プロトタイプ到達
6〜8か月→3日
約1/60〜1/80
CTS HARNESS v0.32.0 — Anthropic公開基準による自社評価 11/12観点
ループエンジニアリング × AI駆動システム開発
要件が決まれば、AIがシステムを構築する。
実装をAIに任せ、完成条件は機械で検証する。
要件定義から設計・実装・テスト・検収まで対応する、AI駆動のシステム受託開発です。CTS Development Harness v0.32.0が、TDD・レビュー・品質ゲート・停止条件を一つの開発ループへ統合し、AIの速度と受入条件に基づく再現可能な品質を両立します。
PROVEN IN CTS-EC
AI駆動開発を実案件で実証。42時間で77%のプロトタイプへ。
AI駆動開発の成功事例が、自社サービスのCTS-ECです。C#/.NET、Angular・TypeScript、Pythonのアプリケーション開発と、TerraformによるAWS・Google Cloudのインフラ構築を並行して実施しています。
C# / .NETAngularTypeScriptPythonTerraformAWS / Google Cloud
42時間
要件・設計承認からの実測
66
コミット
16,147行
本体コード追加
59,640行
テストコード追加
77%
プロトタイプ到達時点
受入までの全体工期（計画）
8〜11か月→約3週間（予定）
計画比 約1/12〜1/16
契約と価格の考え方
人数 × 月数の稼働課金→成果物 × 受入条件
高い開発生産性を、お客様ごとの要件・リスク・提供価値を踏まえた請負価格へ反映します。
比較条件：SIerの準委任を4〜5名体制、現行77%の範囲を24〜32人月、単価100〜120万円／人月として積み上げると2,400〜3,800万円。CTSは人月の再販ではなく、要件、成果物、受入条件、運用リスクに基づいて個別にお見積もりします。
※ 2026年9月1日09:06〜9月3日03:06 UTC、66コミットのGit差分と進捗報告による集計。77%は当時のプロトタイプ到達点です。完成時期は当時の計画値で、実AI応答の精度確認、分類マスターの人手レビュー、STG E2Eを含みます。開発時のハーネスはv0.31.1で、現行v0.32.0はその基盤へ周回上限・予算・停止理由を追加しています。SIer工数・価格は第三者見積もりではなく、同一機能を従来工程へ分解した当社内部試算です。CTSの提供価格ではありません。
PRICING FOR THE AI ERA
AI時代の価格は、人月から「検収できる成果」へ。
最新調査が示す方向は、単純な「実装量課金」への置き換えではありません。成果物の固定価格を軸に、測定可能な成果連動と運用課金を組み合わせるハイブリッド型です。
HFS Researchでは、経営層の78%が5年以内にFTEベースでコンサルティングを調達しなくなると回答。一方、純粋な成果報酬は成果の帰属が難しいため、基本料金と成果連動を組み合わせる設計が現実解とされています。
PHASE 01
有償の固定価格要件定義・ディスカバリー
対象業務、例外、受入条件を成果物として合意。曖昧さを無償の先行作業へ押し込まず、構築前の判断にも価格を付けます。
PHASE 02
成果物・マイルストーン固定価格システム構築
人数や作業時間ではなく、合意した機能と品質ゲートの通過を基準に検収。AIによる生産性を値引きではなく、短納期と確実性へ変換します。
PHASE 03
基本料金＋成果連動測定できる業務成果
登録時間、手作業件数、正常処理数など、双方が検証できるKPIに限り成果連動を組み合わせます。成果の帰属が曖昧な指標には適用しません。
PHASE 04
基本料金＋利用量・成果単位運用・継続改善
監視、保守、モデル改善を基本料金で支え、処理件数や成功件数などを必要に応じて組み合わせます。追加要件は別途成果物として見積もります。
CTSの価格設計
原価ではなく、
価値・リスク・責任で設計
AI利用料や作業時間をそのまま再販する価格ではありません。要件の難易度、納期短縮の価値、当社が負う完成責任、品質保証、運用リスク、再利用可能なハーネスと知的資産を含め、事前に合意した成果と受入条件を基準に個別見積もりします。
調査出典（2025〜2026年）：Stanford Digital Economy Lab、Forrester、HFS Research、Deloitte。価格モデルは市場調査を踏まえた当社の提案方針であり、案件ごとの契約条件は個別に定めます。
FOUR APPROACHES
開発する。AIを組み込む。基盤をつなぐ。社内で育てる。
請負開発、業務システムへのAI組み込み、クラウド基盤・モダナイゼーション、AI駆動開発の内製化支援。企業の目的と開発体制に合わせ、4つのアプローチから支援します。
SERVICE 01
AI駆動システム開発
要件整理から設計、実装、テスト、検収まで、AIエージェントと独自の開発ハーネスを活用。品質と完成条件を見える形にした請負開発を提供します。
- ✓新規Webシステム・SaaS開発
- ✓既存システムの刷新・機能追加
- ✓受入条件と品質ゲートによる検収
SERVICE 02
AI組み込み・システム連携
チャット画面を追加するだけではありません。商品登録、分類、照合、内容確認など、人が判断している業務そのものへAI・LLMを組み込みます。
- ✓Excel・CSV・PDFからの商品登録自動化
- ✓データの分類・名寄せ・属性変換
- ✓入力内容の確認・例外検知
SERVICE 03
クラウド基盤・モダナイゼーション
アプリケーションだけでなく、AWS・Google Cloudの基盤もAI駆動で構築。SaaS連携と、既存基幹を活かした段階的なモダナイゼーションを支援します。
- ✓TerraformによるAWS・Google Cloud基盤構築
- ✓Pub/Sub・Workflows・GCS等とのSaaS連携
- ✓AS/400等の既存基幹を活かした段階移行
SERVICE 04
AI駆動開発の内製化支援
当社が開発・運用する開発ハーネスを、企業ごとの機能要件・非機能要件・開発体制に合わせて調整。AI駆動開発を社内で継続できる仕組みづくりを支援します。
- ✓要件・技術構成に合わせたハーネス調整
- ✓テスト・品質ゲート・開発ルールの標準化
- ✓SEO・機密情報を含むドキュメントレビュー
- ✓社内チームへの導入・運用定着支援
APPLICATION × INFRASTRUCTURE
アプリケーションからクラウド基盤まで、AI駆動で
画面とAPIだけを納品して終わりではありません。クラウド設計、Terraform、CI/CD、SaaS連携、監視・運用までを同じ要件と品質基準で構築します。
CLOUD INFRASTRUCTURE
AIでクラウド基盤も構築
AWS・Google Cloudのネットワーク、IAM、ストレージ、イベント処理、監視をTerraformでコード化。AIが設計・実装・レビューを支援し、plan結果と承認を経て安全に反映します。
SAAS INTEGRATION
SaaSとマネージドサービスをつなぐ
CTS-ECなどのSaaSで発生する業務イベントを、Pub/Sub、Workflows、GCS等へ連携。APIと非同期処理を組み合わせ、再試行・ログ・アラートを含む業務フローを構築します。
MODERNIZATION
既存基幹を残して段階的に刷新
稼働中の基幹システムを一度に置き換えず、必要なデータと機能をAPI・ファイル連携で外部化。新しいWeb・SaaS機能を外側に追加し、業務単位で移行できる構成を設計します。
導入構成例 — AS/400 × B2C物流
AS/400は残す。B2C物流だけをクラウドで拡張する。
稼働中の基幹を全面刷新せず、AS/400 API、外部発注Web、CTS-ECの提供機能、CTS-LOGIで開発中の物流機能を必要な範囲だけ組み合わせます。代理店在庫からエンドユーザーへ届ける新しい商流を、既存業務への影響を抑えて追加する構成例です。
STEP 01
AS/400
商品・在庫・受注・出荷を担う既存基幹は継続利用
STEP 02
API・データ連携
必要なデータだけをAPI、CSV、SFTP等で安全に外部化
STEP 03
外部発注Web
取引先の発注とエンドユーザーの配送先情報を受付
STEP 04
CTS機能を組み合わせ
CTS-ECの商品・AI機能と、CTS-LOGIで開発中の物流機能を活用
STEP 05
B2C配送
個口出荷、送り状、追跡番号を処理し、結果を基幹へ連携
CLOUD INTEGRATION LAYER
SaaSとインフラを、一つの業務フローに
Pub/Subで業務イベントを受け、Workflowsで処理順序・再試行・例外を制御し、GCSへ商品画像や連携データを保管。認証、ストレージ、配信、監視にはAWS・Google Cloudのマネージドサービスを要件に応じて組み合わせ、TerraformとCI/CDで再現可能な基盤として管理します。
基幹への影響を抑える
既存業務とデータ資産を維持し、必要な接続点から段階的に拡張します。
SaaSの共通機能を活用
商品、AI属性変換、在庫、出荷など、CTSサービスで育てた機能を要件に合わせて組み合わせます。
小さく始めて拡張する
外部発注や一部商品・取引先から開始し、運用結果を見ながら対象を広げられます。
FUTURE REPLACEMENT
将来のAS/400リプレイスも、調査から段階的に
システムの全容が把握できていない段階で、全面刷新の方式や規模を先に決めることはしません。
1. 可視化
プログラム、DB2データ、バッチ、外部連携、運用手順を棚卸しします。
2. 境界を決める
継続利用する機能、外部化する機能、置き換える機能を業務単位で整理します。
3. 段階移行
API化と新旧並行稼働を経て、検証できた範囲から順に切り替えます。
IMPLEMENTATION EXAMPLE
AS/400の商品データを、
モールで使える共通商品マスタへ
品番・JAN・カラー・サイズをCSVで取り込み、共通商品マスタへ統合します。メーカー独自の表記をAIで共通カラー・サイズ・ブランドへ正規化し、複数のECモールが求める登録形式へ変換。商品画像もクラウドで一元管理します。
AS/400（品番・JAN） → JANマスター取込 → SKU自動展開
→ AIによる表記統一 → 各モールへ出力
→ AIによる表記統一 → 各モールへ出力
記事で分かること
- 取込元・共通マスタ・各モールを分ける3層構成
- JAN取込からSKU自動展開までのデータフロー
- AIによるカテゴリ・カラー判定と商品画像管理
BUSINESS MODEL EXAMPLE
小売店が販売し、代理店在庫から
エンドユーザーへ直送
AS/400は商品・在庫・出荷の中核として継続利用します。B2Cに必要な商品情報の公開、受注受付、個人宅向けの出荷、送り状・追跡番号連携をCTSのクラウド機能で外付けし、既存の代理店物流に新しい販売経路を追加します。
小売店の受注 → 外部発注Web → 代理店在庫
→ 個口出荷 → エンドユーザーへの追跡通知
→ 個口出荷 → エンドユーザーへの追跡通知
記事で分かること
- B2Bのケース出荷とB2Cの個口出荷の違い
- AS/400を大きく変えない機能分担と連携方式
- 小さく始める段階導入と将来の拡張イメージ
※ 上記は導入構成例です。利用するクラウド、連携方式、CTS機能の範囲は、既存システムと業務要件に応じて設計します。
CTS Development Harness v0.32.0
Anthropicのループ設計12観点で、11観点を充足・部分充足
Anthropicの公開ガイドに示された長時間稼働エージェントの設計要件を12観点へ分解し、CTSのハーネスを自社採点。8項目を充足、3項目を部分充足し、ループエンジニアリングにほぼ到達しています。
v0.32.0では、周回上限、進捗なし検出、run単位のトークン予算、機械的な停止理由を追加。AI自身に「止まってよいか」を判断させず、停止条件をコードとゲートで管理します。
技術が変わっても、開発ループは変えない。
ハーネス設計を切り替え、Java、React、Vue、iPhone（iOS）、Androidにも迅速に対応できます。
JavaReactVueiPhone / iOSAndroid
8
充足
停止条件、品質ゲート、状態管理などを実装済み
3
部分充足
計測と運用データを蓄積しながら継続改善
1
未充足
今後の実装課題として明示し、隠さず管理
※ Anthropicによる認定・監査ではなく、同社の公開ガイドから抽出した評価観点に基づく当社の自己評価です。未充足項目も含め、根拠を技術記事で公開しています。
01
要件と受入条件を先に固定
「何を作るか」と「何をもって完成とするか」を、実装前にテスト可能な条件へ落とし込みます。
02
TDDと決定論的な品質ゲート
AIの自己申告ではなく、テスト、静的解析、ビルド、契約検査の実行結果で品質を確認します。
03
運用まで含めた完成条件
セキュリティ、エラー処理、ログ、監視、アラートまでを後付けにせず、開発時の要件に含めます。
04
実案件の教訓を次へ再利用
見つかった欠陥を個別修正で終わらせず、共通ルールとゲートへ戻し、別案件での再発を防ぎます。
05
企業ごとの要件・基準へ調整
機能要件に加え、セキュリティ、性能、可用性、運用などの非機能要件を、企業の技術構成と品質基準へ合わせます。
06
内製チームへ導入・定着
テンプレート、開発ルール、レビュー方法、品質ゲートの運用を社内チームへ移し、継続改善できる体制づくりを支援します。
07
周回上限と進捗なし検出
同じ状態での再実行や上限を超えた周回を機械的に止め、人の注意力に依存しない運転層を持たせます。
08
予算と停止理由を機械記録
run単位の出力トークン予算を検査し、止まった理由を定型コードで記録。原因を読まずに再実行する浪費を防ぎます。
LLM IN YOUR WORKFLOW
LLMを「別画面のチャット」にせず、業務フローの中へ
普段使っている画面や自動処理の中でLLMが判断し、既存マスタと業務ルールで検証してから次の処理へ渡します。
STEP 01
業務データ
商品、受注、問い合わせなど
STEP 02
LLMで判断
分類・照合・要約・文章生成
STEP 03
ルールで検証
マスタ、値域、必須項目を確認
STEP 04
確定・実行
自動処理または担当者が承認
STEP 05
記録・改善
結果と根拠を残して精度を改善
自社サービスでの開発実績
商品情報と画像をGCSへ置く。商品登録の準備は、それで完了。
仕入先ごとに異なるExcel・CSV・PDFを、決められたテンプレートへ転記する必要はありません。画像ZIPと一緒にアップロードすれば、AIが列を読み、画像を商品と色へ紐づけ、JAN照合と分類を実行。担当者は結果を確認・承認するだけです。
STEP 01
GCSへ置く
仕入先配布のExcel・CSV・PDFと画像ZIPを、そのままアップロード
STEP 02
AIが表を読む
ファイルごとに異なる列から、品番・価格・色・サイズ・JANを推定
STEP 03
AIが画像をつなぐ
ZIP内の画像を解析し、商品とカラーバリエーションへ自動で紐づけ
STEP 04
人は確認するだけ
AIの結果と例外行を確認・修正し、登録を承認
STEP 05
商品登録まで完了
JAN照合・分類・商品マスター登録からモール用データ生成まで実行
入口を自動化
仕入先の商品情報と画像を、GCSへ置くだけ
固定テンプレートへの転記は不要です。仕入先から配布されたExcel・CSV・PDFと画像ZIPを、Google Cloud Storage（GCS）へそのままアップロードできます。
表を自動読解
仕入先ごとに違う列とシートを、AIが読み替える
「品番」「商品コード」など名称が違っても、AIが品番・品名・価格・色・サイズ・JANの列を推定。複数シートの商品情報も元データを保持したまま構造化します。
画像を自動照合
数百枚の画像を、品番と色へ自動で紐づける
画像ZIP内のファイル名と画像内容を基に、どの商品・カラーバリエーションの画像かをAIが推定。未紐づけ画像も一覧化し、担当者は結果を確認・修正できます。
登録まで自動化
JAN照合、分類、商品マスター登録までつなぐ
既存JANは共通商品マスターへ参照接続し、新規商品とエラー行を自動で振り分けます。確認・承認後は、商品マスター登録からモール用データ生成まで一気通貫で処理します。
PUBLIC FEATURE RESEARCH
商品を「各モールへ配る」だけでなく、商品マスターを作る前工程から自動化
国内の代表的なモール一元管理サービス4製品の公開情報を確認しました。複数モールへの一括反映や画像からの商品情報生成はありますが、仕入先ごとに形式が違う商品情報と画像ZIPをそのまま受け取り、表の読解・画像照合・JAN分岐・商品マスター登録までつなぐ一連の機能は確認できませんでした。
一般的な一括登録
登録済み・整形済みデータが入口
既存店舗のデータや所定CSV、商品マスターを取り込み、複数モールへ一括反映します。
公開されている画像AI
商品画像が入口
画像から商品名・カテゴリ・商品説明を生成し、商品情報の入力を支援します。
CTS-EC
仕入先の商品情報＋画像が入口
異なる表をAIが読み、画像を品番・色へ紐づけ、JAN照合と分類を経て商品マスター登録へつなぎます。
※ 2026年9月6日、各社の公開機能ページを当社が確認：ネクストエンジン、CROSS MALL、TEMPOSTAR、GoQSystem。各社の非公開機能、個別開発、公開後の更新を含む完全な不存在を保証するものではありません。「業界初」ではなく、公開情報上で同等機能を確認できないという比較です。
業務で使えるAIは、間違う前提で設計する
LLMにすべてを任せるのではなく、従来の業務ルール、人による確認、障害時の代替処理を組み合わせます。
1
ルールとAIを使い分ける
完全一致や数値検証は従来ロジックで処理し、曖昧な文章や画像の判断にLLMを使います。
2
確信度に応じて人へ戻す
判断が難しいデータは無理に自動確定せず、担当者の確認へ回す運用を設計します。
3
失敗しても業務を止めない
LLMの応答異常や外部API障害を前提に、再試行、代替処理、ログ、アラートを組み込みます。
DEVELOPMENT PROCESS
ご相談から検収・運用まで
01
業務・体制と完成条件を整理
対象業務、データ、例外、期待する効果、開発体制を確認し、受入条件とAIを使う範囲を定義します。
02
システム・AI・開発基盤を設計
既存システムとの接続、モデル、業務ルール、クラウド・IaC構成に加え、機能・非機能要件に合う開発ハーネスと品質ゲートを設計します。
03
AI駆動で実装・導入検証
請負開発ではTDDで実装し、内製化支援では社内チームとハーネスを試行。コード、Web、ドキュメントを品質ゲートで確認します。
04
検収・定着・継続改善
受入条件とテスト結果を共有して検収。内製チームへの移管後も、運用結果をもとにルールと品質基準を改善します。
新規開発・AI組み込み・クラウド基盤・モダナイゼーション
AIを使うシステムを、AIでつくる。
構想段階でも、運用中システムへの機能追加、クラウド連携、既存基幹を残した段階移行でもご相談いただけます。まずは、現在の業務、システム、利用中のデータをお聞かせください。