システムモダナイゼーション事業 – 売上高推移と収益構造

LiNKXは、システムモダナイゼーション事業の単一セグメントである。老朽化した基幹システムを単純に新しいサーバーへ移すのではなく、業務機能を分解し、クラウド上で拡張しやすいアーキテクチャへ再設計する。

主な対象は、金融機関において24時間365日の安定稼働が求められるミッション・クリティカル・システムである。勘定系システム、APIゲートウェイ、データ基盤、インターネットバンキング、電子マネー関連システムなどを扱う。

収益の中心となるフロー型収入は、主に準委任契約によるシステム開発支援から発生する。顧客のプロジェクトへハイエンド・エンジニアやソリューション・コンサルタントを配置し、アーキテクチャ設計、開発、テスト、移行、プロジェクト管理を行う。

売上高の拡大には、稼働可能なハイエンド・エンジニア数と1名当たり売上高が重要となる。ハイエンド・エンジニア数は2024年6月期の45名から2025年6月期に72名へ増加し、2026年3月末には86名となった。

1名当たり年間平均売上高は、2024年6月期が2,357万円、2025年6月期が2,294万円だった。人員を急拡大しながら2,000万円を超える水準を維持しており、高単価案件の受注とエンジニア稼働率が収益性を左右する。

2025年6月期は金融機関向け売上高の増加により、売上高が前期比66.1％増、営業利益が同143.5％増となった。売上高の伸びに対して人件費や販売管理費の増加を抑えたことで、営業利益率は16.7％から24.5％へ上昇した。

2026年6月期は、次世代勘定系を含む高付加価値案件の増加と、AI活用による生産性向上を前提に売上高38.5％増を見込む。一方、採用、営業、管理体制、AI・セキュリティ関連ツールへの投資により、営業利益の伸び率は20.9％となる計画である。

金融基幹システム – 勘定系・API・データ基盤の刷新

勘定系システムは、預金、入出金、決済、融資、残高管理、利息計算などを処理する銀行業務の中枢である。障害が社会インフラへ直結するため、一般的な業務システムより高い信頼性、可用性、セキュリティ、処理整合性が要求される。

金融機関では、長期間利用されてきたメインフレームや密結合型システムが多く、仕様書の欠落、技術者の高齢化、改修期間の長期化、運用費の増大、外部サービスとの接続難易度が課題となる。

LiNKXは、既存システムの業務機能や依存関係を分析し、重要機能をモジュール化する。機能単位で段階的に切り離すことで、全面更改に伴う移行リスクを抑えながら、新しいサービスを追加しやすい構造へ変える。

APIゲートウェイ領域では、銀行内部の勘定系システムと外部サービスの接続、認証・認可、通信制御、接続先管理などを支援する。オープンAPIの利用拡大により、金融機関はフィンテック企業や事業会社と接続しやすくなる一方、セキュリティと運用管理の重要性が高まる。

自社ソリューション「BX Connect」は、レガシーな勘定系システムと外部のモダンなシステムを接続するための認証・認可、接続管理などの機能を提供する。個別開発だけでなく、共通機能のソリューション化によって開発期間の短縮とストック型収入の獲得を目指す。

データ基盤領域では、銀行内に分散する取引情報や顧客情報の統合、データ分析環境の導入、クラウド移行、AI活用を支援する。Teradata VantageCloudなど、他社データプラットフォームのライセンス収入もストック型収入に含まれる。

顧客の内製化支援も特徴である。LiNKXが完成品を納入して終了するのではなく、顧客側のエンジニアと共同チームを組み、設計、開発、テスト、運用のノウハウを移転する。顧客は特定ベンダーへの過度な依存を抑え、自社主導で機能追加を進めやすくなる。

一方、顧客側の内製力が高まるほど、将来的に外部委託範囲が縮小する可能性もある。LiNKXには、初期開発後も高度な設計、AIソリューション、保守・運用などで継続的な価値を提供することが求められる。

AI活用 – AXceleratorとLiNKX WAY

レガシーシステムの刷新では、ソースコードが大量に存在する一方、設計書や仕様書が更新されていないケースがある。担当者の退職によって、コードの目的や他システムとの依存関係を把握できないことも移行の障害となる。

「AXcelerator」は、AIを用いて老朽化したシステムのソースコードを解析し、システム構造の可視化や依存関係の特定を支援する。旧言語から新言語へ移行するための仕様書作成やコード変換を自動化し、移行設計の精度向上と工数削減を狙う。

AIの適用範囲はコード変換だけではない。要件定義時の情報整理、設計書の作成、コード生成、レビュー、テストケース作成、不具合や脆弱性の検出、障害原因の調査など、開発工程全体で利用を進めている。

特にテスト工程では、ソースコードから実際の業務フローに沿ったシナリオテストを自動生成する。金融システムでは、個別機能が正常でも複数システムをまたぐ処理で不具合が生じる可能性があり、業務シナリオ単位の検証が重要となる。

「LiNKX WAY」は、独自のエンジニアリング手法、プロジェクト遂行方法、AI活用方法を集約したノウハウである。顧客との共同チームへ適用し、アジャイル開発の進め方や品質管理方法を顧客側へ移転する。

アジャイル型では、長期間をかけて全要件を固定してから開発するのではなく、機能を小さく分け、開発と検証を反復する。要件変更への対応速度を高めやすく、段階的なモダナイゼーションとの親和性が高い。

AIによってエンジニア1名当たりの処理量が増えれば、人員増加を上回る売上成長や利益率向上につながる可能性がある。さらに、社内で蓄積したAI駆動開発のノウハウを外販できれば、準委任型の人月収入からソリューション収入へ収益源を広げられる。

ただし、AIによる解析やコード生成は、金融システムで求められる正確性を自動的に保証するものではない。熟練エンジニアによる検証、セキュリティ管理、顧客データの取り扱い、生成結果の品質管理が不可欠である。

ストック型収入 – 自社サービスと保守・運用

ストック型収入には、自社ソリューションのライセンス、他社データプラットフォームのライセンス、開発したシステムの監視、保守、障害対応、運用支援などが含まれる。

金融基幹システムは稼働後も、法令・制度変更、セキュリティ対策、外部サービス接続、機能追加への対応が必要となる。初期開発から運用まで関与できれば、顧客システムへの理解を生かした継続収入を獲得しやすい。

「LabHub」は、研究開発プロセスのデジタル化を支援するプラットフォームである。実験データや研究情報を管理し、研究開発の品質と生産性を高める機能を提供する。

「shikAI」は、点字ブロック上のQRコードをスマートフォンで読み取り、視覚障がい者を目的地まで音声で案内するナビゲーションシステムである。金融以外で自社技術をサービス化した事例となる。

非金融領域については、採算性を維持できる製薬関連プロジェクトや自社サービスを選別して受注する方針であり、現時点では金融領域と同じ規模で積極拡大しているわけではない。

ストック型収入の拡大は、売上高の安定性と人員依存度の低下につながる可能性がある。一方、ソフトウェア製品は開発後も改良、営業、導入支援、保守が必要であり、利用企業が増えるまで先行費用が発生する。

2025年6月期時点ではフロー型収入が97.9％を占めるため、当面の業績は大型開発案件の受注、エンジニア数、平均単価、稼働率の影響を強く受ける。ストック型収入比率の上昇が確認できるかは、中長期的な企業価値を判断する重要な観測項目となる。