レガシー・モダナイゼーション：30人の開発者の仕事をする3つのAIエージェント。

コア業務を動かす120万行のJava 6があります。アーキテクチャを書いたテックリードは2017年に去りました。ドキュメントは死んだConfluenceウィキにあります。そして役員会が12か月でクラウドネイティブマイグレーションを要求してきました。はっきり言いましょう：人間チームだけでは実現不可能です。

Abbealでは、手動書き直しより60%速く作業を行う3つの専門AIエージェントを構築しました。エンジニアを置き換えるためではなく、彼らが取り組めることを倍増させるためです。

エージェント1：The Archaeologist

ミッション：埋もれた業務ロジックをマッピング。レガシーコード、DBスキーマ、本番ログ、過去のJiraチケットを取り込みます。重要な関数、暗黙の業務ルール、実際の（理論的ではない）実行パスの有向グラフを生成します。

欧州リテールクライアントで、Archaeologistは4週間で73の未文書化業務ルール、うち11のモジュール間矛盾を特定しました。人間チームなら同じ結果を手でコードを読んで8か月かかったでしょう。

エージェント2：The Architect

Archaeologistが生成した業務グラフを取り込み、クラウドネイティブターゲットアーキテクチャを提案します：サービス分解、スタック選択（コンテキストに応じてKotlin + Postgres + KafkaまたはGo + DynamoDB）、統合パターン、段階的マイグレーション戦略。

Architectは単独で決定しません。数値化された3つのシナリオ（労力、リスク、タイムトゥマーケット）と詳細なADR（Architecture Decision Records）を生成します。人間のテックリードが調停します。エージェントはホワイトボードワークショップで費やされる3〜5週間の設計を節約します。

エージェント3：The Cleaner

安全な自動リファクタ。CleanerはArchitectの決定を取り込み、振る舞い等価性テスト付きでターゲットコードを生成します。小さな増分、PR毎に500行を超えずにリファクタし、各ステップで完全なリグレッションスイートを実行します。

python
# Workflow Cleaner, simplifié
class CleanerAgent:
    def refactor_module(self, legacy_path: str, target_arch: dict):
        old_behavior = self.capture_behavior(legacy_path)
        new_code = self.generate_target(legacy_path, target_arch)
        new_behavior = self.execute(new_code)
        
        if not self.behaviors_equivalent(old_behavior, new_behavior):
            return self.escalate_to_human(legacy_path, diff=...)
        
        return self.create_pr(new_code, tests=self.generate_tests(...))

なぜマルチエージェントで、大きなLLMではないのか？

単一のジェネラリストエージェントはハルシネーションを起こし、30ファイル後にコンテキストを失い、構造記憶がありません。独自の役割、ツール、evalを持つ3つの専門エージェントは、9か月のマイグレーションプロジェクトの期間を持ちこたえます。各エージェントは独自のevalデータセット、独自のガードレール、独自の人間オーナーを持ちます。

40クライアントの数字

• マイグレーション時間削減：平均58%、Javaモノリスでは最大73%。
• 等価性テストカバレッジ：レガシー振る舞いの94%を自動キャプチャ。
• マイグレーション後本番バグ：同等の手動書き直しに対して-41%。
• 最初のPRまでの時間：3か月ではなく3週間。

このアプローチは月曜にデプロイするSaaS製品ではありません。方法論、スタック、エージェントをパイロットするシニアエンジニアチームです。レガシーがイノベーションへの投資よりも四半期ごとに高くつくなら、おそらく話すべき時期です。