AIと共に進める継続的モダナイゼーション

AI駆動開発勉強会：レガシーシステムモダナイゼーション ／ 2026-08-27 AIと共に進める 継続的モダナイゼーション レガシーを「直して終わり」にしない仕組みづくり クラスメソッド株式会社 リテールアプリ共創部 部長 安東 貞義 クラスメソッド株式会社 01

INTRODUCTION ／ 自己紹介 クラスメソッド株式会社 リテールアプリ共創部 部長 安東 貞義 2002年にSIerに入社。国税に関する大規模システムのシステムエンジニア、プロジェクトマネージャーに従事。IBMのEnterprise COBOLでの開発やマ イグレーションプロジェクトをリード。 2018年にクラスメソッド株式会社に入社。モバイルアプリ開発のPM、LINE事業の立ち上げなどを経て、現在はリテールアプリ共創部の部長としてAI駆 動開発での価値提供を実践しながら、AI駆動レガシーマイグレーションサービスの立ち上げをリード。趣味はラーメン作り。 <支援実績> 東急様LINE活用、ラグジュアリーブランドLINEミニアプリ、大手小売セルフレジアプリ、PAL CLOSET様モバイルアプリ、自社EC SaaS、自社会員証SaaSなど クラスメソッド株式会社 02

INTRODUCTION ／ もう1つの自己紹介 日比谷オフィスで、二郎を作っています 01 ゲンコツ・背脂からスープを炊く 02 麺はオーション粉から自家製麺 03 豚はホロホロのほぐし豚に 04 オフィスのキッチンで盛り付け・提供 完成した一杯（乳化スープ・野菜マシ） クラスメソッド日比谷オフィスのキッチンで、仕込みから提供までやっています。スープも麺も仕込みが9割。モダナイゼーションも同じです。 クラスメソッド株式会社 03

AGENDA ／ 本日お話しすること 本日お話しすること 1 AI駆動モダナイゼーションの現在地 2 継続的モダナイゼーション 3 コンテキスト活用と、その先 tensei・AWS Transform・Claude Code による現在の型 AWS Transform continuous modernization で技術的負債を直し続ける 文脈を蓄積して回し続ける仕組みと、業務のAI駆動化 クラスメソッド株式会社 04

1. AI駆動モダナイゼーションの現在地 ／ 全体の流れ 診断から移行、運用保守まで、AIをフル活用して進めています Transformで対応できるパターン AWS Transform シリーズ mainframe ／ .NET ／ Custom 運用保守 AWS DevOps Agent が監視アラートを 起点に原因調査・一次対応を自律実行 AI診断: コード解析・仕様書の復元 それ以外の複雑なパターン Claude Code Anthropic公式フローを顧客状況に合わせて実施 アセスメントも、変換も、テストも、運用もAIが主担当。人は判断とレビューに集中します。 クラスメソッド株式会社 05

1. AI駆動モダナイゼーションの現在地 ／ プロジェクトワークフロー この流れを、2つのステージ・5つのフェーズで工程管理しています 案件ステージ1: 現状を高解像度で把握する プリセールス 受注前見積もり → Phase 0 初期診断 tenseiでドキュメント・テスト生成、 Transform試行 → Phase 1 現状分析 ヒアリング・移行計画策定 案件ステージ2: モダナイズしてGo-Liveする Phase 2 モダナイズ実行 テストファーストで実装・バグ修正 クラスメソッド株式会社 3 現新比較・検証 → Phase 並行稼働・性能・脆弱性・UAT 4 Go-Live → Phase 本番切替・運用引き渡し 06

1. AI駆動モダナイゼーションの現在地 ／ インフラ移行 アプリだけでなく、インフラのAWS移行も一気通貫で支援しています AWS認定のもとで提供 AWS Migration Competency — 移行の実績・プロセス・体制をAWSが審査した認定を保有しています STEP 01 STEP 02 STEP 03 IT資産と依存関係の把握、7R分析による アプリケーション分類 Well-Architected フレームワークに準拠 したAWS環境設計 移行対象ごとにAWSの移行サービスを使 い分けて実行 評価・検討 設計・構築 移行実行 移行後の 運用まで 一気通貫 サーバー データベース ファイルストレージ 環境定義 稼働中サーバーをそのままリフト スキーマ変換・継続レプリケーション 大容量データの高速転送 移行先環境をIaC化して構築 AWS MGN AWS DMS AWS DataSync 出典: クラスメソッド AWSサーバーマイグレーション サービスページ classmethod.jp/aws/services/server-migration/ AWS CDK 07

2. 継続的モダナイゼーション ／ 問題提起 ただ、これだけだと、いずれまたモダナイズが必要になります 移行が終わった瞬間から、次のレガシー化が始まります。システムを取り巻く環境は止まってくれません。「2025年の崖」を越えても、崖はまた現 れます。 01 02 03 言語・フレームワーク・OSのサポート終了は 刷新の翌年からまた積み上がる。 ライブラリの更新・脆弱性対応は日常的に発生 し、放置すると負債として蓄積する。 異動・退職でシステムの理解が失われ、ドキュ メントは実態から乖離していく。 EoLは毎年来る 依存は毎週古くなる 人は入れ替わる だからモダナイゼーションは、数年に一度のプロジェクト（点）ではなく回り続けるプロセス（線）として設計します。 クラスメソッド株式会社 08

2. 継続的モダナイゼーション ／ 点から線へ 「数年ごとの大工事」から「小さく直し続ける」へ 従来: 点のモダナイゼーション 再び大規模刷新 これから: 線の継続的モダナイゼーション 債負的術技 大規模刷新 検知 → 小さく是正 を繰り返す 刷新のたびに大きな費用と停止リスク。合間は放置 負債を低い水準に保ち続ける。1回あたりの変更が小さく、リスクも小さい AIを活用することで、運用保守にモダナイズを組み込むことも 視野に入るようになってきました。 クラスメソッド株式会社 09

2. 継続的モダナイゼーション ／ 継続の条件 継続的モダナイゼーションには、3つの要素が必要です 01 02 EoL・非推奨・ポリシー逸脱を、人手の棚卸 しではなく自動で発見し続ける。 検知した負債を修正コード（プルリクエス ト）まで自動で持っていき、人は承認に集中 する。 負債を検知し続ける仕組み → AWS Transform continuous modernization 直し続ける実行力 → AWS Transform continuous modernization ＋ 最初に紹介したワークフロー 03 AIが業務を理解し続けるコンテ キスト 仕様・規約・意思決定を構造化して蓄積 し、検知と是正を「自社の文脈」で行える ようにする。 → Cortex（ナレッジ基盤） 本日はこの3要素を、AWS Transform continuous modernization と Cortex の組み合わせでどう実現するかをお話しします。 クラスメソッド株式会社 10

2. 継続的モダナイゼーション ／ AWS Transfo rm co ntinuo us mod e rnizatio n 技術的負債を、自律的に「検知してPRまで」出す AWS Transform continuous modernization は、技術的負債の継続的・自律的な分析と是正を行う機能です。 コードリポジトリ ソース管理システムに接続 継続的な自動スキャン ベースライン（ポリシー）と照合 数週間 → 数時間で検出 検出できるもの サポート終了（EoL）の依存関係、非推奨フレームワーク、セキュリティ脆 弱性。分析観点は技術的負債・セキュリティ・agentic readiness に加え、 社内標準のカスタム基準も定義可能。 是正PRの自動生成 Javaアップグレード・SDK移行 ライブラリ更新・脆弱性対応 人がレビュー・マージ 判断は人に残る 提供状況 2026年8月3日に一般提供（GA）開始。AWS Transform対応の全リージョ ンで利用可能。GitHub・GitLab・Bitbucket接続、オンデマンド／定期実行 に対応。 出典: AWS What's New「AWS Transform continuous modernization is now generally available」（2026-08-03）・AWS公式ブログ（2026-07） 11

2. 継続的モダナイゼーション ／ 2つの運用モード 日常の最新化と、大規模移行を同じ仕組みで回せます 継続モード ― 日常の最新化 ライブラリのアップデート、セキュリティパッチ適用など、小さな是 正を日常的に回し続ける。 負債が「積み上がる前」に返済し続けるモード。 キャンペーンモード ― 大規模移行 フレームワーク移行のような大規模なモダナイゼーションプロジェク トを計画的に実行する。 従来の「点」の刷新も同じ基盤に載るモード。 日常の返済で負債を低く保ちながら、避けられない大規模移行も同じポリシー・同じ基盤の上で実行する。これが「線」の運用で す。 出典: AWS公式ブログ「AWS Transform continuous modernization (Preview)」（2026-07） 12

2. 継続的モダナイゼーション ／ 実機検証 実際にレガシー構成のアプリで回してみました Node.js 18・AWS SDK v2・CDK v1 のアプリケーションを対象に、検知から是正PRまでを実行した結果です。 2件 5/5件 1.55 USD 技術的負債の検知 是正後のテスト通過 かかったコスト Node.jsバージョン更新と AWS SDK v2→v3移行を自動で発見 依存の更新だけでなく 実装コードまで自動修正してビルド成功 44 Agent分。ローカルのビルド・ テスト待機時間は課金対象外 詳細は、検証を担当した末永さんの DevelopersIO 記事で公開しています。 出典: DevelopersIO「AWS Transform continuous modernization を使ってみた」（2026-08） dev.classmethod.jp/articles/aws-transform-continuous-modernization-hands-on/ 13

2. 継続的モダナイゼーション ／ 前提と制約 使う前に押さえておきたい、前提条件と現状の制約 利用の前提 東京リージョンで利用可能（推論はクロスリージョンで東京・大阪） ソース接続は GitHub・GitLab・Bitbucket。ローカルソースは CLI （atx）のみ 料金は Agent minute 課金（検証時点 0.035 USD/分） 現状の制約 対応言語がまだ少ない。修正まで自動化できる変換は Java・ Node.js・Python が中心 ローカルソースは修正PRが自動作成されない（ローカルブランチ・コ ミットまで） Webアプリは標準分析のみ。独自分析や細かな実行オプションは CLI 独自資料を参照する Custom Analysis は Finding（負債1件ごとの起 票。修正PR作成の起点）が生成されず、自動修正PRにつながらない 制約は社内検証で確認し、改善要望としてAWSへフィードバック済みです。GA直後のサービスなので、今後の改善に期待しています。 出典: DevelopersIO検証記事（2026-08）・クラスメソッド社内検証（Cortex連携・2026-08-24完了） 14

3. コンテキスト活用と、その先 ／ 残る要素 3つの要素のうち、残っているのは「コンテキスト」です EoLや脆弱性のような一般的な負債は、標準ルールで検知できます。では、自社の規約や業務の意図は、誰がAIに教え続けるのか。 01 ✓ 話しました 02 ✓ 話しました AWS Transform continuous modernization continuous modernization ＋ モダナイゼーションワークフロー 負債を検知し続ける仕組み クラスメソッド株式会社 直し続ける実行力 03 残っているのはこれ AIが業務を理解し続けるコンテ キスト 自社の規約・仕様・意思決定を、AIに与え続 ける仕組みが必要 15

3. コンテキスト活用と、その先 ／ コンテキスト基盤 Cortex: 案件のすべてを「AIが読んで働ける形」で蓄積する 議事録、課題のやり取り、共有資料、意思決定。案件で発生するすべての情報を1つのリポジトリに集め、人とAIの両方が参照して働けるようにす る仕組みです。 外部ツール（情報のマスター） Backlog ／ Google Meet Google Drive ／ Slack GitHub など 自動同期 クラスメソッド株式会社（名前の由来: 大脳皮質 Cerebral Cortex） コンテキストリポジトリ GitHub上の1リポジトリ・Markdown管理 Bronze → Silver → Gold の3層 毎晩AIが精製・人がレビューして確定 読み書き 人: Claude Codeで質問・スキル実行 「この業務は何をしている？」に文脈込みで回答 AI: GitHub Actionsで無人実行 同期・精製・週次レポートを定期／イベント駆動で 16

3. コンテキスト活用と、その先 ／ Cortex × continuous m ode rnizat ion 移行の成果物が、次のモダナイズの燃料になる CORE MESSAGE Cortexに蓄積したコーディング規約・用語集・仕様・テスト資産を continuous modernization のポリシーとして参照さ せ、自社の業務文脈を理解した状態で検知・是正が回る構造を作ります。 検知も是正も「自社の文脈」を理解した状態で回り続ける モダナイゼーション ソースコード・仕様書・ テスト・意思決定が 蓄積される Cortex ポリシー参照 規約・用語集・仕様・テスト資産 ＝ AIが業務を理解する文脈 AWS Transform continuous modernization 継続スキャン → 検知 是正PRを自動生成 人が 承認 是正の結果・判断もCortexへ還流し、案件を重ねるほどAIが賢くなる クラスメソッド株式会社 17

3. コンテキスト活用と、その先 ／ ここまでの結論 モダナイゼーションは「点」から「線」になります AWS Transform continuous modernization 負債の検知と是正を自律化 × Cortex 自社の業務文脈を蓄積 「点」: 数年ごとの大規模刷新 「線」: 検知と是正を小さく回し続ける AIが業務を理解した状態で回り続ける線の先には、さらにその先があります。 クラスメソッド株式会社 18

3. コンテキスト活用と、その先 ／ さらなる未来 最終形は、モダナイズすべきシステムが無くなること Cortexの上でAIが業務を理解しているなら、次の一歩は、AIがその業務を実行することです。 いま 人 画面操作・手作業 業務システム データ（DB・ファイル） これから 人 ② 画面と手作業をAIの実行へ ③ 業務システムそのものを 少しずつ「無くして」いく 依頼・確認・承認 AIエージェント Cortexの業務理解・テスト資産を 参照しながら業務を実行 データ基盤（DB・ファイル） ① データの置き場所は残す クラスメソッド株式会社 19

SUMMARY ／ まとめ AIと共に進める継続的モダナイゼーション 1 モダナイゼーションは「点」ではなく「線」。負債は検知して小さく直し続ける 2 AWS Transform continuous modernization が検知と是正を自律化し、Cortex が自社の文脈を与える 3 蓄積したコンテキストの先に、業務そのものをAIが実行する世界がある クラスメソッド株式会社 20