パッケージ保守開発の生産性向上（某ヘルスケア企業様）

課題

十数年にわたる継続開発のなかで、業務ルールがソースコードのなかに暗黙的に埋め込まれていました。
そのため改修時の影響範囲を評価しにくく、知識が現行コードと担当者の経験に分散しているため、新しく参画した開発者のキャッチアップにも時間がかかっていました。

解決策

現行のソースコードを解析してグラフDBに格納する Code RAG を導入し、ナレッジ駆動開発（KDD）の体系を構築しました。
チャットで質問するとAIがグラフDBを検索・分析して回答するため、現行業務の理解や既存資産の調査を効率的に進められます。
あわせて、開発規約・業務ルール・過去の失敗事例を仕様（SPEC）として定義し、AIによるレビューで違反を検出しています。

成果

導入前後の比較で、次の結果が得られました（ソース規模12,000KLのパッケージが対象）。

現行仕様の調査時間：10時間/件 → 6時間/件（5件平均、約40%短縮）
レビュー指摘密度：5.78件/KL → 3.89件/KL（約33%減少）
詳細設計から実装完了までの生産性：0.55KL/人月 → 0.72KL/人月（約31%向上）
指摘対応時間：12.75H/KL → 7.5H/KL（約41%短縮）

いずれも計測時点・対象範囲での結果です。