【概要】
事業会社向けに、Java EE基盤の業務システム改修プロジェクトで、AI駆動による影響範囲分析・コードレビュー・テスト観点抽出を提供しました。
レガシーコード特有の暗黙仕様・属人化した実装ルールを、AIで構造化・可視化することが目的です。

【背景・課題】
Java 1.8＋大規模な業務ロジックを抱える基幹システムで、新規改修と同条件で発火する既存関数の影響範囲が膨大。
人手でのgrep・追跡では工数が爆発し、リリースリスクが高い状況でした。

【提供内容】
1. AI影響範囲分析：改修対象クラスの呼び出し分布を全量解析し、修正対象を3段階（必須／要確認／無関係）に分類
2. AIコードレビュー：改修コードに対して品質基準・回帰観点で評価、指摘と修正方針を根拠付きで文書化
3. テスト観点抽出：既存仕様からテストケース骨子を自動生成
4. 複数回の改訂サイクル伴走：指摘対応版を反復レビュー

【工夫点】
・レガシー特有のコード規約・命名ルールをfew-shotでAIに学習させ、誤検知を低減
・成果物形式を発注元の稟議・品質基準（指摘表＋根拠＋エビデンス）に合わせて設計
・AI×人手のハイブリッド体制で、最終判断は人、定量分析はAIに寄せて工数を圧縮

【成果】
改修対象範囲を当初想定から大幅に絞り込み、レビュー工数の削減と検出件数の増加を実現。
発注元の品管部門から継続案件化の方向で評価いただきました。