En la actualidad, la modernización de aplicaciones en mainframe a través de la inteligencia artificial (IA) ha generado una gran expectación en el sector empresarial. Los consejos de administración están prestando atención, y los directores de información (CIO) se enfrentan a la demanda de estrategias claras. La IA se presenta como un acelerador real para la modernización de aplicaciones COBOL, aunque es crucial entender que para obtener resultados efectivos, la IA necesita un contexto adicional que el código fuente por sí solo no puede proporcionar.

En el proceso de modernización de mainframes, se identifican dos mitades distintivas: la primera consiste en la ingeniería inversa, que implica entender el funcionamiento de los sistemas existentes; la segunda abarca la ingeniería hacia adelante, es decir, la creación de nuevas aplicaciones. La mayoría de los proyectos de modernización de mainframe dependen del éxito en esta primera fase. Si bien los asistentes de programación son eficaces en la segunda parte, al proporcionar especificaciones claras y validadas, su eficacia se limita cuando se trata de entender el contexto en el que se encuentra el código existentes.

Para lograr una modernización exitosa de COBOL, se requiere una solución que no solo retroceda de manera determinista y produzca especificaciones validadas y rastreables, sino que también ayude a que esas especificaciones se integren en cualquier asistente de codificación potenciado por IA para la parte de ingeniería hacia adelante. La intervención de la IA es más efectiva cuando se le proporciona un contexto completo y específico de la plataforma. Los programas COBOL, por ejemplo, pueden comportarse de manera diferente dependiendo del compilador y el entorno de ejecución para el que fueron diseñados, lo que dificulta la tarea de la IA si no se resuelve este comportamiento a priori.

Además, en sectores regulados como la banca o los seguros, la rastreabilidad se convierte en un factor crítico. Los reguladores exigen la capacidad de demostrar que no se ha omitido ningún aspecto relevante. La IA, por sí sola, no es suficiente para extraer la lógica empresarial y generar documentación que cumpla con estos estándares. Por lo tanto, es vital estructurar el código en unidades precisas y limitadas que puedan ser alimentadas a la IA, permitiendo así una trazabilidad efectiva.

Con el objetivo de modernizar aplicaciones en mainframe a gran escala, se ha desarrollado AWS Transform. Esta plataforma se centra en proporcionar a la IA una base adecuada, comenzando por construir un modelo completo y determinista de la aplicación existente. A través de agentes especializados, se extraen la estructura del código, el comportamiento en tiempo de ejecución y las relaciones de datos en todo el sistema, creando un gráfico de dependencias alineado con la semántica del compilador real, lo que permite a la IA trabajar con información clara y estructurada.

Las empresas no enfrentan la modernización de una sola aplicación, sino que gestionan carteras extensas de múltiples aplicaciones interconectadas. Por lo tanto, AWS Transform automatiza todo el ciclo de vida del proceso de modernización, desde el análisis hasta la planificación de pruebas y la reimaginación. Cada aplicación puede necesitar un enfoque distinto, y el éxito de la modernización radica en la correcta identificación de qué aplicación modernizar primero y cómo.

Ejemplos concretos de éxito en la modernización incluyen a BMW Group, que redujo su tiempo de prueba en un 75% y aumentó la cobertura de pruebas en un 60%; Fiserv, que completó un proyecto de modernización en solo 17 meses, en lugar de los 29+ inicialmente proyectados; y Itau, que logró reducir el tiempo de descubrimiento y prueba de aplicaciones en más del 90%, permitiendo una modernización un 75% más rápida que los esfuerzos manuales previos. Todo esto demuestra que el uso efectivo de la IA en los procesos de modernización de mainframes puede ser un verdadero cambio de juego para las empresas.
vía: AWS machine learning blog