユーザーストーリー)
変換・検証
AI によるコード変換・新規実装を実施。継承機能は現新同一性ハーネスで等価性検証、新規機能は 3 階層テストで品質保証し、段階的にデプロイします
主な成果物
変換済みコード・現新同一性ハーネス検証報告書・テスト報告書
モダナイズ着手時は必ず Phase 1(解析と可視化)からスタート。いきなり変換・実装には着手しません
旧システムの丸写しではなく、
意図的に進化させる
業務ロジックを可視化したうえで「残す・捨てる・加える」を顧客と合意し、
それぞれに適した検証方法で品質を保証します
残す(継承)
現行の業務ロジックをそのまま新システムへ移行する
検証方法
現新同一性ハーネスによる等価性検証
捨てる(廃止)
不要になった機能・帳票・例外処理を廃止する
検証方法
廃止対象が新システムに含まれないことを確認
加える(進化)
新しい業務要件・UX 改善・新機能を追加する
検証方法
3 階層テスト(Unit / Integration / System)で品質を保証
AI が作り、機械が裁く —
現新同一性ハーネス
旧システムと新システムに同一の入力を注入し、振る舞いの等価性を機械的に全件比較。
品質の根拠を「誰が確認したか」ではなく「出力とデータ更新が現行と一致した事実」に置きます
DB 変更差分
シナリオ実行前後のテーブル差分(INSERT / UPDATE / DELETE)を行×列で全件突合
信頼度: 最高 — ビジネスの真実は DB にある
API / インターフェース
HTTP API レスポンス・ファイル出力・帳票をペイロード正規化してセマンティック比較
信頼度: 高 — システム間の契約
画面表示値
画面上の表示値・フィールド状態・バリデーションメッセージを比較(見た目は対象外)
検証層 — ユーザー体験の確認
等価性の比較・判定に AI は関与しません。AI が生成した成果物を、決定論的な機械比較が客観的に裁く — だからこそ AI がコードを多く生成するほど検証カバレッジが上がり、リスクはむしろ下がります
AIDD 4 ステップによる統合型開発プロセス
前工程の成果物が次工程の正確なプロンプト入力になるシームレスなデータ連携で、 手戻りを激減させ開発スピードを従来比 2 倍以上に高めます
AIDD 要件定義
既存の画面キャプチャや古い仕様書などの非構造化データを AI が解析し、標準化されたユーザーストーリーと受け入れ基準(Given-When-Then 形式)を自動生成します
AIDD デザイン
全画面のデザインカンプ作成を原則廃止し、AI が参照可能なデザインルール(コンポーネント、変数)を Figma(UI デザインツール) / Storybook(UI コンポーネントカタログ) 上で確立する基盤を用意します
AIDD 実装
定義された要件(PRD)とデザインシステムをインプットとして、AI がモダンな技術スタック(TypeScript / React / Next.js / Python 等)の実行可能なコードを自動生成またはレガシーコードから変換します
対応可能なレガシースタック例:
AIDD テスト
要件定義フェーズで生成された「受け入れ基準」を元に、AI がテストケースとテストコードを自動生成・実行。単体・連結・総合の 3 階層で品質を保証し、継承機能は現新同一性ハーネスによる等価性検証と組み合わせて刷新リスクを最小化します
『AI 駆動開発』解説動画
導入ロードマップ(一例)
まず 3 ヶ月の PoC パッケージで「見える化」と資産の基盤づくりから。
成果を確認してから、本格モダナイズへ段階的に移行します
適合度診断とホワイトボックス化
既存レガシーコードを AI で解析し、技術負債の可視化と仕様書の遡及復元を開始します
最初の 1 業務でのオントロジー構築
特定の業務領域をターゲットに、固有の用語・ルールをセマンティックレイヤーとして定義し AI 資産の基盤を作ります
PoC 完了時に手元に残る成果物
- 遡及復元した仕様書ドラフト・依存関係図
- 確定仕様書(PRD / Epic / ユーザーストーリー)
- オントロジー初期データ(用語辞書・業務ルール)
- 新システムの動く MVP(対象範囲・既存資産の状況による)
AIDD による段階的モダナイゼーション
構築したオントロジーを基盤に、AI 駆動開発で安全かつ高速に最新アーキテクチャへ移行します
PoC で確定した仕様書と成果物を基盤に、対象システム全体の変換・検証・段階的デプロイを実施します
3 ヶ月 PoC パッケージでは Phase 1(解析と可視化)と Phase 2(仕様確定)を中心に実施し、Phase 3(変換・検証)の一部を新システムの動く MVP として構築します(実現範囲は対象システムの規模・既存資産の状況によります)。 なお、上記の進め方は一例です。お客様の状況・資産に合わせてステップ構成や期間を個別にご提案します
よくあるご質問
Q既存システムのソースコードがない場合でも刷新できますか?
可能です。パターン A(UI 逆算型)として、既存画面のキャプチャや操作動画から AI が UI と挙動を解析し、ユーザーストーリーを再構築する入り口を用意しています。ソースコードがある場合はパターン B(コード解析型)と組み合わせ、両アプローチを並行して仕様確定の精度を高めることもできます。
Q「AIDD MVP」と「AIDD モダナイズ」の違いは何ですか?
開発プロセス(AIDD スキーム)や 3 ヶ月 PoC パッケージを利用する点は共通ですが、「入り口(スタート地点)」が異なります。「AIDD MVP」はアイデアベースのゼロからの開発(0→1)、「AIDD モダナイズ」は既存の古いシステムやソースコードを刷新する開発です。
Qモダナイゼーションは旧システムを全部そのまま再現するのですか?
そのまま再現するだけではありません。まず既存の業務ロジックを AI で可視化したうえで、残すもの(継承)・捨てるもの(廃止)・新しく加えるもの(進化)の 3 分類を顧客と合意します。何を引き継ぎ何を変えるかを意図的に選択することがモダナイゼーションの本質です。
QAI が生成したコードの品質はどのように担保しますか?
コードの作成者が人間か AI かを問わず、同一の検証基準で品質を証明します。「現新同一性ハーネス」により、旧システムと新システムに同一の入力を注入し、出力と DB 更新を機械的に全件比較します。検証が自動化されているため検証対象が増えるほどカバレッジが向上し、AI 生成コードはリスク要因ではなくリスク低減装置として機能します。
QAI で変換すると「COBOL っぽい Java」のような不自然なコードになりませんか?
なりません。現新同一性ハーネスは内部のコード構造ではなく出力(DB 変更・API 応答・画面表示値)の等価性のみを検証します。AI 駆動の実装ではモダン言語のイディオムとベストプラクティスに沿ったコード生成を前提としており、旧言語の構造をそのまま写し取る「リテラル変換」は採用しません。
QSalesforce や SAP のような SaaS・パッケージのカスタマイズも対象ですか?
対象です。Apex / ABAP 等の独自言語は専門ベンダー以外の参入障壁となってきましたが、AI を活用して独自言語の理解・生成を支援できるため、設定・ワークフロー・画面・機能実装の開発や既存カスタマイズ資産の解析・アップデートを AIDD で提供できます。SaaS を活かしたまま継続的にモダナイズする出口と、将来的に別アーキテクチャへ移行する出口の両方を選択できます。
事例紹介
gaipack の AI サービス導入による成功事例をご紹介します
FOLLOW US
SNS 公式アカウント
gaipack の最新情報を SNS で発信しています