「コードを書くのは問題ではなかった。旧システムと1行単位で一致すると証明するのが問題だった」——今回の事例で一番刺さったのはこの一文です。
米国の農作物保険会社ProAg(東京海上HCCグループ)は、見積・保険金請求・契約管理の大半をWindows専用の.NET Framework群で動かしてきました。10年以上積み上がった業務ロジックをクラウドへ移す方針でしたが、社内チームが1つの業務プロセスを移すのに6カ月以上かかっていました。プロセスは数百あるので、そのままでは数年がかりです。
そこで外部パートナーと組み、AIエージェントで「最も複雑なプロセスの1つ」を移したところ、約5週間で旧システムとの出力が100%一致する移行版ができた、という公開事例です。
事例の規模(公開情報の数値のみ)
- 移行元:オンプレミスの.NET Framework 4.8(Windows専用ライブラリ依存あり)
- 移行先:.NET 8(顧客コメントより)、コンテナ化してAWS EKSで稼働
- 対象:数百ある業務プロセスのうち、複雑度・業務価値が高い1プロセス(複雑な帳票PDF生成の移植を含む)
- 期間:約5週間(従来は1プロセスあたり6カ月超)
- 効果:社内ベースライン比で約3〜5倍速く・安く。ProAg側は「社内チームの5分の1の時間」とコメント
- 品質:全テストで旧システムと出力が一致(100% data match)
注意点として、公開記事自身が「本番投入可能を意味するわけではなく、追加のハードニングが必要」と書いています。ここは誇張せずに読むべきところです。
手順1:最初に“簡単なプロセス”を選ばない
PoCでありがちなのは、成功しやすい小さな処理を選んで「AIで速くなった」と報告するパターンです。この事例は逆で、「自分たちが本当にやらなければならない仕事にこの方法が通用するか」を確かめるため、あえて高難度のプロセスを選んでいます。
経営層への説明でも、簡単な処理での成功は「で、本丸は?」と聞かれて終わります。最初の1件は難しいものを選ぶ、が一つ目の教訓です。
手順2:AIを“自社の境界の中”で動かす
農作物保険は米国で強く規制されており、規制対象のコードやデータを外部AIサービスへ送れません。そこでClaudeをAmazon Bedrock経由で、ProAg自身のAWSアカウント内から呼び出す構成にしました。すべてのモデル呼び出しが既存の統制下にある環境で完結します。
日本の金融・公共系でも「ソースコードを外に出せない」は定番の壁です。モデル選定より先に「推論をどのアカウント・どの閉域で動かすか」を決めておくと、セキュリティ審査が一気に進みます。
手順3:移行前に“地図”を作る(1週目)
コードに手を付ける前に、エージェントで2段階のドキュメント化を行いました。
- 周辺システム全体をざっと走査して文脈を集める
- 対象コードを深掘りし、クラス・ストアドプロシージャ・データストア・フィーチャーフラグの関係を書き出す
さらに関連リポジトリや、社内エンジニアが過去に移行したプロセスのパターンも取り込みました。1週目の終わりには依存関係の「オントロジーグラフ」ができ、これを業務の有識者(SME)がレビューして正しさを確認しています。ここが最初の人間ゲートです。
手順4:移行計画もエージェントに作らせ、分岐を先に出す
次に別のエージェントが、アーキテクチャ判断・ライブラリ置換・テストハーネスを含む移行計画を作成しました。入力は手順3のグラフと、ProAgがもともと決めていた移行先アーキテクチャです。
計画段階で「そのまま移せない部品」を洗い出し、社内で既に使っている代替品に置き換えるもの、書き直すものに分けています。Windows専用ライブラリ依存は.NET移行の典型的な詰まりどころなので、ここを最初に可視化するのは真似する価値があります。
手順5:ステージごとに“ハードな関門”で止める
対象プロセスを「データ取得 → フィルタリング → 計算処理 → 帳票作成」の4ステージに分解し、1ステージずつ移行しました。各境界で旧版と新版を同じ入力で動かし、専用の検証フレームワークで出力一致を確認できるまで次へ進みません。
ポイントは、検証ハーネスを「移行の後」ではなく「移行と並行して」、しかも独立した成果物として作ったことです。最初と最後だけ比べると、ズレの原因がどのステージにあるか分かりません。境界ごとに比べるから、AIの誤変換を早く局所化できます。
手順6:本番相当データでフィールド単位の差分を残す
全ステージが通った後、本番を模した同一入力で新旧を並行実行し、出力をフィールド単位で比較しました。全フィールドが一致し、そのフィールド別差分レポートをProAgが正式な記録として保管しています。規制業種では、この「証跡」が次の承認を取る材料になります。
現場で真似するなら
- 最初の1件は難易度の高いプロセスを選び、成功の説得力を取りにいく
- 推論環境(自社クラウドアカウント内など)を先に固め、コード持ち出しの議論を終わらせる
- 1週目は「依存関係の地図」づくりと有識者レビューに使う
- 処理をステージに分け、境界ごとに新旧出力を自動比較する関門を置く
- 検証ハーネス・ドキュメント化手順・エージェントのテンプレートを残し、2件目以降を速くする
記事では、こうした部品は使い捨てではなく残りのプロセスにそのまま使え、回すほど速くなるとしています。AIで変換すること自体よりも、「一致を証明する仕組み」をどれだけ先に作れるか。.NETでもJavaでも、レガシー移行の勝負どころは同じだと感じます。
出典
- Intellias「How Agentic AI compressed a six-month specialty insurance core system modernization into five weeks at ProAg」(2026-06-09公開、2026-09-07更新) https://intellias.com/how-agentic-ai-compressed-a-six-month-specialty-insurance-core-system-modernization/