FPTのAI 駆動開発における取り組み-AI Native Practical

2026年7⽉31⽇ FPT の AI 駆動開発 における取り組み - AI Native Practical FPT ジャパンホールディングス株式会社 AI Solution Architect / FPT Data & AI Integration 澁⾕ 暢⼤ Executive Evangelist / FPT Data & AI Integration 鈴⽊ 章太郎 1

澁⾕ 暢⼤ FPT ジャパン FPT データ& AI インテグレーション AI Solution Architect Lean Six Sigma Black Belt 略歴︓ 直近では⼤⼿ SIer 向け「AI エージェント協調型 仕様駆動開発」プロジェクトを 推進し、設計・実装・テスト・レビューを専⾨ AI エージェントが分担する開発を実践。設計 書作成 2.07 倍・コーディング 1.99 倍・テスト 3.26 倍の⽣産性向上を実測した（本⽇ の事例パートで紹介）。このほか、判例検索・申請書類業務を RAG／LLM で再設計し 弁護⼠業務の最⼤ 30% 削減を創出した法務オペレーション改⾰、公営競技システム刷 新での AI 導⼊リード（オフショアチーム 5 名を率い、複数部署で利⽤定着）などを主導。 過去には、通信キャリアで数千万会員規模の CRM データ分析と運⽤の標準化・半⾃動 化を推進し、作業時間を 30 分から 3〜5 分に短縮。また、中華系⼤⼿テックでは AI Data Quality Specialistとして、⽇本語⾳声認識（ASR）の教師データ品質管理に従 事するなど、複数の業界で⽣成 AI の実務適⽤を重ねてきた。 Google Business Intelligence Professional Certificate Google Data Analytics Professional Certificateをはじめ、 データ分析・⾃動化に関する認定を複数取得。 © Copyright FPT Software – Level of Confidentiality 2

鈴⽊ 章太郎 X (Twitter) : @shosuz FPT ジャパン FPT データ& AI インテグレーション エグゼクティブエバンジェリスト Microsoft MVP for Developer Technologies (.NET/Developer Tools, 2026~) 独⽴⾏政法⼈ 国⽴印刷局 デジタル統括アドバイザー兼最⾼情報セキュリティアドバイザー 略歴︓ Microsoft エバンジェリスト時代(2003年)から、Dell、Accenture、Elastic、VMware を経て 現職まで、20年に渡り⼀貫して開発者向けに最新技術を啓発。NVIDIA GPU クラウド技術訴 求、 AI 駆動開発コンサルティングを実施。 AI 駆動開発勉強会主催。 AI 駆動開発コンソーシア ム副座⻑。 政府の仕事は、内閣官房 IT 総合戦略室 政府 CIO 補佐官（併任︓法務省 CIO 補佐官、 第4次安倍改造内閣、 2019年4⽉〜）、 デジタル庁 PM（併任︓⾦融庁デジタル統括アド バイザー、菅内閣、2021年9⽉〜）を経て2024年10⽉より現職を兼務。 MCT (Microsoft 認定トレーナー) として公式講座 GH-300 コース 担当の他、多くの AI 駆動 開発系トレーニング講師を担当。 Google Cloud Partner All Certifications Engineer 2025 。 https://www.docswell.com /user/shosuz © Copyright FPT Software – Level of Confidentiality 3

• https://www.docswell.com/user/shosuz
• https://www.edifist.co.jp/course/MSCGH300
• https://cloud.google.com/blog/ja/topics/partners/google-cloud-partner-all-certification-holders-2025

本⽇の問い 「AI で開発は速くなるか」 - それは⼊⼝の問い 速くなったとして、この先の本当の問いは AI を"使う"段階から AI の"⽣成物の品質を担保するパイプラインを構築する"には どうすればいいか︖ 💡 品質を担保する（⽣成 → レビュー → 修正 → 完了証明）仕組み（ハーネス）を持てるか = Harness > Model © Copyright FPT Software – Level of Confidentiality 4

意図と規約を構造化し SSOT に集約、共通の仕組みで AI に読ませる AWS / Microsoft / Anthropic（＋ OSS: cc-sdd）が独⽴に到達 - 下段が実例 AWS Microsoft Anthropic AI-Driven Lifecycle aidlc-workflows 公開 Constitution+Plan+Tasks 1 ⾏設定で各ツール統合 GitHub Spec Kit を公式推奨 Moving Beyond Prompts Learn に研修追加 Copilot CLI で標準装備 Agent Skills を提唱 SKILL.md = 共通仕様 段階的開⽰で context 節約 Enterprise Skills で配布 💡 ベンダーロックインが構造的に低い＝乗り換えられる安⼼ - エンプラの本⾳に効く © Copyright FPT Software – Level of Confidentiality 5

AI 定着の 3 段階 - 使う → 仕様で品質を担保する → 任せる 段階が上がるほど AI に任せ、⼈の仕事は『書く』から『仕様を握り確かめる』へ移る 01 AI Augmented • • ⼈が主役 / AI は副操縦⼠ Copilot を補完・チャット・ 複数ファイル・エージェントで ⽬的に応じ使い分ける 02 AI Native / SDD 03 Agent / AI Test 仕様を「契約」に ⽣成・レビュー・修正・ 完了証明を⼀気通貫 • 案件ごとにカスタムし育てる • • • 役割分担、テストまで 複数エージェントが役割分担 • 開発からテストまで担う • テスト⼯程への AI 適⽤ 💡 このあと、各段を現場の実践で具体化していく © Copyright FPT Software – Level of Confidentiality 6

仕組みの⾻格 - 導き、⽌め、直して確かめる 導く・⽌めるだけでなく、直して完了を証明するまでを仕組みにする（⼈はゲートだけ） ハーネス（⽅向・主観） Constitution / Skills - AI に「どう⾛るか」を事前に設計する ガードレール（逸脱を⽌める・客観） lint / 型 / test / CI / Hooks - 逸脱を機械的に検知・ブロックする 能動品質ループ 役割分離（⽣成 ≠ レビュー ≠ 検証）→ ⾃⼰修復 → 完了証明。⼈はゲートだけ 💡 ⼆軸（ハーネス / ガードレール）の間に、⾃⼰修復と完了証明の閉ループを挟む © Copyright FPT Software – Level of Confidentiality 7

SIer にとっての「真」 - テストと完了証明 仕様書は⽣成物、テストが実⾏可能な仕様 = 固定ターゲット 管理する（真） 管理しない（⽣成物） テスト / コード / Constitution / 設計書 実装を「テストに通す⽅向」で回す spec.md / plan.md / tasks.md いつでも再⽣成できる中間物 完了証明 = 契約履⾏の証︓テスト緑 + カバレッジ + lint + レビュー通過 + 境界遵守 ⚠ AI ⽣成テストは⼈が観点レビュー - 誤った基準なら緑でも誤り（同義反復を避ける） © Copyright FPT Software – Level of Confidentiality 8

ここから、実践へ 全体像から、現場の実践へ ここまで - 全体像 • • • 差がつくのは仕組み（Harness > Model） 業界は同じ構造へ - 意図と規約を構造化 / SSOT / 共通の仕組み ⾻格は 3 層︓導く・⽌める・直して確かめる ここから - 実践 • • この仕組みを現場でどう段階的に定着させるか 使う → 仕様で品質を担保する → 任せる の 3 段階で では、どうすればいいか - その答えはこのあとご紹介 © Copyright FPT Software – Level of Confidentiality 9

中⻑期的な戦略的強化分野 FPTの戦略的 強化分野 課題への アプローチ グリーントランス フォーメーション （GX） ⾃動⾞ （Automotive） デジタルトランス フォーメーション （DX） ⼈⼯知能 （AI） ● カーボンニュートラル ● 電動・ソフトウェア化 ● ⽇本語対応かつ業務に ● 先進AI技術を活⽤した ● 半導体事業の拡⼤に ● AUTOSAR等の⾞載 ● ⽼朽化したシステムの ● AIサービスの構築に ● 半導体の設計・製造 に貢献するサービスの 開発・提供 に必要なリソース提供 ソフトウェアの開発 精通するリソース提供 刷新・データ利活⽤へ 半導体 （Semiconductor） サービスの開発・導⼊ 必要なインフラの提供 必要な⼈材育成・提供 ⼤連 社会やビジネスの要請に応じ学科を設⽴するなど、ＦＰＴにおける⼈材育成・供給のエコシステムを担う ＦＰＴ ＆ 主要サービス例 Consulting Carbon accounting software © Copyright FPT Software – Level of Confidentiality AUTOSAR IVI Embedded Systems Legacy Migration ERP Lowcode Managed Service Predictive Analytics LLM Hardware（NVIDIA GPU） IP core dev Chip dev 10 10

FPTのAIファースト戦略 AIトランスフォーメーション、AIドリブンビジネス、AIエコシステムのコア機能でお客様を⽀援 1,000 + AIプロフェッショナル 50 + AIサイエンティスト 400 + AIエンジニア 180 + データアナリスト 500 + 対象分野の専⾨家 200 + NVIDIA 認定 50+ 博⼠号 83+ 件の論⽂ グローバルAI⼈材 戦略的パートナーシップ ⼈的 リソース 61+ の出版物 パートナー シップ AI専⽤インフラ NVIDIA ホッパー GPU 本格クラウド型 AIサービス オンプレミス、ハイブリッド、 マルチクラウド、エッジで、 安全で将来に備えた クラウドソリューションを構築 最先端のAI技術 インフラ テクノロジー AIモデルの研究開発から、AIがソフトウェア定義型ビークル(SDV) に⾰命を起こすなどの最先端アプリケーションまで ⼤規模⾔語モデル ⼤規模ビジョンモデル コードの概要作成 マイクロソフト ベンチマーク No.1 2億⽶ドルを投資 NVIDIA Hopper GPU アクセラレータ 最⼤400テラフロップスのパフォーマンスを実現 © Copyright FPT Software – Level of Confidentiality https://microsoft.github.io/CodeXGLUE/ ⼤規模コードモデル ⽶国特許 3Dポイントクラウド ⽇本特許 ViT 11 11

• https://microsoft.github.io/CodeXGLUE/

FPTのデータ・AIサービス概要 「コンサルティング」「開発・運⽤・アウトソース」「クラウドプラットフォーム」の3つの事業を軸に、フルスタックかつエンドツーエンドなサービスを提供することで、 お客様のデータ・AI活⽤を包括的にご⽀援いたします。 コンサルティング 開発・運⽤・アウトソース クラウドプラットフォーム 経営から業務・ITまで、データ・AIを起点とした企業 価値向上を強⼒にご⽀援する、 AI時代のコンサル ティングサービスをご提供。 特にAI駆動ビジネス変⾰⽀援。 グローバル・ベストショア・モデルによる開発から運⽤・ アウトソースまで、データ・AIによる変⾰をご⽀援する ための迅速かつ柔軟なサービスをご提供。 AI駆動開発を積極的に推進。 NVIDIA GPUを搭載したハイパフォーマンスなインフ ラストラクチャや、AIモデルおよびAIエージェントを開 発するための⾼性能なプラットフォームをご提供。 AIX（AIトランスフォーメーション）サービス AIインテグレーションサービス（モデル開発, ソリューション開発, Databricks, CoPilot, etc.） FPT AI Factory エンタープライズデータ戦略サービス（データ・ガバナンス, マネージメント, プラットフォーム, 利活⽤） FPT AIインフラストラクチャ DXコンサルティングサービス NVIDIA AIソリューションサービス FPT AIスタジオ 業務・事業コンサルティングサービス AI ODC FPT AIインファレンス IT・オペレーションコンサルティングサービス AI製品（Usee, IvyChat, xVista, QaiDora, etc.） FPT AIエージェント AI データ⼈材育成 データクレンジング・アノテーションBPO © Copyright FPT Software – Level of Confidentiality 12

AI導⼊による開発プロセスの成熟度モデル ― 3段階の進化とプロセス特性 LEVEL 1 LEVEL 2 LEVEL 3 Traditional AI Augmented AI Native ⼿動プロセス中⼼・属⼈化 既存プロセスをAIで強化・効率化 AI前提の次世代開発モデル ⼈の関与 90〜100% コスト⾼⽌まり・技術負債 ⼈の関与 50〜70% コスト 20〜30%削減 / 1.5倍速 ⼈の関与 20〜30% コスト 50%超削減 / 2〜3倍速 • ⼈間の認知能⼒を基準にした設計 • AIツールを活⽤して⼈間の能⼒を拡張 • AIがプロセスの中⼼となる • 分業と専⾨化による組織的な意思決定 • 代替可能な領域からAI増強へ移⾏ • ⼈はAIプロセスを設計・維持・監督 • 定型作業は基本マニュアル化 • Human In The Loop 形態 • 優先度の動的制御（内部分析） • カスタマーサービスは全て⼈間が担当 • デジタルツールが⼀次対応、複雑な案件 • コンテキスト適応対応 • 判断・意思決定は全て⼈間が担当 は⼈間が解決 • 24時間365⽇稼働でリアルタイム対応 • Human In The Loop → Human On The Loop ★ Parallel & Selective ― Level 2 と Level 3 は案件特性により並⾏利⽤する選択肢（必ずしも直列移⾏ではない） © Copyright FPT Software – Level of Confidentiality 13

環境構築・AI ソリューション サービスメニュー 適⽤範囲︓新規開発・既存改修／AI Augmented・AI Native いずれの案件・成熟度レベルにも全メニュー適⽤可能 ENVIRONMENT SETUP AI SOLUTIONS FOR SDLC 環境構築 AIソリューション for SDLC AI 駆動開発のための基盤整備 ソフトウェア開発向けのAI活⽤ソリューション 1.1 IDE 初期導⼊ 2.1 作業⽀援AI Agent開発 GHC、Claude Code、GitHub Copilot などの開発ツールを初期導⼊ 例） ・L1︓チャットボット導⼊による⼀次対応の⾃動化 ・L3︓インシデント解析・運⽤⽀援 Agent を作成 ・既存運⽤に段階的に組み込み、⾃動化レベルを拡張 1.2 Knowledge Base構築 業務ナレッジ・設計資産・運⽤ルールを蓄積する Knowledge Base を整備 1.3 Agent Platform構築・実装 実⾏基盤を組み合わせ、Agent が動作する共通 Platform を構築 2.2 AI駆動のReverse Engineering ・既存ソースを AI で逆解析し PG 設計書を⾃動⽣成 ・仕様を⾒える化しブラックボックス化を解消 1.4 AI 駆動開発のためのAgent、Skill開発 要件定義、設計、開発の作成・レビュー⽀援など、AI 駆動開発向けの業務 Agent、Skillを開発 2.3 Agentic Workflow設計、開発 1.5 Private LLM 導⼊ 例） ・Green Field /Brown Fieldの開発フロー設計要件、設計、実装、テスト、レビュー⼯程へのAI Agent配置 ・Human-in-the-loopによる承認・レビューゲート設計 ・Git / Jira / CI/CD / Knowledge Baseとの連携設計 Private環境でLLMを導⼊し、安全運⽤を実施 1.6 既存ツールカストマイズ Git・Jira など既存ツールと連携し、現場業務に合わせて Customize © Copyright FPT Software – Level of Confidentiality 14

SDLC各ステージにおけるAI活⽤・ツール・効果 最新の外部AIツールと現場最適化した⾃社AIツールを組み合わせ、既存プロセスを維持しながら⽣産性向上と品質担保を両⽴ フェーズ AI活⽤内容 仕要 様件 作定 成義 要件漏れチェック、構造化⽀援、既存資産 解析、ナレッジ検索 AIによる要件漏れチェック／構造化⽀援 を実施し、レビュー精度を向上 ➡ 要件レビュー⼯数 20〜30%削減 実) * 装 + 設計書・図解⽣成、画⾯遷移検証、設計 案の壁打ち AIによるコード⽣成・補完により、実装サイ クルを⾼速化 ➡ 開発スピード 2〜3倍向上 / ⼯数 30〜50%削減 . 作1 */ 成 /0 コード⽣成・補完、脆弱性検知、実装サイク ル⾼速化 AIがコード・仕様からテストケースを⾃動 ⽣成 ➡ テスト設計⼯数 30〜50%削減 . 実/ 施0 テストケース⾃動⽣成、⾃動実⾏⽀援、回 帰テスト効率化 テスト準備の効率化＋⾃動化⽀援により 実施効率向上 ➡ テスト全体⼯数 20〜40%削減 ログ分析、ナレッジ検索、影響分析、KT⽀ 援 AIによるログ分析／ナレッジ検索／影響 分析を実施 ➡ 調査時間 30〜50%削減／KT期 間 最⼤50%短縮 保 守 ⽤5 運 © Copyright FPT Software – Level of Confidentiality 主なツール 効果 15

AI Native における開発フロー Single Source of Truth（SSOT︓信頼できる唯⼀の情報源） human AI AI Continuous Loop 01 02 03 04 05 Intent / Spec 🤖 AI 設計⽣成 🤖 AI コード⽣成 🤖 AI テスト⽣成 ⼈レビュー ⼈が意図を⼊⼒ 最適な構造を提案 実装を⾃動化 検証を⾃動実⾏ アウトプット確認 と仕様更新 ↺ Feedback: Update Spec based on results AI CONTINUOUS LOOP NEW HUMAN ROLE AI 連続ループ ⼈間の新たな役割 コード⽣成とテストがシームレスに循環し、AIが⾃律的にエラーを修正。開発サイク ルを極限まで短縮します。 結果を確認後、元の仕様（Spec）を更新・洗練。AIへの指⽰を⾼度化すること で、プロダクトの価値を最⼤化します。 使⽤するフレームワーク／ツール︓「Spec Kit」「CC-SDD」「Kiro」など、最新のAI Native開発⼿法から従来型開発⽀援ツールまで幅広くカバー © Copyright FPT Software – Level of Confidentiality 16

CC-SDDとは何か 仕様を「契約」として扱い、⽣成から品質証明までを⼀気通貫で実⾏するAI開発の仕組み 1 2 3 4 5 仕様を契約化 AIが⽣成 批判的レビュー ⾃動修正 完了証明 要件を明確に 定義する AIが成果物を ⾃動で作る 別のAIが 品質をチェック 問題があれば ⾃動で直す 客観的に 完了を証明 CC-SDDの正体 通常AIとの違い ライセンスと安全性 MITライセンスのオープンソース 通常AI = 作るだけ、品質は⼈任せ MITライセンス（商⽤利⽤OK） npmパッケージとして配布 CC-SDD = 作る + 品質を通す仕組み ソースコード完全公開 8つのAIエージェントに対応 レビュー・修正・証明まで⾃動化 外部送信なし（ローカル動作） 13⾔語をサポート ⼈は承認ゲートのみに集中 企業改変・再配布も⾃由 核⼼︓AIの賢さではなく、品質を通す「仕組み」が⼊っているかどうかが価値の分かれ⽬ MIT License | npm: cc-sdd | GitHub: gotalab/cc-sdd | v3.0.2 17

5つのコアメカニズム カスタムCC-SDDの品質を⽀える5つの柱 1 2 3 4 5 批判的レビュー ⾃動デバッグ 段階的承認 完了証明 境界定義 Adversarial Review Auto-Debug Phase Gate Verify-Completion Boundary-First ⽣成物を別のAIが 「あら探し」の視点でチェ ック エラーが起きたら 原因分析→修正→再検証を ⾃動化 要件→設計→実装の3点で ⼈が承認する仕組み 客観的な証拠をもとに 「本当に完了した」を証明 「触れてよい範囲」を 事前に明⽰し安全性を確保 これらがどう連携するか AIが⽣成 → 批判的レビュー → 問題あり︖ → ⾃動修正 → 完了証明 → ⼈が承認 ↩ 問題があれば⾃動で修正してやり直し（最⼤3回） ⼈が関わるのは「フェーズゲートでの承認」のみ。それ以外はすべて⾃動。 18

3.5 基本CC-SDD vs カスタムCC-SDD 標準の構成をベースに、どの部分をカスタムするのかを明確にする 標準 CC-SDD（そのまま使える部分） 📁 .agents/skills/ カスタム部分（プロジェクト専⽤に追加する部分） ← 17スキルセット ① agents/ ② instructions/ ③ prompts/ 📁 .github/workflows/ ← CI/CD定義 専⾨エージェント群 品質ルール定義 ワークフロー⼊⼝ 📁 .kiro/settings/ ← 基本設定 コーディング規約・命名規則 テンプレート準拠ルール コマンド1つで起動する 実⾏プロンプト 📄 specs/ ← 仕様書テンプレート ⽣成・レビュー・デバッグ・完了 検証 の専⾨家を配置 ④ steering/ ⑤ templates/ ⑥ MCP連携 技術⽂脈・⽅針 成果物テンプレート 外部ツール接続 使⽤技術・フレームワーク アーキテクチャ定義 出⼒フォーマットの定義 統⼀された品質基準 ナレッジベース・DB定義 ビルド環境の接続 特徴: • 汎⽤SDLCワークフロー • 汎⽤レビュー基準 • ⾔語⾮依存 ＋ • 8エージェント対応 ポイント︓標準CC-SDDの上に専⽤知識を「差し込む」だけ。ゼロから作り直す必要はない。 19

デモンストレーション︓カスタムCC-SDDの動作 カスタムCC-SDDが実際にどのように動作するか、デモ動画でご紹介します。 1 ⾒た⽬は通常の AIエージェントと 同じ 画⾯上だけでは通常 のAIエージェントと区 別がつかない。違いは 裏側の「品質を通す 仕組み」 2 ToDo が⾃動 構築される 起動すると、あらかじめ 設定した⼿順に沿って 右下に処理ToDo⼀ 覧が⾃動的に構築さ れる 3 処理内容・修正 ⽅針も可視化 各ステップの処理内容 仕様を中核に、設計・実装・テスト・レビューを専⾨AIエージェントが協調して担うことで、⽣産性向上と品質の両⽴を実現。今後の標準化と横展開が可能。 や、意図しない修正が 発⽣した際の対応⽅ 針もあわせて出⼒・表 ⽰される 1 20 1

出⼒物の⽐較 ⼈の作成 © Copyright FPT Software – Level of Confidentiality カスタムなしのAI 21

出⼒物の⽐較 ⼈の作成 © Copyright FPT Software – Level of Confidentiality カスタムしたAI 22

AI導⼊における品質課題とFPTのアプローチ 市場は「AIで作る」まで。FPTは「AIで検証し、品質まで担保する仕組み」まで提供。 市場（⼀般的なAI導⼊） FPT 導⼊の考え⽅ ツール導⼊・PoC中⼼ 業務プロセスに組み込む実装型アプローチ 品質担保 AI⽣成後に⼈がレビューする前提で、品質が属⼈化し やすい AI⾃⼰レビュー＋AIクロスチェック＋Human in the loop により、品質を仕組みで担保 適⽤範囲 開発⼯程の⼀部に限定されやすい 開発、AMS、AI Ready基盤まで⼀体で提供 展開・再利⽤ プロジェクト単位で分散し、横展開しにくい ナレッジ基盤、RAG、Agent、SDLC連携により全社展 開しやすい 効果がPoC単位で限定的になりやすい 開発⽣産性 20〜50%向上、コーディング⼯数 30〜 50%削減、テスト⼯数 最⼤50%削減、運⽤⼯数 30〜50%削減、オンボーディング 40〜60%⾼速化 定量効果 © Copyright FPT Software – Level of Confidentiality 23 23

事例・実績 24

ケーススタディ︓業務システム開発におけるAIエージェント協調型開発 FPT Software x ⼤⼿SIer ｜ 対象期間︓2025年8⽉〜2026年6⽉｜ AIエージェント協調型の仕様駆動開発 課題 主要成果 ●詳細設計から単体テストまでの⼯程が⼿作業中⼼で、⼯数・コストが⼤きい ●設計・実装・テスト資材の品質が属⼈化し、成果物の標準化が難しい ●既存資産を活⽤し、上流⼯程領域でも再現可能な開発⼿法を確⽴する必要があった 設計書作成 コーディング⼯数 テスト⼯数 〜40% 〜60% 50% 業務低減 アプローチ︓協調型仕様駆動開発＋ AIエージェント ●AIエージェント協調型 仕様駆動開発︓仕様を唯⼀の正とし 専⾨AIエージェントが設計・実装・テスト・レビューを分担 ●変更要求反映、設計書リバース⽣成、コード⽣成、WB/BBテストケース⽣成 テストスクリプト・SQLデータ⽣成を実装 ●共通テンプレート・プロンプト・レビュー観点を標準化し、成果物の 再現性を担保 ●各⼯程の重要ポイントで⼈によるレビューゲートを設け、品質と説明責任 を確保 ●既存資産を⼊⼒として、設計更新→実装→テスト資材→レビューまで ⼀気通貫で⽀援 結論︓ 削減 削減 実装・効果詳細 / 使⽤ツール ▶変更要求を起点とした設計書最新化を⽀援 ▶既存ソースコードから設計書を再⽣成し、既存資産の再活⽤を実現 ▶詳細設計からコード・SQL・帳票・バッチ等の⽣成を⽀援 ▶WhiteBox／BlackBox 両系統のテストケース⽣成を実装 ▶UTスクリプトと SQL INSERT データの⾃動⽣成を実装 ▶レビュー観点を標準化し、指摘レポート⽣成を⽀援 ▶使⽤ツール︓GitHubCopilot／VS CodeベースAIエージェント実⾏環境 Markdownテンプレート/Junit/Playwright ▶補助ツール︓Python・PowerShell⾃動化スクリプト／JUnit／Playwright テストコード⽣成⽤MCPサーバ 仕様を中核に、設計・実装・テスト・レビューを専⾨AIエージェントが協調して担うことで、⽣産性向上と品質の両⽴を実現。今後の標準化と横展開が可能。 © Copyright FPT Software – Level of Confidentiality 25

実測値でのAI 適⽤の成果 主要成果 コーディングの⽣産性 設計書作成の⽣産性 ▲1.99倍 ▲2.07倍 ⽬標 実績 ▸ 変更要求を起点とした設計書最新化を⽀援 精度 ⽣産性 精度 ⽣産性 リバースエンジニアリング 90% 準備作業のため除外 91% 準備作業のため除外 詳細設計書の⽣成 82% 97% ソースコード・SQL⽣成 88% 98% テスト仕様書（A）⽣成 78% テスト仕様書（B）⽣成 71% 80% テストスクリプト⽣成 78% 96% 結論︓ ▲3.26倍 効果詳細 品質と⽣産性の評価 AI Agent テスト⼯程の⽣産性 ▲2.00 97% ▸ 既存ソースコードから設計書を再⽣成し、既存資産の再活⽤を実現 ▸ 詳細設計からコード・SQL・帳票・バッチ等の⽣成を⽀援 ▸ WhiteBox／BlackBox 両系統のテストケース⽣成を⽀援 ▸ UTスクリプト(JUnit／Playwright)⾃動⽣成を⽀援 ▸ レビュー観点を標準化し、指摘レポート⽣成を⽀援 ▲2.68 ▸ 補助ツール︓ナレッジベース⽣成ツール、ナレッジベースのMCP、MD化 ツール、MDからExcelに変換ツール ▸AIエージェントの品質評価標準、ワークショップ ⼿作業をベースに計算 仕様を中核に、設計・実装・テスト・レビューを専⾨AIエージェントが協調して担うことで、⽣産性向上と品質の両⽴を実現。今後の標準化と横展開が可能。 1 26 1

ケーススタディ︓トランスポート領域におけるAI駆動型開発 FPT Software x ⼤⼿SIer ｜ 対象期間︓2026年2⽉〜3⽉ ｜ AIエージェント型の仕様駆動開発（SDD） 課題 ●調達仕様書から設計・実装までの開発⼯程が⼿動中⼼で、⼯数・コストが⼤きい ●AI活⽤の効果を定量的に可視化し、横展開可能な⼿法を確⽴する必要があった ●電⼒監視機能（3モジュール・11機能）の開発を短期間で実現する必要があった 主要成果 開発時間 ~3h /モジュール平均 アプローチ︓仕様駆動開発（SDD）+ AIエージェント 要件カバレッジ 87.5% 32件中28件完了 テスト合格率 93.1% 312件中270件合格 実績詳細 ▶ 3モジュール・11機能を合計約9.2時間で開発完了（16.6 KStep） ●SDD（Spec-Driven Development）︓仕様を唯⼀の正とし、AIエージェント が計画・⽣成・テストを実⾏ ▶ 従来⼿法⽐+20〜30%の時間削減効果を想定 ●TDD（テスト駆動開発）と組み合わせ、コーディング→テスト→要求充⾜まで反復実 ⾏ ▶ MOD-08デマンド管理︓要件カバレッジ92.3%（最⾼） ●GitHub Spec-kitを活⽤した13ステップの⾃動化パイプライン ▶ 週次デモとフィードバックによる⾼速イテレーションを実現 ▶ MOD-20電⼒監視モニタ︓テスト合格率100%を達成 ▶ 全⼯程（仕様→BD→DD→製造→UT）をAIがエンドツーエンドで⽀援 ●要件定義→基本設計→詳細設計→コーディング→テストの全⼯程をAIが⽀援 ●重要ポイントでの⼈によるレビューゲートを組み込み、品質を担保 結論︓SDDとAIエージェントの組み合わせにより、開発⼯程の⼤幅な効率化と⾼品質な成果物⽣成を実証。今後の実案件への横展開および標準化が可能。 © Copyright FPT Software – CONFIDENTIAL 27

.NETマイグレーション事例 Customer Overview 鉄道・Suica・駅サービ ス 従業員数︓1,745名 （2025年） ビジネス概要 • 顧客は、旧バージョンの .NET、Windows Server、 SQL Server 上で稼働する 400以上のレガシーアプ リケーション を運⽤しています。 また、フロントエンドフレームワーク（Angular、 ReactJSなど）も旧式であり、スケーラビリティおよびユー ザー体験の制約となっています。 モダナイゼーションロードマップの⼀環として、クラウド移⾏ が検討されています。 • ⼀部アプリケーションの緊急移⾏ 売上⾼︓926億円 （JPY） AI駆動開発アプローチ • AI駆動型SDLCによる移⾏の加速︓ 理解 → 準備 → ⾃動移⾏＆リバース設計 → 改善 → テスト • GitHub Copilot向けの標準化プロンプトライブラリを構築し、複数アプリ間での AI駆動移⾏を⽀援、⼀貫した⾃動化と迅速なデリバリーを実現 理解 ドキュメントやコードから知識を抽出し、AIチャットボットによるイ ンタラクティブな分析を実現 リバース設計／レビュー設計、コード移⾏、単体テスト作成、機 能テストケース⽣成のための 標準プロンプトライブラリを開発 準備 • 移⾏期間中の完全な機能カバレッジの確保 • AIファースト開発によるコスト削減と納期短縮 所在地︓⽇本・東京 ソリューション • 将来のスケーラビリティに向けたクラウド対応の実現 チーム規模︓アプリごとに10名 以上 提供サービス • インフラ層およびアプリケーション層の両⽅を対象としたフ ルマイグレーションサービスを提供し、AI主導のモダナイ ゼーションとクラウド対応を実現 ⾃動移⾏＆リバースAIプロンプトを活⽤して移⾏およびリバース設計を⾃動化し、 設計 移⾏後の成果物の品質を確保 改善 Sonar修正、AIレビュー、テスト⽣成により移⾏後の品質を向 上 テスト AIを活⽤してテストケースを⽣成し、実⾏・⽐較・検証を実施 効果・価値 • ソースコード移⾏︓⾼精度・⾼効率で全ソースコードをアップグレード。AIおよびツール の利⽤率は90%以上 • リバース設計︓AIにより詳細な設計ドキュメントを⽣成。⽋陥密度は低⽔準（0.67 バグ／ページ）。再利⽤可能なプロンプトにより全体カバレッジを実現 • 単体テスト︓⾼品質なテストスクリプトを⽣成し、90%以上のコードカバレッジを達 成。AI利⽤率は85%以上 • 機能テスト︓テスト観点全体において、53%のAI活⽤率を達成 © Copyright FPT Software – Level of Confidentiality 28

まとめ - FPT の AI 駆動開発の取り組み 仕組みで品質を担保し、実測値で効果を実証 - 定着まで段階的に伴⾛する 01 考え⽅ • • • 差がつくのは仕組み （Harness > Model） ⽣成・レビュー・修正・完了証 明を⼀気通貫 ⼈は承認ゲートの確認に集 中 02 サービス • • • AI Augmented / AI Native の両段階をメニュー 化 カスタム CC-SDD で専⽤の 品質付き開発基盤を構築 アセスメントから定着まで伴 ⾛ 03 事例・実績 • • • 実案件の実測値で効果を実 証 設計 2.07倍 / コーディング 1.99倍 / テスト 3.26倍 SDLC 全体で 20〜50% の⽣産性向上 💡 まずはアセスメント + パイロットで⼩さく実証し、確信を持って横展開へ © Copyright FPT Software – Level of Confidentiality 29

Thank you 30