その作業、
人がやらなくていい。

業務システムの寿命は、どの言語を使うかより「どこに何を置くか」で決まります。構成図のとおり、画面・処理と権限・データを分けて組むのが基本の形です。分けておくと、どれか1つを作り替えても他が巻き添えにならず、5年後に一部だけを入れ替えられます。

境界は API に置きます。業務のルールと「誰が何をしてよいか」の判断を API 側に集めてしまえば、画面が増えても判断が分かれません。あとからスマートフォンのアプリや、他社システムからの呼び出しを足すときも、同じ約束のまま使えます。

特定のクラウドにしか無い機能へ深く寄りかからないことも、設計のうちです。アプリケーションを Docker で包み、どこでも同じように動く状態にしておけば、料金改定や障害を理由にクラウドを移すときも作り直しになりません。1社に全部を預けると、その会社の都合がそのまま事業のリスクになります。

そして、一度に全部を置き換えないこと。既存のシステムは動かしたまま、業務の一部ずつを新しい仕組みへ移していきます。並走できる形にしておくと、途中で止まっても業務は止まりません。

スキューモーフィズムが流行した時代から、現代のマテリアルデザイン、フラットデザイン、ニューモーフィズム、Fluent Design まで、時代とプラットフォームに最適化された手法を柔軟に取り入れています。

単なる見た目の美しさだけでなく、ユーザー行動の分析、情報アーキテクチャの設計、プロトタイピングとユーザーテストを通じて、使いやすさと美しさを両立させたインターフェースを構築します。

業務システムでは、使う人が毎日何百回も同じ画面を触ります。1クリック減らす、入力欄の並びを業務の順番に合わせる、といった地味な設計が、そのまま作業時間とミスの数に出ます。見た目を決める前に、誰が何の順番で操作するかを先に決めます。

フロントエンド開発の言語として世界で最も人気のあるライブラリである React を採用しています。React は 2013 年に Facebook（現 Meta）が開発した JavaScript ライブラリで、フロントエンド開発においてデファクトスタンダードとなっています。

Microsoft が開発した JavaScript のスーパーセットである TypeScript と親和性が高く、静的型付けによって型安全性を確保でき、バグの少ない堅牢なコードを記述することが可能です。また、豊富なエコシステムも大きな魅力で、Next.js や Astro などの高機能フレームワーク、多数の UI ライブラリやツールが充実しており、開発効率を大幅に向上させます。

さらに、React は大規模なコミュニティに支えられており、最新の情報やベストプラクティスが常に共有されています。これにより、問題解決が迅速で、長期的なメンテナンス性も高く保つことができます。世界中の主要企業が採用している実績も、技術選定の信頼性を裏付けています。

このような理由から、当方では React をフロントエンド開発のファーストチョイスとして採用し、高品質で保守性の高いシステムをお客様に提供しています。

API 開発の言語として、Go（Golang）を採用しています。Go は 2009 年に Google が開発したプログラミング言語で、シンプルさと効率性を追求し、特に並行処理（Goroutine）を容易に扱えるよう設計されています。

C 言語並みの高速な実行速度を誇りながら、ガベージコレクション機能により安全なメモリ管理が可能で、型安全でバグの少ない堅牢なコードを記述できます。コンパイル時に単一の実行ファイルが生成されるため、デプロイが非常にシンプルで、依存関係の問題も最小限に抑えられます。

Go の大きな特長として、充実した標準ライブラリがあります。HTTP 通信、JSON 処理、データベース接続など、API 開発に必要な機能の多くが標準で提供されており、外部のエコシステムに過度に依存することなく実装を完結できます。これにより、依存パッケージの管理コストを削減し、セキュリティリスクも低減できます。

また、Docker や Kubernetes、Prometheus など、クラウドネイティブ領域の主要プロジェクトの多くが Go で開発されています。大規模なトラフィックを処理する必要があるシステムでも安心して使える高い拡張性とパフォーマンスを備えており、マイクロサービスアーキテクチャとの相性も抜群です。

このような理由から、当方では Go を API 開発の中核技術として採用し、高速で安定性の高いバックエンドシステムをお客様に提供しています。

データサイエンス・AI 領域の開発用言語として、Python を採用しています。Python はシンプルで読みやすい構文が特徴で、エンジニアに限らず数学者や研究者など幅広い職種の方々に受け入れられています。

このため、膨大な数のライブラリとフレームワークが開発されており、機械学習の TensorFlow や PyTorch、データ分析の pandas や NumPy など、最先端の技術を素早く導入できます。特に AI・機械学習分野ではデファクトスタンダードの地位を確立しており、学術論文で発表された最新のアルゴリズムも、多くの場合 Python での実装が最初に公開されます。これにより、最新技術をいち早くビジネスに活用することが可能です。

また、活発なコミュニティと豊富な知見も大きな強みです。問題解決のための情報が充実しており、開発効率を高めることができます。

当方では、Python を用いて AI 機能や分析エンジンを開発する際、FastAPI などの軽量フレームワークを活用し、必要最小限の機能を持った API エンドポイントを作成します。これを Go で開発したメイン API から呼び出す構成により、各言語の強みを活かしたマイクロサービスアーキテクチャを構築し、高い保守性とスケーラビリティを実現しています。

システムを載せる土台として、Google Cloud・AWS・Cloudflare を組み合わせて構築します。どれか1つに揃えるのではなく、要件ごとに得意な部分を使い分ける方針です。1社に寄せると、その会社の価格改定や障害がそのまま事業のリスクになります。

AWS は提供されるサービスの数が最も多く、要件がまだ読みきれない段階での既定にしています。あとから必要になったものが、だいたい揃っています。Google Cloud は BigQuery を中心としたデータ基盤が強く、集計や分析を伴うシステムではこちらを選びます。

Cloudflare は転送量に対する課金の考え方が他社と異なり、アクセス数が読めない部分を定額に寄せられます。配信や画像の最適化、迷惑アクセスの遮断をここに任せることで、計算資源そのものの費用を抑えられます。規模が小さいうちは VPS を使い、固定費を月数千円に収めることもあります。

いずれの構成でも、Docker でアプリケーションを包み、どこでも同じように動く状態にしておきます。GitHub Actions で検査と公開を自動化し、監視とログで異常に人より先に気づけるようにします。これにより、将来クラウドを移す必要が出たときも、作り直さずに移動できます。

つくって納めて終わり、にはしません。業務システムは納品後のほうが長く、直す回数も多くなります。そこで、直して出すまでの手順を最初に自動化しておきます。

環境は開発・検証・本番の3つに分けます。試すのは検証まで、本番に触れるのは通った変更だけ、という順序を仕組みで固定します。これがないと「手元では動いていた」が本番の障害になります。

GitHub Actions で、変更のたびに型検査・テスト・ビルドを自動で走らせ、通ったものだけを公開します。人が手順書を見ながら作業する工程を残さないことで、作業ミスによる障害を減らせます。構成そのものも Terraform でコードに残すので、同じ環境をいつでも作り直せます。

動かしたあとは、監視とログで異常に人より先に気づける状態にします。問題が出たときは前の版へ戻せるようにしてあるので、原因を調べる時間と、業務が止まる時間を切り離せます。