技術的負債解消で開発者の未来を開く- AIの力でコード刷新

Qiita Conference 2026（https://qiita.com/official-campaigns/conference/2026）での登壇資料です。

長年の改修で複雑化したシステム、EOL を迎えている技術スタック。技術的負債の存在は認識しつつも、コストと工数の壁に阻まれ先送りされてきました。しかし今、Claude Code や Kiro などの AI コーディングエージェントの登場によりコード生成やテスト作成のコストが劇的に下がり、システム刷新の費用対効果の天秤が傾き始めています。
本セッションでは、なぜ今こそ技術的負債に向き合うべきかを整理した上で、AI を活用したコードの刷新のアプローチと、品質保証を支える自動テスト戦略を解説します。セッション後には、皆さんがコードを分析し、技術的負債返済の計画を立てる、その最初の一歩を踏み出せることを目指します。

Transcript

1. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 技術的負債解消で開発者の未来を開く AIの⼒でコードの刷新 Transform Specialist SA(Application) アマゾン ウェブ サービス ジャパン合同会社 Qiita Conference 2026
2. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. X @r_karotou 加藤 諒 Transform Specialist Solutions Architect アプリケーション/モダナイゼーション領域 を専⾨に⽀援 経験 ・SSOサービス開発 ・サーバーレスIoTバックエンドAPI キャリア オンプレインフラ→AWSインフラ→バックエンド AWS Lambda AWS Cloud Development Kit
3. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⼿を加えることが困難なコード、 現場に抱えていませんか。
4. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. アジェンダ なぜ今こそ 向き合うべきか コード刷新の ポイントとアプローチ 明⽇からの 第⼀歩
5. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. なぜ今こそ向き合うべきか 5
6. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. なぜ技術的負債を解消すべきか 現在、負債による悪影響があり、今後さらに悪化していく これまで優先度が低いからと先送りしていたが、さすがに限界が近づいてきた セキュリティリスクが増加 未対処の脆弱性が蓄積し続ける • ランタイム、ライブラリがEOL、パッチが提供されまいまま • ⾃動リグレッションテストが無く更新できない アジリティの低下 市場が求めるスピードに追従できない • ドキュメントは陳腐化、何をするにも影響調査で時間がかかる • 改修するたびにより複雑になる 保守性の悪化 リスクと⼯数が増⼤しつづける • ランタイム、フレームワークを扱える⼈材がいない • レガシーなアーキテクチャで最新のプラクティスを活⽤できない
7. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. なぜ技術的負債解消に着⼿できなかったのか 技術的負債の存在は認識されていた。 しかし、優先度に対してコストが⾒合わず、また成功する⾃信を持てなかった 機能要件は 満たされている • 必要性が⾒えにくい • アップデート計画が無い • 意思決定者の合意が得づらい 簡単であるという 誤解 • 機能追加がない ≒ 簡単 • 規模が⼤きいほど時間を要する • 全体の再実装は⼤規模な作業 全容が 把握できない • 全容を把握する担当者が不在 • ドキュメントが陳腐化している • 調査する⼯数が取れない 他PJ、機能追加と⽐べて 優先度低 開発コスト⼤ 判断材料不⾜
8. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. これまで: メリットに対して3つの障壁が重い 優先度低 負債解消の メリット AIコーディングエージェント 開発コスト⼤ 判断材料不⾜
9. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. これから: AIで障壁が突破された 優先度低 負債解消の メリット AIコーディングエージェント 開発コスト⼤ 判断材料不⾜ 優先度低 開発コスト⼤ 判断材料不⾜ 2025年の崖、 もう放置は限界 AIで開発コスト削減 ⼤量のコードも、 AIなら調査可能
10. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. コード刷新のポイントとアプローチ 10
11. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ポイント1. 完全⾃動化は⽬指さない 変換 コスト 解消 メリット 変換 コスト 解消 メリット 着⼿可能ライン ⼿動でのコード刷新 AI＋⼿動でのコード刷新 仕組み作り コスト
12. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ポイント2. ⾃動テストの作成 Before ⼈が要件からテスト仕様を作り上げる ⾃動テスト作成にコストがかかる Now AIが要件からテスト仕様を⽣成、⼈が完成させる 仕様を与えれば⾃動テストをAIが⽣成 ⾃動テストの⽬的 なぜAIによるコード刷新で必要︖ 素早く変更可能にする 既存の機能が壊れていないことを確認する 何度もトライ＆エラーを繰り返して⽣成 エラー検知にテストが必要
13. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ポイント2. テストの⾃動化 ユニット/インテグ テスト コード⽣成と同時にAIで作成 • テスタブルな構造でコードを書かせる • レビューのしやすさが向上 E2E テスト テスト計画を含めてAIが⽣成 • 継続的な仕様→テストの作成・維持 • 刷新前との挙動⼀致をリグレッションテスト 設計書 コード アプリの 挙動 AI、コーディングエージェント ⼈間の 意思決定 全く⾃動テストがない場合は、E2Eテストからスタート その後、ユニット/インテグテスト、コード刷新
14. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ポイント3. 断捨離の勇気 対象範囲を絞ることで、 刷新の負担が軽減 既存の全機能 機能 A 機能 B 機能 C 機能 D 機能 E 機能 A 機能 B 機能 C PCでAIが使えるなら不要 コード刷新 廃⽌ 機能の断捨離はユーザー⽬線でデメリットでハレーションが⼤きい しかし、刷新コストは機能量に⽐例する、容易ではないが断捨離は必要である。
15. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. コード刷新の2つのアプローチ Transform 既存 コード 新コード • 既存コードを継承しAIで変換 • 少しずつ変換を繰り返す • コンポーネント単位で分割変換 Rebuild 仕様書 新コード • 要求仕様を元にAIで0から開発 • 現⾏踏襲ではなく要求達成 • 機能の断捨離 構成を⼤きく変えずにランタイム更新 アジリティが⾼い構成へ作り直す 変換 開発
16. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. コード刷新の2つのアプローチ Transform 既存 コード 新コード • 既存コードを継承しAIで変換 • 少しずつ変換を繰り返す • コンポーネント単位で分割変換 Rebuild 仕様書 新コード • 要求仕様を元にAIで0から開発 • 現⾏踏襲ではなく要求達成 • 機能の断捨離 構成を⼤きく変えずにランタイム更新 アジリティが⾼い構成へ作り直す 変換 開発
17. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. バージョンアップグレードからランタイムマ イグレーション、複雑な⾔語変換や アーキテクチャ変更まで、多様なシナリオを サポート トランスフォーメーションを組織全体に スケール 事前定義またはカスタム定義で任意のコード を変換 AWS Transform custom AI によるカスタムモダナイゼーショ ンエージェントで、任意のコードパ ターンを変換し技術的負債を⼀掃 継続的な学習と改善 I N T R O D U C I N G
18. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 事前定義された変換ルール ランタイム アップグレード Java Python Node.js AWS SDK アップグレード Java v1→v2 Python boto2→boto3 Node.js v2→v3 コード分析 Javaパフォーマンス最適化 技術的負債分析、Doc作成 AWS/comprehensive-codebase-analysis コードベースの静的解析により、階層構造の包括的なドキュメントを⾃動⽣成 技術的負債の可視化に特化 - コンポーネントや保守リスクを即座に特定し、実⽤的な改善指針を提案
19. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成ドキュメントの構造 ATXDocumentation/ ├architecture/ システムの静的構造（レイヤー/コンポーネント/依存）の設計⽂書 ├behavior/ ※アーリーアクセス システムの動的振る舞いの仕様⽂書 ├analysis/ メトリクス・複雑度・セキュリティ・負債等の分析レポート群 ├specialized/ Web設定など特定領域に特化した仕様書 ├technical-debt/ 技術的負債のサマリー〜改善計画までを段階的に掘り下げた⽂書群 ├migration/ 移⾏作業の⼿順・テスト仕様・受け⼊れ基準 ├reference/ データモデル・API・インターフェース等のリファレンス資料 └diagrams/ ASCIIダイアグラム
20. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⽣成ドキュメントの構造 ATXDocumentation/ ├architecture/ システムの静的構造（レイヤー/コンポーネント/依存）の設計⽂書 ├behavior/ ※アーリーアクセス システムの動的振る舞いの仕様⽂書 ├analysis/ メトリクス・複雑度・セキュリティ・負債等の分析レポート群 ├specialized/ Web設定など特定領域に特化した仕様書 ├technical-debt/ 技術的負債のサマリー〜改善計画までを段階的に掘り下げた⽂書群 ├migration/ 移⾏作業の⼿順・テスト仕様・受け⼊れ基準 ├reference/ データモデル・API・インターフェース等のリファレンス資料 └diagrams/ ASCIIダイアグラム
21. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. コーディングエージェントからの利⽤ AWS Transform custom Kiro Conding Agents Kiro Powers Agent Plugin Agent Plugin Kiro Powers MCP servers Agent Skills
22. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 明⽇からの第⼀歩 22
23. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 明⽇からの第⼀歩 既存コードをAIで分析 現状の⾔語化に取り組む AWS Transform custom or 任意のAIエージェントで、コード分析 • 現状はどうか • 何が課題か • どこから取り組むべきか チームメンバー、同様の課題を抱える同僚に相談 Comprehensive Codebase Analysis プロンプト ※AWS Transform customでの利⽤を想定したものなので、他 エージェントでの期待通りの動作を保証するものではありませ ん。
24. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. AWS Builder Center AWS Builder Center でプロフィール作成すると、AWS での開発⽅法を学び、 体験し、⽇本や世界中の開発コミュニティとつながり、ネットワークを広げる ことができます。
25. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 技術的負債の存在は、誰もが認識していた 負債によって悪影響があることもわかっている しかし、コストが障壁となっていた 今なら、AIによって開発コストを削減できる 今こそ、技術的負債の解消に取り組むべき ぜひ、分析から始めましょう︕
26. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. Thank you! © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 加藤 諒 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.