実際にLinuxへの移行を実現した顧客の事例（Windowsの利用を70％以上削減し、Linuxを採用したケース）を基に、その効果を整理すると、主に3つのメリットがある。

　さらに、Linux化によって、「AWS Graviton」などのARM64プロセッサにも対応しやすくなり、よりコストパフォーマンスに優れた選択肢を取り入れられるようになる。また、コンテナを利用する場合は、コンテナ自体を軽量化できるほか、コンテナの管理をクラウド側に委ねるサーバレスアーキテクチャへの移行も容易になる。

　例えば、「AWS Fargate」のようなサービスを活用すれば、サーバのプロビジョニングや管理にかかる運用負荷を抑えながら、よりクラウドネイティブなアーキテクチャへと段階的に再構成できる。つまり、Linux化は単なるOSの置き換えにとどまらず、コストや性能、拡張性の改善に加え、その先のクラウドネイティブ化を進めるための土台にもなる。

Linux化の難所は「コード」と「データベース」

　もっとも、Windows環境をLinux化するには、幾つかの課題もある。特に悩ましいのが、「コードの移行」と「データベースの移行」だ。

　コードの移行では、まず対象となるアプリケーションのソースコードを分析し、Linux環境でそのまま使える部分と、修正が必要な部分を洗い出す。続いてコードを変換し、動作テストで問題がないかを確認。エラーを修正した上で、検証済みのコードをデプロイするという工程を、アプリケーションごとに繰り返していく。こうした作業には多くの工数がかかる上、アプリケーションやデータベース、インフラなど、それぞれを担当する開発チーム間の連携も欠かせない。

　データベースの移行も、単にデータを別の環境へ移せば終わるわけではない。まずデータベースとアプリケーションの依存関係を分析し、データベースのスキーマを変換する。さらに、それに合わせてアプリケーション側のコードを修正・デプロイし、正常に動作するかを検証する。この一連の作業をデータベースごとに繰り返すため、手作業が多くなるほど時間と労力がかかり、ミスも起こりやすくなる。

　中でもSQL Serverの移行は、特に複雑になりやすいという。「複数のツールを使い分けながら、多くの作業を手作業で進める必要がある」と古屋氏は、自身の経験を踏まえ、移行作業の難しさを指摘する。

AIエージェントでアプリやDBをまとめて移行

　モダナイゼーションの効果を引き出すには、こうした移行作業に伴う課題への対応が欠かせない。コード変換やデータベーススキーマの変換を支援するツールは数多くあるが、組織全体で足並みをそろえ、統一したルールで移行を進めるには、個々のアプリケーションやデータベースに対応するだけでは十分とは言えない。複数のワークロードをまたいでプロジェクト全体を管理し、一元的に移行を進める仕組みが必要になる。

　そこで古屋氏が推奨するのが「AWS Transform」だ。これは.NETやSQL Serverをはじめ、UIフレームワークやデプロイメントまで、フルスタックのWindowsアプリケーションとデータベースのモダナイゼーションを支援するサービスだ。

　AWS Transformの特徴は、AIエージェントを活用して、コードやデータベーススキーマの変換だけでなく、開発・移行に関わるさまざまな作業を自律的に進められることだ。さらに、単一のアプリケーションにとどまらず、数百に及ぶアプリケーション群をまとめて扱えるため、大規模な移行プロジェクトにも対応できる。

　古屋氏は「モダナイゼーションを最大5倍に加速し、運用コストを70％削減可能にする、初のエージェント型AIサービス」と、その効果を強調する。

　AWS Transformは、Windowsアプリケーションに限らず、さまざまなワークロードの移行を支援する。ここでは、その中でも「.NET Framework 3.5」以降のアプリケーションを対象に、クロスプラットフォーム化、つまりLinux環境への移行を支援する「AWS Transform for .NET」に焦点を当てる。

　AWS Transform for .NETでは、「.NET Framework 3.5」以降のアプリケーションを、クロスプラットフォームに対応した「.NET 8」などへ移行できる。さらに、データベースを「SQL Server」から「Amazon Aurora PostgreSQL」へ、Windowsサーバや仮想マシンを「Amazon Elastic Container Service（Amazon ECS）」「Amazon Elastic Compute Cloud（Amazon EC2）」「Amazon Linux」などへ移行することも可能だ。

　このようにAIエージェントを移行作業に組み込むことで、個々の作業を効率化するだけでなく、複数のアプリケーションやデータベースを含む大規模なモダナイゼーションを、より効率的かつ一貫性のある形で進められる。

図1　AWS Transformによるモダナイゼーションのイメージ（出典：イベントでの投影資料）

.NETアプリケーションの移行

　移行作業では、プロジェクトの開発メンバーが使い慣れた「Visual Studio」の拡張機能や、コード作成を支援する各種AIコードコンパニオンからAWS Transformを利用できる。一方、IT部門向けには専用のWebコンソールを用意している。リポジトリ単位での大規模な移行を一元的に管理できるほか、チーム間の連携も容易にする。

　移行プロセスには、AIエージェントが一連の作業を自律的に進める「自律モード」と、プロセスの途中で人間がAIの提案をレビュー・修正しながら進める「対話モード」の2つがある。自律モードは長時間にわたるジョブや夜間バッチなど、人手を介さずに処理を進めたいケースに適している。一方、対話モードは人間によるレビューを随所に挟めるため、個別要件に応じた柔軟なカスタマイズが可能だ。

　.NETアプリケーションの移行は、「分析」「変換」「検証」という3つのフェーズを基本に進める。まず分析フェーズでは、AIがアプリケーションのコードを解析し、移行における互換性・非互換性を洗い出した上で、具体的な移行プランを作成する。続いて、そのプランに基づいてコードを変換し、変換後のアプリケーションが想定通り動作するかを検証。検証結果の出力までを一連のプロセスとして自動的に実行できる。

　さらに、変換・検証の各フェーズでは、既存のAIコードコンパニオンやAWSのネイティブ機能とも連携できる。これにより、AIによる自動化を活用しながら、企業固有の要件に応じたきめ細かな調整も可能になる。

図2　AWS Transform for .NETによる移行作業のイメージ （出典：イベントでの投影資料）

図3　対話モードでアプリケーションの移行のための分析を行う途中の確認画面の例（出典：イベントでの投影資料）

　Visual Studioから実行する場合、分析が完了すると、AIが自動生成した移行プランを確認できる。そこには、変換対象となるコードや実行順序などが整理されており、詳細なレポートとして出力することも可能だ。ユーザーはこのプランを確認した上で、必要に応じてAIに修正を指示できる。

　例えば「既に互換性のある.NET Standardはスキップする」といった指示を自然言語で入力すれば、AIエージェントがその意図を理解し、移行プランを自動的に修正する。専門的な設定を一つ一つ手作業で変更することなく、自然言語によって移行方針を柔軟に調整できる点が特徴だ。

　全ての変換が完了すると、「トランスフォーメーションレポート」と呼ばれるHTMLファイルが生成される。レポートには、移行の概要や実施した変更内容に加え、変換できなかった項目とその理由などが詳細に記録される。これにより、AIに任せきりにするのではなく、移行結果を人間が確認しながら次の対応を判断できる。

　また、これらの情報はWebコンソールからも確認できる。そのため、開発者は「Visual Studio」で移行作業を継続する一方、IT部門や管理チームはWebコンソールから全体の進捗（しんちょく）や結果を把握するといった、役割に応じた協業が可能になる。開発現場の生産性を維持しながら、組織全体で移行プロジェクトを管理できる点も、AWS Transformの特徴だ。

図4　Webコンソールの変換結果確認画面の例（出典：イベントでの投影資料）

　ただし、.NET 8への移行が完了しただけでは、Linux化が完了したことにはならない。Linux環境で動作させるためには、アプリケーションのアーキテクチャそのものを見直す必要がある。

　そこで活用するのが、詳細な移行レポートとともに生成される「NextSteps.md」だ。このファイルには、アーキテクチャ変更に必要な残タスクと、その具体的な対応方法が整理されている。開発者はその内容を基にAIコードコンパニオンへ指示を出し、必要な修正を加えながら、Linux環境で動作するアプリケーションへと仕上げていく。

図5　最終的にはAIコードコンパニオンを用いて仕上げる（出典：イベントでの投影資料）

SQL Serverの移行

　SQL Serverの移行には「AWS Transform for SQL Server」を利用できる。移行先となるのは、オープンソースのPostgreSQL互換データベース「Amazon Aurora PostgreSQL」だ。さらに、移行先の環境と互換性のあるアプリケーションコードへ書き換える機能も備えている。

　AWS Transform for SQL Serverでは、分析から変換、検証、デプロイまでの一連の移行プロセスをAIエージェントに任せられる。Webコンソールから移行を指示すると、AIエージェントが対象となるデータベースとアプリケーションコードを分析する。両者の依存関係に基づいて「テーブル」と呼ばれる単位に整理し、データベースの変換、アプリケーションコードの変換、動作検証までを自動的に進める。

　一部には、データベースやリポジトリへのアクセス設定など、人が手動で対応する必要のある工程も残る。ただし、その場合もAWS Transformが必要な手順を提示するため、移行担当者はガイダンスに沿って作業を進められる。

　なお、データベースの移行処理では、AWSのデータベース移行サービスである「AWS Database Migration Service」（AWS DMS）がバックグラウンドで稼働する。AIによる分析、変換、検証と、AWSの既存の移行サービスを組み合わせることで、複雑になりがちなSQL Serverの移行を効率化できる。

図6　AWS Transform for SQL Serverによる移行作業のイメージ（出典：イベントでの投影資料）

　一方、複雑なストアドプロシージャなど、AIだけでは変換が難しい部分については、対象箇所を明示して開発者に引き継ぐ仕組みも用意されている。開発者はAIコードコンパニオンを活用しながら、必要な修正を加えていく。

　このように、大規模で定型的な作業はAIエージェントに任せ、個別の判断や専門的な知識が必要な部分は人が対応する。AIによる自動化と人の判断を適切に組み合わせることで、移行作業の効率と品質を両立させる。これがAWS Transformの基本的な考え方だ。

図7　検証結果とその後の手動修正のサジェスチョン例（出典：イベントでの投影資料）

移行期間を大幅短縮　海外2社に見るモダナイゼーションの成果

　ここまで、AWS Transformを活用したモダナイゼーションの進め方を見てきた。古屋氏は、その効果を示す実際のユーザー事例として、海外企業2社の取り組みを紹介した。

　1社目は米国のThe Hartfordだ。同社は.NETアプリケーションをLinux環境へ移行し、.NET 8へモダナイズした。当初は数カ月を見込んでいた移行期間を数週間に短縮したほか、Windowsのライセンス費用をなくすことで、TCO（総保有コスト）の大幅な削減にもつながったという。

　もう1社は、グローバル企業のThomson Reutersだ。同社では、.NETアプリケーションをLinux化することで、従来の環境で発生していたメンテナンスの負担を軽減した。こちらも当初数カ月を予定していた移行を2週間に短縮し、約30％のコスト削減を実現したという。

　こうした事例を踏まえ、古屋氏は「.NETモダナイゼーションによって、開発時間の短縮、クラウドコストの最適化、モダナイゼーション対象の拡大を実現できる。さらに、その先にある最終的な目的は、ビジネスの俊敏性を高めることだ」と総括した。

　レガシーシステムを新しい環境へ置き換えるだけでなく、AIによって移行作業そのものを効率化し、IT環境をビジネスの変化に対応しやすいものへ変えていく。AWS Transformは、こうしたモダナイゼーションを支援するサービスと言える。