ライブ配信向けBeauty Camera AI SDKの開発・統合 本プロジェクトでは、ライブ配信サービス向けに、顔ランドマーク検出と美容フィルターを備えたBeauty Camera AI SDKを開発しました。PC Web、スマートフォンWeb、Windowsアプリの3つのプラットフォームへの導入を支援しました。開発工数は12.31MMです。 プロジェクト概要 開発対象 Beauty Camera AI SDK 対象サービス ライブ配信サービス 開発工数 12.31MM 対応プラットフォーム PC Web、スマートフォンWeb、Windowsアプリ Beauty Camera SDKの処理フロー 720p・1080pのFull HDカメラ映像から顔の位置と特徴点を検出し、検出した顔領域へ美容フィルターを適用します。加工後の映像をバーチャルカメラとして出力し、ライブ配信ページへ連携します。 主な美容フィルター：スキンスムージング、小顔効果、目の拡大、チーク 開発・最適化のポイント 01．低スペック端末への最適化 優先度の低いAIフィルターを整理し、必要なフィルター機能へ処理を集中しました。ライブ配信の性能と映像品質を考慮しながら最適化しました。 02．プラットフォーム別の導入 PC Web：統合ドキュメントを作成し、Beauty Camera SDKの導入を支援しました。 スマートフォンWeb：AI SDKを開発し、Webサービスへの統合を支援しました。 Windows：AI SDKを開発し、Windowsアプリへ統合しました。 03．Windows向けSDK構成 C#、C++、.NET Frameworkを使用し、x86・x64向けのSDKパッケージを構成しました。 UAT支援とSDK統合資料を提供し、PC Web・スマートフォンWebへの統合支援、およびWindowsアプリへのSDK統合を完了しました。 使用技術 C#｜C++｜VueJS｜Windows .NET Framework｜GitLab｜Bitbucket AI・画像処理SDKについて相談する AIソリューション実績集をダウンロードする
PHP 5.3の配電工事管理システムをJava 21／Vue 3へ刷新 本プロジェクトでは、PHP 5.3.6で構築されたモノリス型の配電工事管理システムを、Java 21／Vue 3へ段階的に再構築するモダナイゼーションPoCを実施しました。PoCでは16画面を対象に3カ月間で検証を行い、AIの活用によって移行工数を41％削減しました。 プロジェクト概要 対象システム 配電工事管理システム 業務範囲 調達 → 地中工事 → ケーブル → 配電 PoC検証範囲 16画面 PoC期間 3カ月 AI活用による移行工数削減 41％（115 MD → 67.8 MD） 現行システムと移行先システム 現行システムは、約900K LOCのソース、1,291本のPHPファイル、7,548本のSQLファイル、約800画面・8モジュールで構成されています。本PoCでは、バックエンドにJava 21、Spring Boot 3、MyBatis、HikariCP、REST API、フロントエンドにVue 3、TypeScriptを採用しました。Oracleのスキーマは変更せずに移行を検証しました。 現行システム 移行先システム構成 約900K LOC 1,291本のPHPファイル 7,548本のSQLファイル 約800画面・8モジュール Backend：Java 21、Spring Boot 3、MyBatis、HikariCP、REST API Frontend：Vue 3、TypeScript DB／Infra：Oracle（スキーマ不変） 6ステップ移行：環境構築 → AI旧ソース分析 → パターン定義 → スケルトン生成…
COBOL販売管理システムをJava／Webへ刷新 本プロジェクトでは、COBOLで構築された販売管理システムを、Java／Webへ段階的に再構築するモダナイゼーションPoCを実施しました。PoCでは3本、約18,000 LOCのプログラムを対象に、6週間でAIを活用した移行方法と品質を検証しました。 プロジェクト概要 対象システム 販売管理システム 業務範囲 受注 → 出荷 → 請求 → 月次締め PoC検証プログラム 3本（約18,000 LOC） PoC期間 6週間 全体移行計画 301本（511,646 LOC）を全8ウェーブで段階移行 全体移行期間 10カ月想定（当初想定15～18カ月から最大約44％短縮） システム移行の概要 現行システムではCOBOLを使用し、データ構造が索引ファイルに依存しているため、Web化や機能拡張が困難でした。本PoCでは、バックエンドにJava 17、Spring Boot 3、REST API、JPA、フロントエンドにVue 3、TypeScript、FR設計、データベースにPostgreSQL 15以降を採用した移行先システムを検証しました。 現行システム 移行先システム構成 COBOL 索引ファイル依存 Web化・拡張が困難 Backend：Java 17、Spring Boot 3、REST API、JPA Frontend：Vue 3、TypeScript、FR設計 Database：PostgreSQL 15+ 移行・品質検証：Liquibase、Playwright E2E、DB比較自動化 課題・アプローチ・PoC実証結果 01．AI Agentsによる移行高速化 課題：COBOL人材の不足により、システムの保守と移行を継続することが困難でした。 NTQのアプローチとPoC実証結果：25のAI Agentスキルを活用し、ロジック抽出、UML・BPMN生成、検証を自動化しました。その結果、移行作業を64日から11.5日へ短縮し、約5.5倍に高速化しました。 02．3フェーズ分析による可視化 課題：COBOLのロジックがブラックボックス化し、Web化が困難でした。…