El lanzamiento del asistente de codificación de IA “Bob” de IBM marca un cambio importante en la modernización empresarial. En todas las industrias, se están implementando herramientas de inteligencia artificial como una forma de hacer que los sistemas heredados sean más fáciles de entender, evaluar y eventualmente modernizar. Y hay un valor real.
Algunas de estas herramientas pueden leer miles de líneas de código heredado, identificar API obsoletas, resumir la lógica empresarial y sacar a la luz la deuda técnica en minutos. Para empresas con décadas de historia operativa, este tipo de visibilidad es un gran paso, pero no confundamos visibilidad con modernización.
Director de IA en Ensono.
Comprender cómo funciona un sistema es esencial. No es suficiente. He visto equipos crear mapas de dependencia limpios, resúmenes de código detallados y evaluaciones técnicas impresionantes, solo para darme cuenta de que la parte más difícil comienza después de que la IA termina de escanear el código.
Las propiedades heredadas rara vez se mantienen al margen. Están entretejidos en el modelo operativo del negocio. Reflejan años de decisiones de procesos, opciones de integración, requisitos de cumplimiento, excepciones específicas de clientes y conocimiento institucional que a menudo está fragmentado, tribal o apenas documentado. Pequeña y encantadora búsqueda del tesoro, sin tesoro hay riesgo
Un modelo de IA puede identificar un punto de integración antiguo o resaltar una aplicación que respalda un proceso comercial crítico. Eso es útil. Pero el verdadero desafío comienza cuando los equipos se dan cuenta de cuántos otros sistemas, flujos de trabajo y equipos operativos están conectados a lo que parece un cambio simple.
En muchas organizaciones grandes, los sistemas heredados aún sobreviven por una razón muy simple: funcionan. Continúan funcionando de manera confiable en condiciones exigentes, incluso cuando partes del entorno circundante evolucionan, se degradan o se vuelven difíciles de soportar con el tiempo.
Por eso la modernización no es sólo la práctica de la tecnología. Este es un ejercicio de secuenciación. Este es un ejercicio arriesgado. Y, si se hace bien, es una decisión empresarial.
Desafío de múltiples capas
Cada decisión técnica dentro de una propiedad heredada tiene consecuencias en otros lugares. Los cambios en una aplicación pueden afectar los procedimientos de recuperación, los requisitos de auditoría, los acuerdos de licencia, los cronogramas de lotes, los niveles de integración o los procesos de soporte que se han mantenido estables a lo largo de los años.
Aquí es donde se estancaron muchos programas de modernización. Los equipos tienden a subestimar cuán interconectados están estos entornos. La IA puede acelerar la evaluación técnica, pero su valor real surge cuando esos conocimientos se conectan con el contexto operativo y comercial del sistema.
Esa distinción es importante. Las empresas se están alejando de estrategias amplias de “reemplazar todo” y volviéndose más selectivas. No es necesario derribar todas las plataformas heredadas. Algunos sistemas necesitan una reestructuración. Necesita una interfaz mejor. Es necesario mover algo. Y algunos, francamente, deberían dejarse donde están porque están haciendo su trabajo de manera confiable.
La ubicación de las cargas de trabajo se ha vuelto mucho más matizada. Mover un servicio a la nube pública puede mejorar la escalabilidad y acelerar la entrega de software, pero también puede introducir preocupaciones sobre la soberanía de los datos, problemas de latencia, variabilidad de costos o nuevas dependencias de soporte.
Al mismo tiempo, colocar cargas de trabajo en un entorno IBM Z o Power modernizado puede proporcionar un rendimiento más predecible para las aplicaciones que ya se ejecutan eficazmente a escala.
La verdadera pregunta no es: “¿Cómo obtenemos todo de las plataformas heredadas?” Mejores preguntas son: “¿Qué sistemas realmente se benefician de la migración, cuáles deben modernizarse y cuáles pueden ampliarse con interfaces modernas?”
Sin ese contexto, las organizaciones pueden gastar mucho dinero cambiando los sistemas sin abordar el problema subyacente. Felicitaciones, ahora tiene las mismas complicaciones en un nuevo puesto.
Ya estamos viendo cómo esto se desarrolla en entornos empresariales donde las plataformas heredadas todavía se encuentran en el centro de las operaciones de gran volumen. En una evaluación reciente, se utilizaron asistentes de codificación de IA para analizar más de 6 millones de líneas de código RPG que se ejecutan en IBM Power Systems, procesando aproximadamente 30 millones de solicitudes por día.
Este trabajo expuso áreas concentradas de deuda técnica y complejidad en cuestión de semanas, brindando a la organización una base clara para decidir qué modernizar, por dónde empezar y cómo secuenciar el cambio sin interrumpir las operaciones centrales.
Éste es el valor práctico de la IA en la modernización: no magia, sino mejor visibilidad, evaluación más rápida y priorización más inteligente.
Por qué las implementaciones de IA empresarial son cada vez más específicas
Este cambio más amplio también se refleja en cómo los hiperescaladores hablan sobre la adopción de la IA empresarial. El director ejecutivo de Microsoft, Satya Nadella, describió el mercado como un paso del “descubrimiento” a la “expansión generalizada”. En pocas palabras, el desafío ya no es sólo crear modelos impresionantes.
Se trata de incorporar la IA en sistemas empresariales reales, flujos de trabajo reales, operaciones reales y a escala. Esto se acerca mucho más a cómo funciona realmente la modernización en las grandes empresas.
El mismo cambio está ocurriendo con los modelos de IA. A la industria todavía le gusta hablar de escala, pero la mayoría de los equipos empresariales no se quedan sentados esperando que un modelo de un billón de parámetros los salve. Necesitan herramientas que ayuden a los ingenieros a resolver problemas muy específicos dentro de entornos que ya son suficientemente complejos.
En muchos casos, los modelos más pequeños y especializados están resultando más útiles porque pueden implementarse de forma controlada, centrarse en tareas específicas y gestionarse de forma más estricta.
Ese punto de gobernanza es importante. La incorporación de la IA a las operaciones de infraestructura plantea preguntas muy reales: ¿a qué datos puede acceder el modelo? ¿Qué sistema puede tocar? ¿Puede sugerir cambios? ¿Puede ejecutarlos? ¿Quién aprueba el movimiento hacia la producción?
Ésta es otra razón por la que los modelos de tareas específicas están ganando terreno. Los equipos pueden determinar exactamente qué puede hacer el modelo, dónde se requiere la aprobación humana y cómo fluyen los cambios a través de los controles existentes. En un entorno empresarial, este tipo de control no es burocrático. De esta manera evitará convertir una herramienta de productividad en el puente de apagón de mañana por la mañana.
Dónde la IA está aportando valor práctico hoy
Las empresas que obtienen un valor real de la IA normalmente no hacen afirmaciones elevadas al respecto. Están aplicando la IA a tareas de ingeniería e infraestructura que ya consumen una gran cantidad de tiempo: investigar incidentes, mapear dependencias, validar cambios, respaldar pruebas de regresión y comprender cómo se comportan realmente los sistemas complejos.
Gran parte de ese trabajo se reduce a brindar a los ingenieros una mejor visibilidad y ayudarlos a llegar más rápido a las causas fundamentales.
Los modelos de IA pueden ayudar a correlacionar las inconsistencias del tiempo de ejecución con los cambios de código recientes. Pueden reducir el tiempo que los equipos dedican a rastrear incidentes manualmente en entornos híbridos. Pueden admitir pruebas de regresión en torno a aplicaciones heredadas y dependencias de integración superficial que antes eran difíciles de visualizar en múltiples capas de infraestructura.
Esto se vuelve especialmente importante en entornos donde los servicios nativos de la nube se combinan con sistemas mainframe y de rango medio establecidos desde hace mucho tiempo. En muchas organizaciones, los problemas más difíciles se encuentran en esos entornos, especialmente cuando diferentes equipos administran diferentes partes del patrimonio con diferentes herramientas, diferentes métricas y diferentes ritmos operativos.
Es por eso que las implementaciones de IA más útiles se centran en tareas prácticas de ingeniería, no en intentos grandiosos de automatizar todo a la vez.
Las organizaciones están viendo valor en áreas que son repetitivas, complejas y difíciles de medir manualmente. La generación de pruebas automatizadas puede reducir el riesgo de regresión en torno a las aplicaciones heredadas. La correlación de monitoreo respaldada por IA puede acortar el ciclo de investigación de incidentes. El análisis de dependencia puede ayudar a los equipos a priorizar las tareas de infraestructura que eliminan los cuellos de botella que afectan la prestación de servicios.
En la mayoría de los casos, la IA no reemplaza el juicio de ingeniería. Está mejorando el trabajo que los equipos de ingeniería e infraestructura ya entienden bien. Y ahí es donde las expectativas deben ser claras.
La IA puede acelerar el descubrimiento. Lo que antes requería semanas de evaluación manual ahora puede realizarse mucho más rápido. Pero éste suele ser el punto donde comienza el verdadero trabajo.
Un modelo puede indicarle cómo se conectan los sistemas. No puede decirle para cuántas perturbaciones está preparada la empresa. No puede determinar qué compromiso del cliente es más importante. No puede deshacer mágicamente 25 años de dependencia operativa mientras todos respiran con humildad.
Los líderes tecnológicos deberían ver a los asistentes de codificación de IA como herramientas de apoyo a la toma de decisiones para estrategias de modernización e infraestructura más amplias, no como una solución única a la complejidad heredada.
El anuncio de Bob de IBM muestra cuán rápido están avanzando estas capacidades, especialmente cuando se trata de comprender el código heredado y ayudar a los equipos a trabajar en entornos grandes y complejos. Pero la visibilidad sólo es importante si las organizaciones pueden convertirla en cambios prácticos sin causar malestar en otros lugares.
La IA puede ayudarle a leer patrimonios heredados. Esto puede ayudarle a comprender los riesgos. Esto puede ayudarle a moverse más rápido. Pero la modernización todavía requiere criterio, secuenciación y disciplina operativa.
Esa parte sigue siendo muy humana.
Hemos presentado el mejor creador de sitios web con IA.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
