gaipackgaipack
サービス一覧事例紹介お知らせ採用情報ギャラリーブログFAQ
お問い合わせ
Homeサービス一覧事例紹介お知らせ採用情報ギャラリーブログFAQ
表示テーマ
  1. HOME/
  2. サービス一覧/
  3. AIDD モダナイズ
HowAI 駆動開発

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

60%

運用保守費 最大削減

2倍+

開発スピード(従来比)

等価性を機械検証
仕様書を顧客資産に
お問い合わせ

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

担当者不在・属人化
COBOL・RPG 等を読み書きできるエンジニアが希少
コードから仕様を AI が自動生成し、誰でも理解できる状態にする
仕様書の欠如
コードが唯一の仕様書になっている
AI がコードを読み、業務ロジックを自然言語で文書化する
影響範囲の不明瞭さ
どのモジュールがどの業務と連動しているか不明
AI が依存関係・呼び出し関係を可視化し、論点として整理する
工数・コストの見えにくさ
着手前に規模を見積もれない
AI 解析で対象範囲を早期に確定し、見積もり精度を向上させる
移行リスクの高さ
業務の意図を正しく再現できたか検証が難しい
現新同一性ハーネスが旧新の出力・DB 更新を機械的に全件比較する
独自言語による参入障壁
Apex / ABAP 等が特定ベンダーへの依存を固定化
AI が独自言語を理解・生成し、専門ベンダーに依存せず解析・開発できる状態にする

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

生成 AI で

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

生成 AI で

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

生成 AI で

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

生成 AI で

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

TCO の改善オープンソースモダンスキルビジネスイノベーションアジリティと自動化

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

STEP 1/6・自動再生中
レガシーソースコードから既存資産を取り込み
ENTRY
MODERNIZATION FLOW
レガシー資産
画面 / コード
AI 解析
リバースエンジニアリング
復元仕様書
ホワイトボックス化
断捨離
残す・捨てる・加える
AI 変換
モダンコード生成
同一性ハーネス
全件機械比較
モダンシステム
段階的デプロイ
オントロジー
企業知の資産化
STEP 0: 事前準備(実行 PM + 顧客)

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)

1
Phase 1

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

2
Phase 2

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)

3
Phase 3

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

DB Mutation Diff

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

API / Interface Diff

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

UI Output Diff

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

観点
従来型・人手移行
現新同一性ハーネス
検証範囲
主要シナリオの抜き取りテスト
全画面 × 実業務シナリオの全件機械比較
品質の根拠
「ベテランが確認した」(属人・主観)
「出力と DB 更新が現行と一致」(機械・客観)
AI 生成コードの扱い
リスク要因
検証対象が増えるほど効くリスク低減装置
再現性
テスター次第でブレる
同一入力なら毎回同じ判定

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

Step 1

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

詳しく見る
Step 2

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

詳しく見る
Step 3

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:

COBOLVBJavaApexABAP
Step 4

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

3 ヶ月 PoC パッケージステップ 1–2 / Month 1-3
ステップ 1

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

ステップ 2

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)
本格モダナイズ移行PoC 完了後
ステップ 3

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?
A

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?
A

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?
A

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?
A

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?
A

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?
A

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。

その他のご質問はこちら

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

AI 導入で開発スピードが50%向上 - 人材管理プラットフォーム開発事例
事例紹介
2025/10/22

AI 導入で開発スピードが50%向上。人材管理プラットフォームのリプレイスプロジェクトが実現した"効率化の新基準"

KDDIアイレットは人材管理プラットフォームのリプレイスプロジェクトに AI 技術を導入。開発スピードの向上と保守性の大幅な改善を実現しました。

続きを読む
すべての事例を見る

関連するサービス

AIDD 要件定義

AI を使った要件定義の標準化により、手戻りを削減し開発効率を向上させます

詳しく見る

AIDD デザイン

AI が参照可能なデザインシステムを構築し、UI コード自動生成におけるデザイン統一性と開発効率を極限まで高めます

詳しく見る

AIDD MVP

新規開発(0→1)向けの兄弟サービス。同じ AIDD スキームと 3 ヶ月 PoC パッケージで、アイデアから MVP を短期構築します

詳しく見る
Contact Us

まずはお気軽にご相談ください

「画面しかない」「コードはあるが仕様書はない」——
お持ちの資産の状況に合わせて、最適なスタート地点をご提案します

お問い合わせ

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

X

@gaipack_ai

フォローする

YouTube

@gaipack

チャンネル登録

Facebook

gaipackai

フォローする

LinkedIn

gaipack

フォローする

Instagram

@gaipack_ai

フォローする

TikTok

@gaipack_ai

フォローする
gaipackgaipack

生成 AI 時代のシステム開発をトータルサポート。20種のサービスで企業の AI 導入・活用を支援します。

AI 駆動開発How

  • AIDD 要件定義
  • AIDD デザイン
  • AIDD MVP
  • AIDD モダナイズ
  • AIDD CMS
  • AIDD PMO

AI 活用基盤Base

  • コンサル・導入

    gaipack コンサルティング
  • gaipack スターター
  • gaipack ペイ
  • gaipack BPO
  • セキュリティ

    gaipack ガバナンス
  • gaipack セキュア
AI 活用基盤Base
  • 教育・人材

    AIDD キャンプ
  • AIDD インハウス
  • gaipack タレント
  • 運用・データ

    gaipack オプス
  • gaipack BI
  • gaipack コネクト

AI 活用プロダクトWhat

  • gaibot
  • gaibot Pro

その他

  • サービス一覧
  • ブログ
  • 事例紹介
  • お知らせ
  • 採用情報
  • ギャラリー
  • FAQ
  • メディアキット

※本サイトに記載の各導入効果数値は過去の実績に基づく最大値であり、すべての案件において成果を保証するものではありません。

Copyright© KDDI iret, Inc. All Rights Reserved.