【前編】AIと共に挑む、基幹システム刷新の舞台裏 ──「180万行の壁」と内製化の挑戦

2025年秋。ヤマシタのシステム開発部では、介護用品のレンタルや販売を行うホームケア事業の基幹システムリプレイスという⼤規模プロジェクトが進⾏中です。
外部ベンダー依存から脱却し、事業の根幹を⽀えるシステムを⾃らの⼿で再構築する──その挑戦の最前線に⽴つのが、宮内さんと菅さんの2⼈。
⻑年にわたって外部ベンダーが保守してきた180万⾏という膨⼤なコードベース。 2027年に迫る保守期限。限られた⼈員と時間。これらの制約の中で、彼らはAIエージェントを駆使した⾰新的なアプローチで、不可能と思われた課題に挑みました。
技術責任者の中川さんが司会となり、プロジェクトの全貌からAI活⽤の実際、そして未来への展望までをじっくり聞きました。

簡単な⾃⼰紹介

中川： まずはお⼆⼈の⾃⼰紹介からお願いします。システム開発部でどのような役割を担っているのか、教えてください。

宮内：システム開発部の宮内です。前職では技術リードとして、上場企業で新規事業の⽴ち上げや開発チームの組成、開発プロセスの整備などに携わってきました。現職では、ホームケア事業の基幹システム移⾏に向けた調査と計画策定を担当しています。
実は、私⾃⾝、過去⼤規模な基幹システムの移⾏業務に携わった経験はありませんでした。今回のプロジェクトは、ベンダー様が⻑年保守してきた既存システムを分析し、新しい内製システムへの移⾏計画を作成するという、まさに未知への挑戦でした。

菅：システム開発部の菅です。前職ではエンジニアリングマネージャーとして採⽤‧評価‧育成を含むエンジニア組織のマネジメントを担当しつつ、プロダクト開発をしていました。私も同じく既存コードの解析や移⾏計画策定を担当しています。
システムは約180万⾏ものソースコードで構成されていて、まさに"モノリシックの巨⼈"といった存在です。私は主にAIエージェントのDevinを活⽤した画⾯ベースのコード解析を担当しました。

取り組み概要の説明

中川：まずは、プロジェクトの全体像や背景となる課題を教えてください。

宮内：今回のプロジェクトは、パートナー企業である⼤⼿ベンダー様が⻑年にわたって開発‧保守を⾏ってきた基幹システムに関するものです。
このシステムは当社ホームケア事業全体を⽀えるモノリシック構成の⼤規模アプリケーションで、Java、Pascal、Visual Basicといった複数のプログラミング⾔語で実装されています。⻑年の改修の積み重ねで全体構造が⾮常に複雑になっていました。

菅：私から補⾜すると、実は2つの異なる基幹システムパッケージ──⽣産‧販売管理システムと介護事業者向けの管理システム──を基盤にカスタマイズされた、いわば統合型の巨⼤システムなんです。
重要な制約として、ホームケア事業システムの保守期間が2027年で終了する⾒込みで、延⻑は要交渉という状況があります。

中川：2027年まで、もう時間がありませんね。どのような⽅針で移⾏を進めることにしたんですか？

菅：はい、そこがポイントなんです。「全部作り直してから切り替える」ではなく、ドメイン単位で周辺アプリ等を通して部分的に価値を出しながら移⾏するという⽅針を取りました。

全体のシステムアーキテクチャ図

移⾏パターンの選定にあたっては、複数の候補から検討を重ね、最終的に「ドメインごとに機能がまとまっており、横断依存が⽐較的少ない」パターンを採⽤しました。保守期限が迫っているので、現実的かつ戦略的なアプローチを選んだんです。

アクターごとにドメイン分割ができないか検討した図

宮内：私も同感です。単なる技術的リプレイスではなく、「どうすれば現場が使いやすいか」「どうすれば10年後も使えるか」という視点からの再設計が必要でした。
当社では、ホームケア事業をさらに推進していくため、この既存システムを新しい内製システムへ移⾏する⽅針を決定しました。その初期ステップとして、ベンダー様に事前資料の共有など多くのご協⼒をいただきながら、現⾏システムの調査を実施しました。

中川：なるほど、時間的制約と技術的複雑性、両⽅の課題を抱えていたわけですね。体制⾯はどうだったんですか？

宮内：実は、並行して開発していた周辺システムのリリース時期の兼ね合いで、対応期間と⼈員に⼤きな制約がありました。メンバーは私と菅さんの2名のみ、期間もおよそ2ヶ⽉という短期間で対応する必要がありました。
通常、数億円規模のシステムリプレイスのための事前調査であれば、より多くの⼈員と余裕のある期間を確保するのが⼀般的かと思いますが、今回は限られた体制と期間の中で成果を出すことが求められました。

何をやったのか

中川：どうやって進めたんですか？

宮内：まずは初期の設計書を読み込み、システム全体の要件や仕様を把握しました。さらに、約10年前に現⾏システムへのリプレイスに携わった当社社員から情報を共有してもらい、当時の設計思想や運⽤経緯についても理解を深めました。
ただ、対象システムのソースコード⾏数は180万⾏と⾮常に多く、全て⼈の⼿で読み込むことは現実的ではありませんでした。そこで、ソースコードの直接の読解は最⼩限に留め、AIを介して処理系の構造や仕様を把握するという⼿法を採⽤しました。

中川：AIの活⽤が鍵だったんですね。菅さんはどのようなアプローチを取られたんですか？

菅：私はAIエージェントのDevinを活⽤した画⾯ベースのコード解析を実施しました。従来のように全コードを読むのではなく、「実際にユーザーが操作する画⾯」から関連コードを辿る⽅式です。
具体的には、Devinセッション内で画⾯のスクリーンショットを添付して、シンプルなコマンドやプロンプトで体系的に解析を進めていきました。