基幹レガシーシステムモダナイゼーション

某大手クレジットカード会社

課題

レガシーシステムの属人化と AI 精度不足

日本大手クレジットカード会社のコア業務システムは、数十年にわたりCOBOL・JCLを基盤として構築され、歴代のシステム資産が積層されています。
業務仕様の全体把握が困難であることに加え、有識者への知見依存・属人化が深刻であり、保守・更改工数の肥大化、Java を用いたモジュール化・モダナイゼーションに向けた正確な仕様化が最大の課題となっていました。
また、汎用的な AI モデルではドメイン知識の精度不足、ハルシネーションリスクが避けられず、実務で利用可能なレベルの自動化・支援が実現できていませんでした。

解決策

AIDD フレームワークによる知識構造化と検証エージェント

当社のAIDD（AI Driven Development）フレームワークを基軸に、顧客が保有する業務ドキュメント・有識者ヒアリング結果を統合し、独自ドメイン知識の構造化を実施。高精度な業務 AI 基盤を構築し、複数の検証エージェントを用いて POC を実施しました。

1. 高精度 RAG の高度エンジニアリング

業務知識の正解率・信頼性を最大化するため、独自チューニングを施した RAG 基盤を設計・実装しています。

2. ハイブリッド検索（意味ベクトル検索＋キーワード検索）

意味的な類似検索と文字列検索を組み合わせ、高い再現率と精度を両立させています。

3. 多重検証（Multi-check）および確信度スコアリング

AI 出力結果に対して複数の観点から検証を実施し、確信度（Confidence Score）を数値化することで、ハルシネーションを回避しています。

4. 多ベクトル DB＋Markdown による知識構造化

知識資産をベクトルデータベースで検索可能にすると同時に、Markdown 形式で構造化・可視化することで、可読性・運用性・再利用性を向上させています。

5. マルチエージェントによる開発・解析支援

上記の知識基盤を活用し、次の 3 つのエージェント機能を検証しました。
・仕様書に基づくCOBOL コード自動生成エージェント
・既存 COBOL ソースから業務ワークフロー・構造化仕様書を逆生成するエージェント
・更改要求に対する影響範囲分析エージェント

6. Java モジュール化への移行基盤整備

逆生成された構造化仕様を基に、Java モジュール化への移行基盤を整備。

効果

知見の形式知化と開発・保守工数の大幅削減

・長年蓄積されたレガシーシステムの暗黙知が構造化され形式知として整理され、知見の属人化問題を解消
・ハイブリッド検索・多重検証・確信度スコアリングにより、実務で信頼できる AI 出力を実現
・コード自動生成・仕様逆生成・影響範囲分析の自動化により、開発・保守工数を大幅に削減
・ベクトル DB＋Markdown による知識資産管理により、知識の運用性・継承性・再利用性が飛躍的に向上
・基幹システムの Java 化・モジュール化に向けた正確な仕様基盤と道筋を確立
・今後のシステム更改・運用全体において、AI 駆動による持続的な生産性向上と品質安定化が可能

Case