金融系のような堅牢さが求められる現場で、AI駆動開発をどう進めるかの大きなヒントになります。
11/2時点の判定。発表内容から編集部AIが判定しています。最新の提供状況は公式情報をご確認ください。
発表内容をもとにした一般的な情報です。投資や契約の判断は、公式情報を確かめたうえでご自身で行ってください。
AWSのブログによると、ニッセイ情報テクノロジーがAI開発の方法論「AI-DLC」の最新版を使って、個人保険の基幹系システム保守開発に挑戦しました。内製の内製AIエージェントツールと組み合わせた実案件での取り組みが紹介されています。
写真はイメージです。写真: MonarchErgoIndia / Wikimedia Commons（CC0）
かんたん版：専門用語を使わずに説明しています
ニッセイ情報テクノロジーが、AWSの新しいAI開発の仕組みを使って、間違いが許されない保険のシステムづくりを効率化する取り組みを公開しました。
AIにすべてを任せるのではなく、人が大事な判断をして承認するルール（AI-DLC）をしっかり守りながら開発を進めるところがポイントです。決まった作業は人間が作ったツールで確実にこなし、AIが得意な部分はAIに任せるという役割分担をしています。
大規模なシステム開発や、品質がとても厳しい現場で働いている人にとって、生成AIを仕事にどう取り入れるかの具体的なヒントがたくさん詰まっています。
AWSが提供するワークフローの仕組みはGitHubで公開されており、企業での開発プロセス改善の参考にすることができます。
AWSの公式ブログが公開されました。ニッセイ情報テクノロジーの記事です。AI開発の方法論「AI-DLC」の最新版を活用しました。個人保険の基幹系システムの保守開発に挑戦しています。内製のAIエージェントツールと組み合わせました。品質を保ちながら開発を効率化する取り組みです。
AWSが新しい方法論を提唱しています。名前は「AI-DLC（AI-Driven Development Life Cycle）」です。最新のワークフローが発表されました。「AI-DLC Workflows 2.0」です。以下ではv2と呼びます。ニッセイ情報テクノロジーによる実案件での取り組みが公開されました。
2026年9月に3日間のワークショップが開催されました。名前は「AI-DLC Unicorn Gym」です。日本生命の業務所管部門と開発部門がチームを組みました。ニッセイ情報テクノロジーの開発部門も一緒です。個人保険の基幹系システムの保守開発にv2を適用しました。今回は法人向け通知帳票の改修を題材にしています。検証が行われました。
最初の版はv1でした。v1ではAIがルールを解釈して進めていました。しかしv2は違います。コードで実装したエンジンが次に進むステージを決定論的に制御します。これで承認ゲートの仕組みが確実になりました。人の応答が記録されてから次の工程へ進みます。
v1は一本の流れでした。しかしv2では選べるようになりました。案件の性質に応じて必要なスコープやステージを選べます。これにより保守開発に特化した独自のスコープを組み込めます。そのまま進められるようになっています。
ニッセイ情報テクノロジーは独自ツールを作りました。ブラウザから使えるReact製のAIエージェントツールです。Claude Agent SDKやAmazon Bedrockなどを活用しています。社内のコーディング規約やRedmineなどとも連携させています。
ワークショップのアンケート結果が出ました。
また通常は別の期間がかかります。6名で6カ月ほどかかる今回の改修案件です。これを4名で3カ月ほどで終えられる見込みとしています。
今回の発表は特定のAIモデル単体の性能比較ではありません。エンタープライズの現場での話です。生成AIを開発プロセス全体にどう組み込むかという方法論を扱っています。実践に関する内容です。金融機関のような領域があります。高い品質と説明責任が求められる領域です。ここではオープンソースのワークフローを使っています。さらに内製ツールを組み合わせました。具体的なユースケースを示している点が特徴です。
AWSが提供するツールがあります。「AI-DLC Workflows」です。これはGitHubでオープンソースとして公開されています。利用には別の費用がかかります。ClaudeなどのLLMやAWSリソースの利用料金が別途発生します。ただし今回のブログ記事内には記述がありません。特定の製品価格やライセンス料についての言及はありません。
AWSのツールがあります。「AI-DLC Workflows」です。これはGitHubから誰でも参照できます。利用も可能です。ニッセイ情報テクノロジーの事例もあります。日本の国内リージョンを前提に構築されています。Amazon Bedrock経由のAnthropic Claudeモデルなどを使っています。国内のエンタープライズ環境で実際に活用されています。
既存のシステム保守や改修作業があります。そこでAIエージェントと内製ツールを使います。これらをどのように連携させているかがわかります。コーディング規約やテストを効率化する手法です。具体的な設計手法が参考になります。
業務部門と開発部門が同じチームになります。そこでAIの成果物をその場で確認します。判断の待ち時間をなくす進め方があります。この進め方のメリットを知ることができます。
品質とスピードの両立が求められます。これは基幹系システムにおいて大切なことです。生成AIを導入するアプローチがあります。安全かつ説明可能な形で開発プロセスに導入します。その先進事例として活用できます。
今回の事例は重要な点を示しています。生成AIを単なる補助ツールにしてはいけません。開発プロセス全体を再設計する中核として位置づける必要があります。その重要性を示しています。開発プロセスの見直しを考えている組織があります。そのような組織はまずは確認してみるとよさそうです。公開されているワークフローの仕組みや事例を確認するのがおすすめです。
同じ話題の記事使えるAWSの生成AI基盤『Amazon Bedrock』、かさんだ利用費をチームごとに突き止める運用モデルAmazon BedrockのコストをIAMプリンシパル単位で自動で割り当てることが可能。前日に出た記事から大きな発表を選び、1本2行でまとめてメールで届けます。無料・いつでも解除できます。
主要企業の大きな発表だけ、1日4回まで。夜22時〜朝7時は鳴らしません。いつでも解除できます。
本記事は公式発表の文章をもとにAIが要約・解説して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元記事を読む（解析モデル: gemini-3.5-flash-lite）制作方法と事実確認の手順は編集方針をご覧ください。誤りのご指摘はお問い合わせから受け付けています。
AWSブログで公開された、週1,000件のプルリクエスト（PR）を処理するAI開発チーム『Kiro Crew』の安定化手法を解説。自動テスト、レビューのティア分け、ループの仕組みを詳しく紹介します。
AWSが発表したSAP ABAP向けのスペック駆動開発（SDD）を解説。バイブコーディングの課題を解決し、仕様をコードの背後に残す新しいワークフローを詳しく紹介します。
AWSの週刊アップデート情報を解説。Amazon BedrockのStructured Outputs対応やAWS Trainium向けネイティブPyTorchなどを詳しく紹介します。
OpenAIの新AIモデル「GPT-6.1 Terra」がAmazon Bedrockで一般提供開始。料金は半額になり、視覚推論やコンピュータ操作が向上。価格や特徴を解説。
