AI 导入案例
考虑到这是个乍看之下难以置信的数字，先把前提写在前面。这既不是推算，也不是理论值，而是对本公司工程师实际使用的一台开发 PC，汇总其全部 Git 仓库的提交历史与开发服务器实机后得出的实测值。周期为 2026 年 4 月中旬至 7 月末的约 3.5 个月，执行者是 1 名工程师与一个 AI 编码智能体（Claude Code）。
| 指标 | 实测值 |
|---|---|
| 开发／更新的系统与项目 | 22 |
| 编写／更新的代码（新增行数） | 约 24.6 万行 |
| 提交次数 | 446 |
| 周期 | 约 3.5 个月（大部分集中在最近 6 周） |
为保证数字的可信度，统计时将各类库（node_modules、Python 虚拟环境等约 100 万行）、锁文件、图片等二进制文件、仅从现有系统迁移过来的资产，以及跨仓库重复的代码，一律予以排除。反过来说，由于不包含直接在服务器上完成的搭建工作，实际工作量应比这个数字更多。
若纯靠人力手工，要多少人月？
若按业务系统开发通用的生产率参考值「1 人月＝1,000～2,000 行」（含设计、实现、测试、调试）来换算，24.6 万行相当于约 123～246 人月，也就是 10～20 人年。若以人月单价 100 万日元估算，则是 1.2～2.5 亿日元规模的开发量。
而这些，由 1 个人在兼顾其他业务的同时，用 3.5 个月便完成了。单纯计算也有 35～70 倍，若只看工作集中的最近 6 周，生产率更超过 100 倍。当然，行数并不等同于质量或价值。但如此悬殊的规模差距，已经不是「提升效率」一词所能形容的了。生产的主体已从人的双手换成了 AI 智能体——正如产业革命中工匠的双手被机器所取代，同样结构的变革正在软件开发领域上演。
都做了些什么？
- 面向门店与企业的 SaaS 共 7 套（社交媒体发布管理、库存管理、销售分析、LINE 会员平台、口碑评价 AI 应答、门店背景音乐、学习网站）— 其中最大的一套有 176 次提交、4.1 万行。库存管理 SaaS 用 3 天写出了 2.3 万行
- 企业官网共 4 个（含多语言站点。均为不使用 CMS 的静态架构＋由 AI 进行更新运维）
- 一套 20 年老 Java 系统的彻底革新（实录①）
- 运行在停止支持的操作系统上的核心系统的渐进式迁移网关（实录②）
- 新平台架构评估的原型（实录③）
- 此外还有各类内部工具、基础设施配置与文档
老实说：AI 并不是魔法。
只讲成功的部分并不公平，所以也把实际发生过的事写下来。10 年前就已损坏的数据，AI 也无法还原（丢失的信息是无法凭空发明的）。也曾发生过并行作业导致代码被回退的事故，最后靠 Git 历史才恢复。AI 的初期假设后来被推翻，也不止一次。
正因如此，本公司才把 AI 驱动开发与一套方法论捆绑运用——对全部功能强制以真实数据验证、恪守 Git 运维的纪律、策略层面的决策交由人来做。关键不在工具，而在方法论。这正是我们能在 3.5 个月、24.6 万行的过程中持续做到零事故交付的原因。
您是否也正被同样的状况所困扰？
- 手里握着一套已无人知晓其规格的遗留系统
- 革新的报价高达数千万日元、以年为单位，动弹不得
- 正在寻找「改用 SaaS、让业务去迁就它」之外的其他选项
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（本文）
- 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。