AI 导入案例
把遗留系统迁移到新平台时，最先要做的便是架构评估。按传统做法，需要抽调人手花费约一个月，产出的却只是纸面上的比较表与粗略估算。问题在于，这份比较表究竟对不对，在正式开发开始之前谁也无法确认。「所选的架构其实并不满足性能要求」这件事被发现时，往往已经到了无法回头的时候。这次的项目，我们抛弃了这种做法。
用 2 天做出「可运行的原型」，凭实测来定夺。
- 1. 对现行系统的解析 — 用 AI 智能体（Claude Code）把现行的界面、功能、权限彻底梳理一遍，整理成 14 个界面、45 项功能、527 个项目的按角色划分矩阵，以及一份带有处理分类的、含 46 条课题的台账
- 2. 原型构建（实际工时 2 天） — 完全按照评估中的架构，构建了一个由 API＋演示界面组成的可运行原型。规模约 6.6 万行（API 约 2.7 万行＋界面约 3.9 万行）
- 3. 投入数据进行实测 — 投入 1 万条数据，测量全部 API 与全部界面的响应。「这套架构在这个规模下，能跑出这个速度」由此化为具体的数字
正因为做了实测，无论是性能劣化还是应对措施，都能凭「事实」来讲。
投入 1 万条数据时的首次测量中，部分 API 耗时 22 秒，界面显示则超过了 90 秒。若是纸面评估，到这里就得推倒重来，但因为有了实物，可以定位出到底哪里慢，并据此采取对策。从重新审视索引设计到改变访问模式，我们把对策分成 4 个阶段逐步施加并重新测量，结果——全部 API 从 22 秒降至 3 秒以内，全部界面从超过 90 秒降至 2 秒级。单条获取更实测确认了 600 倍的提升。由于是带着这些数字确定架构的，「上线后也许性能达不到」这份不安也一并被消除了。
「调研」的常识正在改变。
这种做法的本质，并不在于速度本身。而在于让决策的依据从「推测」变为「实测」。纸面的比较表变成了可运行的原型与测量数据，「大概扛得住吧」变成了「在这个规模下响应时间是这个数」，问题被发现的时机也从正式开发途中提前到了架构评估阶段（＝还可以随意重来的阶段）。原型如今已能以扔掉也不心疼的成本做出来。所以，先做出来再决定。架构评估、技术选型、PoC 的推进方式，都因 AI 智能体的登场而被从根本上改写了。
您是否也正被同样的状况所困扰？
「新系统的架构迟迟定不下来」「无法判断供应商的提案是否妥当」「不想在 PoC 上花好几个月」——那样的评估，不妨用可运行的实物＋实测值来推进，如何？
本公司以「AI Re: Platform」（简称：AIR Platform）的形式提供遗留系统的革新服务。
对现有源代码的解析阶段免费。解析结果将整理成一份技术债务清单，以及「重建／封装」的初步策略，作为简版「AIR 报告」交付给您（在签署 NDA 后实施）。欢迎立即咨询。
咨询表单（请注明「希望免费解析（AIR 报告）」）／ info@flagship-ai.jp
免费线上研讨会「Legacy to AI ― IT 行业的产业革命，与重生一套 20 年老 Java 系统的实录」即将举办（日程调整中）。预先报名将于近日开放 ― 届时将在本博客公告。
系列「Legacy to AI 实录」
- 总集篇：一台 PC 打造 22 套系统、24.6 万行 ― AI 开发 3.5 个月的实测记录
- 实录①：约一周将 20 年老 Java 系统彻底革新
- 实录②：不改动现有代码一行，为核心系统打造全新入口
- 实录③：将一个月级别的架构评估，用 2 天原型＋实测搞定（本文）
※本文中的数据为截至 2026 年 7 月末的实测值。开发成果因系统状态与需求而异。