# AI 駆動のコード最新化、成功のカギは「準備」にあった！

こんにちは、しぃちゃんだよ！今日は「AI でコードを最新化する」プロジェクトを成功させるために、実は一番大事だったりする「準備」の話を見つけたの。さっそく紹介していくね！

## なにが発表されたの？

今回紹介するのは、Claude の Blog に載った「How to prepare for AI-driven code modernization projects」という記事だよ。Anthropic の現場エンジニアが、企業の重要システムを AI エージェントで最新化するプロジェクトを始める前に、組織としてどう準備すればいいかをまとめてくれてるの。新機能の告知というより、実践的なプレイブック系の記事だね。

記事いわく、AI エージェントのおかげで、従来なら数年がかりだった最新化プロジェクトが数ヶ月に短縮できるようになったんだって。でもスピードが上がった分、今度は組織側の変更管理プロセスや承認体制が追いつかなくなって、新しいボトルネックになっちゃうことが多いみたい。

## なぜ重要なの？

「完了とはどういう状態か」「その変更が正当だと判断する基準は何か」——こういうことをプロジェクトの前にちゃんと合意しておかないと、後になってから同じ議論が何度も蒸し返されちゃうんだって。とくに銀行の基幹システムみたいに、変更のたびに厳格な変更管理プロセスを通す必要がある現場では、この準備がないままエージェントに任せるのはリスクが大きいよね。だからこそ、実行に入る前の準備段階そのものが、プロジェクトの成否を分けるポイントとして注目されてるの。

## これで何が変わるの？

記事では、準備段階を 6 つのステップに整理してくれてるよ。

- **ステップ 1: 目標定義** — 「アップリフト」（同じスタックのままバージョンを上げる）、「トランスフォーム」（スタックを変えつつ動作は同等に保つ）、「リイマジン」（動作そのものも変える）のどれを目指すのかを最初に選ぶ。既存システムのマッピングと振る舞い仕様書の作成、関係者間の合意形成が欠かせない
- **ステップ 2: 認証基準の定義** — 「元のテストスイートが通ること」「新規テストが通ること」「カバレッジの閾値を満たすこと」「パフォーマンス基準を維持すること」「独立した敵対的レビュー」「本番と並行稼働させての動作確認」といった条件から、システムの重要度に応じて選ぶ
- **ステップ 3: 昇格ポリシー設定** — エージェントの確信度と変更の影響範囲に応じて、人間によるレビューの深さを段階分けする。フラグが立った変更を定期的に分析して根本原因ごと直すことで、専門家（SME）の時間を効率よく使えるようにする
- **ステップ 4: 前提条件整備** — 専用のホスト環境やテスト環境、CI/CD、依存関係マップ、セキュリティ・コンプライアンスの承認、レビュアーの稼働時間などを事前に整える
- **ステップ 5: エージェント自動化ワークフロー構築** — Claude Code で最新化用の動的なワークフローを組み立てる。公式のコード最新化プラグインも活用しつつ、まずは小さな領域で SME レビューを重ねて、個々の変更ではなくワークフローそのものを改善していく
- **ステップ 6: 実行** — 小さな領域でエンドツーエンドを一通り試してから、確認できたところで本格展開する。既存システムをそのまま最新化する場合は、論理的な領域ごとに区切って進めるのがおすすめ

この順番で準備しておけば、エージェントが変更を量産できるようになっても、組織の承認プロセスや品質基準が追いつかなくなる事態を避けやすくなるはずだよ。

## 深く潜ってみよう

コスト見積もりの話も具体的に書かれてたよ。主なコスト要因は、読み込み対象に対してどれくらいの割合を変更するか、認証基準の複雑さ（検証作業が変更作業そのものより大きくなることも珍しくないみたい）、新規テストの作成・修復コスト、並行して進んでいる他の開発との調整コストなんだって。パイロットで実測した数値を全体に外挿しつつ、予測しきれない部分は「未知数」として計上しておくのがコツらしいよ。

モデルの使い分けについても触れられてて、Sonnet のような低コストのモデルは頻度の高い定型作業に、より高性能なモデルは難しい変換作業や敵対的レビューに割り当てるのがいいとのこと。失敗したときの再試行コストも考えて、「低コストなモデルで複数回試す」のと「高コストなモデルで 1 回で決める」のとを比較検討する、という視点も紹介されてたよ。

記事は次のように締めくくってるよ。

> Risk reduction is often the most important modernization benefit

リスク低減こそが最新化の一番の恩恵になることも多い、というわけだね。

## まとめ

- AI エージェントで最新化のスピードは上がるけど、組織の変更管理プロセスが新しいボトルネックになりがち
- 準備は「目標定義 → 認証基準の定義 → 昇格ポリシー設定 → 前提条件整備 → エージェント自動化ワークフロー構築 → 実行」の 6 ステップ
- コスト見積もりは変更対象の比率・認証基準の複雑さ・テストコスト・並行開発との調整から算出し、パイロットの実測値を外挿する
- モデルは定型作業に低コストなもの、難しい変換や敵対的レビューに高性能なものを使い分ける
- 個々の変更ではなく、問題が見つかったらワークフローそのものを直すのがポイント

重要システムの最新化プロジェクトを AI エージェントで進めようとしているエンジニアリングリーダーやアーキテクトさんに、特に刺さる内容だよ！