【2027年】SAP移行文書をKTernで?|確定と署名は人が持つ

【2027年】SAP移行文書をKTernで?|確定と署名は人が持つ

「2027年までに移行を終えるには、設計書づくりをAIに任せるしかない」「AIが書いた設計書なら、移行パートナーの見積もりも下がるはずだ」——SAPの刷新を抱える情シスや経営企画から、こうした期待が聞こえてきます。ただ、どちらも半分だけ正しい話です。インドのSAP専業会社 KaarTech の KTern.AI は、既存システムの独自改修を読み、設計書や機能要件定義書、試験シナリオまでを生成AIのエージェントで書き起こします。それでもAIが作るのは下書きであって、移行の中身を決める文書ではありません。問われるのは、どこまでをAIの下書きとし、誰がいつ確定し、移行パートナーとどう分けるかです。この記事では、2027年の期限に向けた移行で KTern.AI を入れるかを、四つの場面に沿って整理します。


カメ先生カメ先生

SAPの移行でAIが設計書を書くと聞くと、文書づくりの手間が消えると思われがちなんだ。でも本当は、読ませた既存システムの情報と、人が決めた基準の範囲でしか書けないんだよ。


カメ子カメ子

AIが書くのは、人が決めたことの清書に近い、ということですか。


カメ先生カメ先生

近いね。特に機能要件定義書は、標準の業務からどこがずれているかを書く文書だから、ずれを認めるかどうかは業務側が決めることになる。


カメ子カメ子

下書きが速くなっても、決める会議は減らないんですね。


この記事のポイント
  • KTern.AI は独自改修の読み取り、設計書から機能要件定義書の生成、試験シナリオの生成までをエージェントで下書きする
  • 既存システムの改修内容や利用記録は、AWS 上の同社の環境とモデルの提供元を通る。読ませる範囲を先に決める
  • 確定と署名は社内の業務責任者と移行パートナーの責任者が持ち、AIの下書きをそのまま検収しない

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

KTern.AIとは:インドのSAP専業会社が作る移行の作業基盤

KTern.AI は、インドのチェンナイに本拠を置く KaarTech が開発する、SAP の刷新案件向けの作業基盤です。公式サイトでは、既存環境の評価、案件の進行管理と署名、業務プロセスの整理、試験の管理、更新の影響分析という五つの基盤を並べ、そこに独自改修の読み取りや試験シナリオの生成を受け持つAIエージェント群を重ねています。対象は SAP の旧来の基幹システムから S/4HANA への移行や、その後の継続的な更新です。

KaarTech は SAP の導入支援を長く手がけてきた会社で、2026年3月には成長投資の会社 Playbook Partners の主導で約1,100万ドルを調達したと、インドの経済メディアが報じています。報道では、北米と欧州の拡大やエージェント機能の展開に資金を充てるとされ、同社は買われる側ではなく買う側として買収の意向を示しています。KTern.AI の公式サイトは SAP の認定を受けたことも告知しており、SAP 周辺の製品としては実績のある部類です。

一方で、日本語の資料や国内の導入事例はほとんど見当たりません。日本の会社が使うときは、移行パートナーが持ち込む道具として出会うことが多いと考えておくと、判断の順番を間違えにくくなります。自社で契約するのか、パートナーの契約の中で使われるのかで、データの扱いも費用の持ち主も変わるからです。

2026年の動き:機能要件定義書を書く担当と、20を超えるエージェント

2026年6月30日のリリースノートでは、設計書から機能要件定義書を自動で作る担当が加わりました。公式の説明では、ソリューション設計書が組織の標準の業務の基準を記し、エージェントが生成する機能要件定義書はその標準からの差分やずれを詳しく説明する文書だと位置づけています。同じリリースで、独自開発物の部品を生成する担当、プロジェクト文書をアラビア語に訳す担当、ライセンスの割り当てと実利用を突き合わせる機能、職務分掌の違反を洗い出す機能も加わりました。

同じ7月10日には、AWS の公式ブログに KTern.AI の社員が寄稿し、仕組みの中身を明かしています。エージェントは Amazon Bedrock AgentCore の上で動き、モデルは Amazon Bedrock を通じて Anthropic の Claude 系などを使い、MCP の関門を通して SAP の API や顧客の基幹システムにつなぐ構成です。本番で動くエージェントは20を超え、顧客ごとの設定は50を超えると書いています。

寄稿には、試験ケースの初回成功率82%、案件期間の平均45%短縮といった数字も並びます。ただし寄稿自身がこれらは同社の本番案件での社内計測だと明記しています。第三者の検証を経た数字ではないので、稟議の根拠に引くなら「提供元の公表値」として扱い、自社の小さな試行で測り直すのが筋です。

前提:2027年という期限の正確な読み方

SAP の旧来の基幹システム(ビジネススイート7)の主流保守は、2027年末で終わります。2020年に決まったこの期限に対し、割増の保守料を払えば2030年末まで延長保守を受けられます。さらに2025年1月には、大規模で複雑な環境の会社向けに、2031年から2033年末までの移行オプションを用意すると報じられました。ただしこれは SAP のクラウドの私設版へ移る契約を結ぶことが条件で、SAP 自身が「主流保守の延長ではない」と説明しています。

つまり2027年は「止まる日」ではなく、追加の費用を払わずに標準の保守を受けられる最後の年です。この違いは、AIの使い方にも効いてきます。期限を理由に設計書の確定を急ぐと、AIの下書きを十分に見ないまま検収する圧力が強まるからです。期限の後ろにどれだけ猶予を買えるかを先に経営と握っておくと、確定の品質を落とさずに済みます。

移行そのものをやめて第三者保守に移り、AIを上に載せる道もあります。その比較は別の記事で扱いました。この記事は、移行すると決めた会社が、移行の文書づくりにどこまでAIを使うかに絞って話を進めます。

よくある誤解:「設計書をAIが書けば、移行は速く安くなる」

移行案件の費用の多くは、文書を打つ時間ではなく、業務部門と合意する時間と、試験で見つかった誤りを直す時間に消えます。AIが設計書の下書きを数分で出しても、その中身を業務の責任者が読み、標準に合わせるか独自の処理を残すかを決める会議は減りません。むしろ下書きが大量に速く出るぶん、読む側の負荷が先に増えるのが実態に近いはずです。

もう一つの誤解は、AIが既存システムを読めば「正しい現状」が手に入るという思い込みです。読めるのは、プログラムと設定と利用記録に残っていることだけです。なぜその改修を入れたのか、誰の要望だったのか、いまも必要なのかは、コードには書かれていません。KTern.AI の公式サイトは、エージェントが自律的に判断し手動の起動を要しないと説明していますが、要る・要らないの判断は、業務を知る人にしかできない部分が残ります。

速さと安さは、AIの下書きを「読む人」と「決める人」を最初に確保できた会社だけが手にできます。この前提を抜くと、AIが書いた文書の山を前に、確定が遅れるか、確かめないまま進むかのどちらかになります。

どこにAIが入るか:読む・書く・試すの三つの層

KTern.AI のエージェントは、ざっくり三つの層に分けて考えると整理しやすくなります。第一は既存システムを「読む」層で、独自のプログラム、標準の処理に差し込んだ追加の処理、設定、業務の分岐を走査して現状の一覧を作ります。第二は文書を「書く」層で、設計書や機能要件定義書、独自改修の機能・技術の説明書を生成します。第三は「試す」層で、業務の流れと改修の分析結果から試験シナリオを作ります。

どの層でも、AIの出力は次の工程の入力になります。AWS への寄稿では、読み取りの結果が後続のエージェントの共通の土台になると説明されています。つまり最初の読み取りの誤りが、設計書にも試験にも連鎖する作りです。人が確かめる場所は、層の境目ごとに置くのが基本になります。

工程AIが下書きするもの人が確定すること確定する人の例
独自改修の棚卸し改修の一覧、依存関係、利用の有無残す・標準に戻す・廃止の振り分け業務部門の責任者と情シス
設計書標準の業務の流れと設定の案自社の標準として採用するか業務の責任者
機能要件定義書標準からの差分の詳しい説明差分を認めるか、業務を変えるか業務の責任者と移行パートナー
試験シナリオ手順、試験データ、期待結果網羅の十分さと合否の基準試験の責任者と業務部門
独自開発物の部品連携や帳票の部品の下書き本番に載せてよいか開発の責任者

表の右の二列が空欄のまま案件が始まることが、最も危ない状態です。確定者の名前を、AIを動かす前に書き込むことを、最初の約束にしておきます。

場面1:独自改修の棚卸しを、エージェントに読ませる

最初に出てくるのは、長年積み上げた独自改修を一覧にする場面です。寄稿によれば、読み取りのエージェントは独自のプログラム、追加の処理、設定、業務の分岐を走査します。同社の別の説明では、利用の記録やデータの構造も読むとしています。数千本の改修を人が一本ずつ読むより速いのは確かで、棚卸しは KTern.AI の効き目が最も出やすい工程です。

ここで決めるべきは、読ませる範囲です。プログラムと設定には、取引先との特別な条件、価格の計算式、与信の基準など、競争上の秘密が埋まっていることがあります。利用の記録には社員の操作の履歴が含まれます。本番の環境を直接つなぐのか、写しの環境を読ませるのか、利用記録は期間を区切るのか、個人を特定できる情報を外すのかを、接続の前に情シスと法務で決めておきます。

棚卸しの結果に「使われていない」と出た改修も、すぐ廃止とは決められません。年に一度の決算や監査のときだけ動く処理は、短い期間の利用記録では見えないからです。廃止の候補は、業務部門に「年に一度でも使うか」を必ず確かめてから振り分けます。AIの判定には、どの記録を根拠にしたかを添えさせ、根拠のない判定は保留に回します。

場面2:標準からの差分を、機能要件定義書に起こさせる

6月に加わった担当は、ソリューション設計書を入力に、機能要件定義書を生成します。仕組みの上では、設計書が「標準ではこう動く」を示し、定義書が「自社はここが違う」を詳しく書く関係です。言い換えると、設計書の質が、そのまま定義書の質の上限になるということです。設計書があいまいなら、定義書はあいまいな差分を丁寧な文章で書いた文書になります。

さらに注意したいのは、定義書に書かれた差分が、そのまま「残す独自処理」として扱われやすい点です。S/4HANA への移行では、標準に合わせて独自処理を減らす方針を取る会社が多いはずです。AIは差分を説明できても、その差分を残す価値があるかは判断しません。差分ごとに「業務を標準に合わせる」「独自処理を残す」「外付けで作り直す」のどれにするかを、業務の責任者が書き込む欄を定義書の雛形に設けておきます。

機能要件定義書は、移行パートナーとの見積もりと契約の土台にもなります。AIの下書きのまま発注の根拠にすると、後から「定義書に書いてあった」「書いてあったが合意していない」という争いが起きます。署名した版だけを契約の根拠にすると、最初に決めておくのが安全です。

寄稿では、読み取りの結果を受けて、前方開発のエージェントが標準を汚さない方針に沿った構成を描き、改修ごとに残す・作り直す・廃止するを推奨するとも説明しています。推奨は便利な出発点ですが、作り直しの費用や業務部門の受け入れやすさまでは見ていません。推奨と確定を別の欄に分け、推奨と違う判断をしたときはその理由を一行残す運用にすると、後から判断を振り返れます。

場面3:試験シナリオを生成させ、合否の線を引く

試験シナリオの生成は、人手が最もかかる工程を軽くする機能です。寄稿では、業務の流れ、改修の分析結果、設定のデータから、試験データと期待結果つきの手順を作るとしています。公表されている初回成功率は82%で、裏を返せばおよそ5件に1件は、そのままでは通らない前提で計画を立てることになります。

通らなかった試験が、シナリオの誤りなのか、システムの誤りなのかを見分けるのは人の仕事です。AIが作った期待結果が間違っていれば、正しく動くシステムが「不合格」になり、逆に誤った期待結果に合わせてシステムを直してしまう危険もあります。期待結果は業務部門が読める言葉で出させ、会計や在庫に効く試験は、業務の担当者が期待結果を承認してから流すと決めておきます。

もう一つは網羅の考え方です。AIは業務の流れの記録から試験を作るので、記録に残りにくい例外の処理、月末や期末だけの処理、社外との連携の失敗時の動きは抜けやすくなります。生成されたシナリオの一覧に、業務部門が「抜けている場面」を書き足す時間を、日程に最初から入れておきます。

場面4:移行パートナーが KTern.AI を持ち込んでくる

日本の会社にとって最も現実的なのは、この場面かもしれません。システム開発会社や移行パートナーが自社の作業効率のために KTern.AI を使い、成果物として設計書や試験シナリオを納めてくる形です。料金ページには、SAP の利用企業とパートナーの双方の人を何人でも招待できると書かれており、発注者と受注者が同じ作業場を使う設計になっています。

このとき確かめるのは三つです。一つ目は、自社の既存システムの情報がどの契約の下で KTern.AI に渡るのか。パートナーの契約で使うなら、自社と KaarTech の間に直接の契約はなく、データの扱いはパートナーとの委託契約で縛ることになります。二つ目は、AIで書いた部分を成果物の中で区別して示してもらうこと。三つ目は、AIで工数が減ったぶんが見積もりにどう反映されるかです。

パートナーが「AIで作ったので速い」と言うときほど、検収の基準を先に決めておくべきです。AIの下書きを担当者が読み直した記録、確定者の署名、版の番号がそろっていない成果物は受け取らない、と発注の段階で書いておけば、速さが品質の手抜きに変わるのを防げます。

何が社外に出るか:AWS 上の作業場と、モデルの提供元

公式のトラストセンターによれば、KTern.AI は AWS 上に置かれ、顧客ごとにテナントを分ける多テナントの作りです。保管の地域は追加の購入で選べるとされ、ログはその地域に1年保管されます。利用者の認証と属性の情報は AWS の環境で処理されます。日本の地域を選べるかどうかは、表に明記がないため、契約前に保管地域の一覧と日本の選択肢を書面で確かめます。

エージェントについては、AWS への寄稿が経路を説明しています。モデルは Amazon Bedrock を通じて使い、Bedrock や AgentCore への通信は閉じた経路を通ると書かれています。案件の文脈、つまり改修の一覧、業務の決定事項、例外の傾向は、案件の期間を通じて記憶されます。寄稿は移行案件が12〜18か月続くと書いており、自社の改修の中身が、その期間ずっと作業場に残ることになります。

  • 送る情報:独自プログラム、設定、業務の分岐、利用の記録、設計書と定義書の本文
  • 通る場所:KTern.AI の AWS 上の作業場、Bedrock 経由のモデル、MCP の関門を通した SAP への接続
  • 残る場所:作業場の記録と案件の記憶、地域内に1年のログ。案件終了後の削除の時期は契約で決める

モデルの提供元に送った内容が学習に使われるかは、KTern.AI と AWS の契約の範囲で決まります。公開資料だけでは確かめきれないので、データ処理の契約書で「入力を学習に使わない」旨と、再委託先の一覧を確かめておきます。

確定の線:版の番号と署名を、社内の検収につなぐ

6月のリリースでは、逆解析で作られた文書に版の番号が付き、上書きされずにすべての版が残るようになりました。実行回数と最終の実行日時も見えます。署名の機能には、子の署名が承認済みのまま親の署名を消せない制御が入り、監査ログは項目単位の変更を誰がいつ行ったかまで追えるとされています。確定の記録を残す道具はそろってきていると言えます。

ただし道具は、使い方を決めて初めて効きます。社内の検収規程と結びつけるなら、次の順で線を引くのが現実的です。

STEP1
AIの下書きは版番号付きで保存する

生成した時点の版を残し、どのエージェントがいつ作ったかを記録します。下書きは確定版と別の場所に置きます。

STEP2
担当者が読み、根拠を確かめる

改修の一覧や差分の説明に、どのプログラムや設定を根拠にしたかが付いているかを見ます。根拠のない記述は保留に回します。

STEP3
業務の責任者が差分の扱いを決める

標準に合わせるか、独自処理を残すか、外付けで作り直すかを書き込み、名前と日付を残します。

STEP4
移行パートナーの責任者と共同で署名する

署名した版だけを契約と開発の根拠にします。署名後の変更は新しい版として扱います。

STEP5
社内の文書管理に確定版を写す

KTern.AI の外にも確定版を保管し、契約が終わっても読める状態にしておきます。

ポイントは、AIの作業場の署名と社内の決裁を二重にしないことです。どちらが正本かを決めておかないと、作業場では確定、社内では未決裁という食い違いが起きます。

6月のリリースノートでは、監査ログを日付・機能・利用者・操作の種類で絞り込み、表計算ソフトに書き出せるとも説明しています。月に一度、確定版と監査ログを書き出して社内の監査担当に渡す運用にしておくと、作業場の中だけで確定が完結する状態を避けられ、内部統制の監査で移行の判断の経緯を問われたときにも答えられます。

誤りが本番に入る経路:AIの下書きが素通りする場所

移行の誤りは、たいてい「誰かが確かめたはず」の場所をすり抜けて本番に入ります。AIの下書きが加わると、すり抜けの経路が増えます。次のような状態が見えたら、確定の線が崩れている合図です。

  • 機能要件定義書の差分に、業務の責任者の判断欄が空のまま開発が始まっている
  • 「使われていない」と判定された改修を、業務部門に確かめずに廃止している
  • AIが作った期待結果に合わせて、正しく動いていたシステムを直している
  • 移行パートナーの成果物に、どこをAIで作ったかの区別と版の番号がない
  • 独自開発物の部品の下書きを、開発の責任者が読まずに本番の環境へ載せている
  • 期限が迫り、確定の会議を省いて「作業場で確定済み」を検収の代わりにしている

どれも、AIの性能の問題ではなく、確定の手続きを省いたことが原因です。AIに判断させない場所を、工程表の上で先に決めることが、誤りを本番に入れないいちばんの手です。

特に独自開発物の部品は、6月から開発者の作業環境の中でも生成できるようになりました。便利な反面、生成した部品が設計書の確定を待たずに作られる流れも生まれます。部品の生成は、対応する定義書が署名済みであることを条件にする、と開発の規則に書いておきます。

費用の増え方:実行量と対象の数で伸びる

KTern.AI は料金を公開しています。2026年11月時点の公式の料金ページでは、評価や案件統制などの各基盤が年3.6万ドル、逆解析のエージェントが100対象で4.2万ドル、前方開発のエージェントが100アプリで12万ドル、例外を掘り出すエージェントが12回の実行で7.2万ドルと示されています。いずれも実行量や案件の数に応じた課金と説明されています。

ここから読み取れるのは、費用が「人数」ではなく「読ませる対象の数」と「回す回数」で伸びる構造だということです。独自改修が多い会社ほど逆解析の費用は増え、移行の途中で設計を何度も作り直せば実行の回数が増えます。改修の本数を先に数え、どこまでをAIに読ませるかで見積もりの幅を出すと、稟議で説明しやすくなります。

移行パートナーの契約の中で使う場合は、この費用がパートナーの見積もりに含まれているのか、別に請求されるのかを確かめます。AIで減った人の工数と、増えた道具の費用を並べて見せてもらうと、AIを使う意味があるかを判断できます。

やめ方と、取引先としての見方

移行は1年を超える案件です。途中で KTern.AI をやめる、あるいは移行が終わって契約を閉じるときに困らないよう、確定版の文書を、作業場の外に定期的に書き出しておくことが基本になります。設計書、機能要件定義書、試験シナリオ、署名の記録、監査ログを、社内の文書管理にも残しておけば、作業場が使えなくなっても移行後の保守で読み返せます。

案件の記憶として残った改修の一覧や業務の決定事項は、契約の終了時に削除を求め、削除の完了を書面で受け取ります。ログは地域内に1年保管されると公表されているので、削除の対象と時期を契約に書き込んでおきます。KTern.AI は外部のデータ基盤に情報を流す公式の部品も公開のパッケージ置き場で配っており、こうした連携を使っているなら、連携先に残ったデータも棚卸しの対象です。

その公式の部品は、外部のデータ基盤への接続を読み取りの問い合わせを基本とし、追加や更新、表の作成は明示の指定をしたときだけ使える作りです。同じ考え方は、エージェントを既存システムにつなぐときの権限にもそのまま当てはまります。移行の作業で読み取りしか要らない段階では、書き込みの権限を持つ接続を最初から渡さないことを、接続の設定の確認項目に入れておきます。

取引先としては、KaarTech は20年近い SAP の導入支援の実績を持ち、2026年に新たな資金も得ています。創業期の小さな会社に経路を預けるのとは事情が違います。それでも、移行の途中で道具の提供元が方針を変える可能性はゼロではありません。主要な成果物を道具の外に残しておけば、提供元の事情に案件全体を左右されずに済みます。

よくある質問

KTern.AI を使えば、移行パートナーは要らなくなりますか。

要らなくはなりません。KTern.AI は移行の作業を下書きする道具で、移行の方式を決め、開発し、本番を切り替える責任は移行パートナーと自社に残ります。公式の料金ページもパートナーの招待を前提にしています。パートナーの工数の一部が減る、と考えるのが実態に近いはずです。

日本語の業務文書や設計書でも使えますか。

公式資料で日本語への対応を明記した記述は確認できませんでした。6月の翻訳の担当が加えた言語もアラビア語です。日本語の業務名や項目名を含む文書をどこまで正しく扱えるかは、自社の小さな題材で試し、業務の担当者が読んで判定してから広げてください。

既存システムの本番の環境を、直接つなぐ必要がありますか。

公開資料からは、接続の方式の選択肢を細かくは読み取れませんでした。寄稿では SAP の API や顧客の基幹システムに接続すると説明されています。本番を直接つなぐか、写しの環境を使うかは、契約前に提供元とパートナーに確かめ、読ませる範囲と合わせて情シスが決めます。

2027年に間に合わなければ、AIで急ぐしかないのでしょうか。

割増の保守料を払えば2030年末まで延長保守を受けられると報じられています。期限に追われて確定を省くより、猶予を買う費用と、誤りが本番に入ったときの損失を比べるほうが合理的です。AIで速くできるのは下書きまでで、確定の会議を短くする道具ではありません。

まとめ

KTern.AI は、SAP の移行で最も手間のかかる独自改修の棚卸し、設計書と機能要件定義書の下書き、試験シナリオの生成を、AIエージェントで速くする基盤です。2026年には定義書を書く担当や版の管理、監査ログが加わり、確定の記録を残す道具もそろってきました。

それでも、改修を残すか捨てるか、差分を認めるか、試験の期待結果が正しいかを決めるのは、業務を知る人です。読ませる範囲、確定者の名前、署名した版だけを根拠にする約束、やめるときの書き出しを先に決めてから動かせば、2027年の期限に向けた移行でも、AIの速さを品質の手抜きに変えずに使えます。まずは改修の一部を写しの環境で読ませ、業務の担当者が下書きを判定するところから試してみてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次