Solutions

事業紹介 > AMANEX

#AMANEX #AI駆動開発 #設計支援基盤 #レガシー刷新
AI駆動開発支援基盤 AMANEX

あまねく、たどりつく。

Everywhere, everything, within reach.
AI駆動開発支援基盤「AMANEX(アマネックス)」

長く運用されてきたシステムほど、機能追加や改修の積み重ねでソースコードは巨大化し、「全体を理解している人」に依存しがちになります。AMANEXは、巨大化・属人化した既存コードとナレッジを構造化ドキュメントへ自動変換し、設計理解・継続開発・レガシー刷新を非属人的に支えるAI駆動開発支援基盤です。出来上がった設計ドキュメントは人とAI共通の参照点となりお互いが協調して開発を進める礎となります。

01

開発現場が直面する
「情報のサイロ化」と 「ブラックボックス化」

「この機能を追加するにはどこをいじればいい?」「ファイルやクラスの依存関係が複雑で分からない」「あのときの資料はどこだっけ」「顧客で起きた不具合の調査はどうなった?」——開発現場では日々こうした問いが繰り返されます。

  • 巨大システムのブラックボックス化:数千〜数万ファイル規模の既存コード仕様を完全に理解している人材が不在で、保守コストが肥大化していく。
  • 情報のサイロ化:GitHub・Redmine・Google Drive・Zendesk・社内Wikiなどに情報が分散し、属人的なナレッジ管理で検索性が失われている。

02

「AIに全部放り込む」
だけではうまくいかない

AI Agentは誰もが使える時代になりましたが、巨大な既存リポジトリを「漏れなく・継続的に・品質を保って」文書化することは別問題です。そのままAIに丸投げすると、次の壁に突き当たります。

  • コンテキスト制限:1Mトークン級のモデルでも、数千〜数万ファイルを一度に扱うと抜け落ちなく品質を保ったすべてのファイルのドキュメント生成を自動で行うことは不可能。
  • セッション間の状態分断:「どこまで終わったか」を跨いで記憶・自律管理(レジューム)することが苦手。
  • 暗黙のルール喪失:「なぜその設計にしたか」「何を壊してはいけないか」をコード単体から都度推測するのは難しい。

Solution

目的別の2つの支援基盤と、その統合活用

AMANEX docgen

設計支援基盤

巨大コードから設計ドキュメントを完全自動生成。属人的な設計知識を客観的なドキュメントへ変換し、機能拡張やモダナイゼーションの確実な足場をつくります。

AMANEX Knowledge

知識支援基盤

社内に分散するナレッジを横断検索。必ず元となった文書の引用をエビデンスとして提示し、ハルシネーションを抑制した回答を生成します。

2つの基盤の統合活用

AI駆動開発の全フェーズを支える統合インフラ

2つの基盤はそれぞれ単独でも使えますが、docgen が生成した設計ドキュメントを Knowledge の知識ベースにも取り込むことで活用の幅が広がります。土台となる docgen の構造化ドキュメントに対し、Knowledge がエビデンス付きで問い合わせに答える——この組み合わせにより、企画・要件定義から設計・実装・テスト・運用サポートまで、AI駆動開発の全フェーズを一気通貫で支援します。

生成された構造化ドキュメントを既存の AI Agent の「入力」として活用することで、エントリポイント問題の解消(トップダウンで必要な箇所を特定)、ドキュメントに沿った安全な変更(明文化された仕様の参照でシステム破壊を抑止)、他ドキュメントとの横断活用(Redmine・Zendesk・Google Drive などと併用した運用サイクル全体の支援)が可能になります。

AMANEX docgen と AMANEX Knowledge が、企画・要件定義/設計/実装/テスト・デバッグ/運用・サポートという AI駆動開発の全フェーズを支える統合インフラの概念図

Approach

AIへの「丸投げ」からの脱却 — ハーネス設計
論理的に確実であるべき部分は
プログラムで制御し、
柔軟な文章生成はAIに任せる

AMANEXの核心は、処理全体をAIに委ねず、厳密であるべき部分(オーケストレーションプログラム)自然言語生成の部分(AI/LLM)を明確に分けたハイブリッド設計にあります。

  • ボトムアップ・アプローチ:最下層のファイルから上位構造へ段階的に解析し、巨大なコードベースでもAIの限界を超えて処理を完遂。完成後はトップダウンで辿れるドキュメントになります。
  • 完全性の保証:全ファイルの網羅保証・品質チェックとリトライ・欠損検知。「100%完了」の表示と実ファイルのギャップまで検証します。
  • 継続運用:差分検出による差分のみの反映、中断/再開対応で、コード変更後もドキュメントを常に最新に保ちます。
  • プログラミング言語の構造解析:定義・参照・継承関係を構造的にたどり、テキスト検索では捕らえにくい関係性を把握します。

Results

導入実績 — ビープラッツ株式会社様(大規模Webアプリ/約9,000ファイル)

ビープラッツ株式会社様では、AMANEXが生成したAI設計ドキュメントとAI Agentを日々の開発サイクルに組み込み、開発者とAIが協調して開発を推進する「AI駆動開発」がすでに始動し、成果を上げています。

10,465

生成した設計ドキュメント総数

9,038

ファイルドキュメント(全ソース対応)

80MB

生成されたドキュメント容量

さらに、調査・影響分析・テスト設計に直結する実務向けの構造化情報も自動生成しています(定数・Enum値の逆引き辞書 4,539件、ルーティング定義 61ルート、Modelリレーション 722件、エラーコード一覧 848件、ユニットテスト一覧 769ファイル/2,568メソッド ほか)。生成物はHTML化され、LLM不要のオフラインでも閲覧できる軽量ビューアとして提供されます。

Use Cases

こんな課題に応えます

既存システムの設計理解・引き継ぎ

属人化した仕様を客観的ドキュメント化し、新規参画者の立ち上がりと日常的な改修判断を支える。

安全な機能追加・影響分析

依存関係・呼び出し箇所を構造化し、「この変更で何が壊れるか」を事前に見極める。

レガシー資産のモダナイゼーション

現行コードと整合する仕様書として、別フレームワーク・別言語への再実装の起点に。人とAIの共通の参照点になる。

AI Agent活用の事前構造化

よく参照される情報を先に構造化しておくことで、都度のトークン消費と調査コストを抑え、Agent活用の効率を底上げする。

Article List

関連記事一覧

news0
Coming Soon

Contact Us

まずはご相談から