Share
Embed
AI活用によるレガシーモダナイゼーションとプロジェクトマネジメント / 20260827 Tsukasa Takemura & Takashi Maekawa
2026/8/27 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
https://aid.connpass.com/event/400639/
AIモダナイゼーションサービス部AIストラテジーグループ 竹村 司
AIモダナイゼーションサービス部AIモダナイゼーション推進グループ 前川 貴史
SHIFT EVOLVE PRO
August 27, 2026
Transcript
28 slides
-
AI駆動開発勉強会 2026 08 / 27 AI活用による レガシーシステムモダナイゼーションと プロジェクトマネジメント 20:25-20:40 Copyright
SHIFT Inc., All Rights Reserved. 株式会社SHIFT 株式会社SHIFT 開発本部 開発本部 AIモダナイゼーション統括部 AIモダナイゼーション統括部 AIモダナイゼーションサービス部 AIモダナイゼーションサービス部 AIストラテジーグループ AIモダナイゼーション推進グループ たけむら つかさ まえかわ たかし 竹村 司 前川 貴史 -
自己紹介 竹村 司|Tsukasa Takemura 株式会社SHIFT AIモダナイゼーションサービス部 AIストラテジーグループ ストラテジック・アーキテクト 外資系IT企業、大手消費財メーカーを経て、 2026年にSHIFTへジョイン
現在はストラテジックアーキテクトとして、 事業の技術戦略の高度化を牽引 #いぬ派 #御朱印集め・プラモデル作成 #日本酒 Copyright SHIFT Inc., All Rights Reserved. 3 -
1. SHIFTのAI駆動モダナイゼーション 2. SHIFT AI駆動リライト誕生のきっかけ 3. SHIFT AI駆動リライトのアプローチ 4. SHIFT
AI駆動リライトの特徴 5. SHIFT AI駆動リライト誕生 Copyright SHIFT Inc., All Rights Reserved. 4 -
SHIFTのAI駆動モダナイゼーション リビルドとリライトをサービスとして提供 要件 定義書 リビルド 基本 設計書 理解する RE ストラテジー
策定 ST 実現する FE リライト リライト Copyright SHIFT Inc., All Rights Reserved. 5 -
SHIFT AI駆動リライトのアプローチ 工程 1 AI処理(自動) AIによる 現行システム設計書の生成 人による確認(手動) 既存コード 1次検証(目視による検証)
現行設計書 2 AIによるリライトと 仕様反映レポート生成 リライト 観点 追加指示があれば AI駆動リライトを再実行 AI駆動リライト 新コード 3 参照 AIによる リライト後の設計書の生成 仕様反映 レポート 2次検証(レポート確認) リライト後の 設計書 設計書の抜け漏れ確認 参照 AIによる 現行設計書と リライト後の設計書の 比較レポート 4 現新設計書の比較 テスト結果 5 テスト実施結果の現新比較 3次検証(設計書レベル現新比較) 4次検証(テスト結果の現新比較) テストコード Copyright SHIFT Inc., All Rights Reserved. 7 -
SHIFT AI駆動リライトのアプローチ 工程 1 AI処理(自動) AIによる 現行システム設計書の生成 人による確認(手動) 既存コード 1次検証(目視による検証)
現行設計書 2 AIによるリライトと 仕様反映レポート生成 リライト 観点 追加指示があれば AI駆動リライトを再実行 AI駆動リライト 新コード 3 参照 AIによる リライト後の設計書の生成 仕様反映 レポート 2次検証(レポート確認) リライト後の 設計書 設計書の抜け漏れ確認 参照 AIによる 現行設計書と リライト後の設計書の 比較レポート 4 現新設計書の比較 テスト結果 5 テスト実施結果の現新比較 3次検証(設計書レベル現新比較) 4次検証(テスト結果の現新比較) テストコード Copyright SHIFT Inc., All Rights Reserved. 8 -
SHIFT AI駆動リライトのアプローチ 工程 1 AI処理(自動) AIによる 現行システム設計書の生成 人による確認(手動) 既存コード 1次検証(目視による検証)
現行設計書 2 AIによるリライトと 仕様反映レポート生成 リライト 観点 追加指示があれば AI駆動リライトを再実行 AI駆動リライト 新コード 3 参照 AIによる リライト後の設計書の生成 仕様反映 レポート 2次検証(レポート確認) リライト後の 設計書 設計書の抜け漏れ確認 参照 AIによる 現行設計書と リライト後の設計書の 比較レポート 4 現新設計書の比較 テスト結果 5 テスト実施結果の現新比較 3次検証(設計書レベル現新比較) 4次検証(テスト結果の現新比較) テストコード Copyright SHIFT Inc., All Rights Reserved. 9 -
SHIFT AI駆動リライトのアプローチ 工程 1 AI処理(自動) AIによる 現行システム設計書の生成 人による確認(手動) 既存コード 1次検証(目視による検証)
現行設計書 2 AIによるリライトと 仕様反映レポート生成 リライト 観点 追加指示があれば AI駆動リライトを再実行 AI駆動リライト 新コード 3 参照 AIによる リライト後の設計書の生成 仕様反映 レポート 2次検証(レポート確認) リライト後の 設計書 設計書の抜け漏れ確認 参照 AIによる 現行設計書と リライト後の設計書の 比較レポート 4 現新設計書の比較 テスト結果 5 テスト実施結果の現新比較 3次検証(設計書レベル現新比較) 4次検証(テスト結果の現新比較) テストコード Copyright SHIFT Inc., All Rights Reserved. 10 -
SHIFT AI駆動リライトのアプローチ 工程 1 AI処理(自動) AIによる 現行システム設計書の生成 人による確認(手動) 既存コード 1次検証(目視による検証)
現行設計書 2 AIによるリライトと 仕様反映レポート生成 リライト 観点 追加指示があれば AI駆動リライトを再実行 AI駆動リライト 新コード 3 参照 AIによる リライト後の設計書の生成 仕様反映 レポート 2次検証(レポート確認) リライト後の 設計書 設計書の抜け漏れ確認 参照 AIによる 現行設計書と リライト後の設計書の 比較レポート 4 現新設計書の比較 テスト結果 5 テスト実施結果の現新比較 3次検証(設計書レベル現新比較) 4次検証(テスト結果の現新比較) テストコード Copyright SHIFT Inc., All Rights Reserved. 11 -
SHIFT AI駆動リライトのアプローチ 工程 1 AI処理(自動) AIによる 現行システム設計書の生成 人による確認(手動) 既存コード 1次検証(目視による検証)
現行設計書 2 AIによるリライトと 仕様反映レポート生成 リライト 観点 追加指示があれば AI駆動リライトを再実行 AI駆動リライト 新コード 3 参照 AIによる リライト後の設計書の生成 仕様反映 レポート 2次検証(レポート確認) リライト後の 設計書 設計書の抜け漏れ確認 参照 AIによる 現行設計書と リライト後の設計書の 比較レポート 4 現新設計書の比較 テスト結果 5 テスト実施結果の現新比較 3次検証(設計書レベル現新比較) 4次検証(テスト結果の現新比較) テストコード Copyright SHIFT Inc., All Rights Reserved. 12 -
SHIFT AI駆動リライト誕生 AIによるリライトを定型化することで安定したリライトサービスを提供 AI駆動によるリライトの課題を解決 AI任せのリライトは再現性が低く安定しない → Playbookでリライトアプローチを明文化しアプローチを形式化 AI任せのリライトは抜け漏れや勝手な解釈が発生する → 設計書の比較により抜け漏れや独断によるリライトを防止
コンテクストにモジュール全体が読み込めない → 設計書を項目ごとに生成してマージすることで解決 ナレッジが溜まるとAIが勝手なことをする → 必ず5つのステップを実行しエンジニアが検証 Copyright SHIFT Inc., All Rights Reserved. 14 -
AI駆動モダナイゼーションのPMの実践 〜 実行フェーズを中心とした自動化の実例 〜 〜 計画フェーズ〜実行フェーズを中心とした自動化の実例 〜 Copyright SHIFT Inc.,
All Rights Reserved. 15 -
自己紹介 前川 貴史|Takashi Maekawa 株式会社SHIFT AIモダナイゼーションサービス部 AIモダナイゼーション推進グループ プロジェクトマネージャー 防衛・鉄道・医療といった社会信頼性が求め られる領域でのソフトウェア開発マネジメン
ト経験を持つ。 2026年にSHIFTへジョイン #中小企業診断士、ITストラテジスト #脂肪肝になってからポッコリお腹を なくすためジム通い Copyright SHIFT Inc., All Rights Reserved. 16 -
背景:なぜ今、PM業務におけるAI活用・自動化が必要か AI駆動開発によりタスク消化速度が激変(ワークパッケージ消化:3日→20分=約200倍) WBSの管理粒度が「日単位」から「分単位」へ。手動管理は現実的に不可能 同時に、PMが複数PJを兼務するのが当たり前になってきている → 情報収集から計画見直しまで手作業のままでは、PMが開発のボトルネックになる → だからこそ、AI駆動開発のスピードに合わせてPJ管理そのものを効率化する必要がある 組織的な狙い:「急拡大する組織でも品質を維持できる管理体制」の構築 Copyright
SHIFT Inc., All Rights Reserved. 17 -
実行フェーズの狙い 狙い:PMを受け身の「御用聞き」から、能動的な意思決定者へ変える Before(従来) 1 2 PJ管理 ツール 開発者 After(AI駆動) 状況を伝えてくれない
入力してくれない 順調です 特に問題 ないです (実は遅延 あるが言えず) Aさん Bさん Cさん タスクA タスクB 【要確認】タスクC タスクD 【要確認】タスクE AI リスク抽出 アラート2件 PM ピンポイント 確認 PM 自己申告では本当の問題が見えない 朝会30分 → ほぼ終了 3 PM たぶんこの辺が 危ない気がする… Aさん (勘です) Bさん Cさん 報告ベースの朝会を、 アラートベースの朝会へ変える リスクの発見・対策が属人的(人によって精度が変わる) Copyright SHIFT Inc., All Rights Reserved. 20 -
実行フェーズ:Git⇄PJ管理ツール連携とEVM自動アラート Gitの操作(ブランチ作成・PR・コミット)が自動でPJ管理ツールのタスクの状態に反映される 日次のEVM算出と、日をまたがった傾向分析によるリスクアラート報告まで、AIが一気通貫で実行 PJ管理ツール Script EVM指標 EVM指標 AI リスクアラート・ 進捗報告
EVM指標 Git 問題②③ 開発メンバ Branch/Rep. 作成 情報収集・リスクアラート報告 開発メンバ COMMIT /Push/Pull Req. 見直し計画 問題① 状況登録 Copyright SHIFT Inc., All Rights Reserved. 計画見直し AI PM 出力を確認し、 意思決定 意思決定・判断 21 -
AIの適用箇所 フェーズ 取り組み 実現方針 提案 見積もり AI化(AIがドラフトを生成) 計画 WBS・スケジュール自動生成 AI化(AIがドラフトを生成)
実行 Git-PJ管理ツール連携 自動化・連携(ルールベース、AI化ではない) 実行 EVM異常アラート・リスク台帳生成 AI化(状況の解釈・提案生成をAIが担う) 実行 意思決定・ステークホルダー管理 人間(意図的に自動化しない) 実行 WBS・スケジュール自動生成 AI化(AIがドラフトを生成) 終結 案件実績データ収集 自動化・連携(ルールベース、AI化ではない) 終結 振り返り→KPT自動生成 AI化(AIが分析・生成) Copyright SHIFT Inc., All Rights Reserved. 24 -
プロジェクト管理へのAI適用の考え方 ⚫ PMが複数案件を兼務するケースが増える中、手作業のままではPM自身が開発のボ トルネックになってしまう。 ⚫ AI駆動開発のスピードにPMの管理が追いつき、複数のプロジェクトを同時に、品質を落と さず見られる状態を作る必要がある。 ⚫ そこで以下に着目し、プロジェクト管理にAIを適用し、効率化している。 1
2 PMは判断が必要な作業に 集中できているか 品質を落とさず幾つのPJを 並行して担当できるか 3 PMがAI駆動開発の ボトルネックにならないか ⚫ 「AIを使えば何でも解決する」という考え方ではなく、適材適所でAIと自動化を組み 合わせている。 Copyright SHIFT Inc., All Rights Reserved. 25