بدأت محاولة إدارة الضمان الاجتماعي لتحديث 60 مليون سطر من كود COBOL نقاشًا حول تحول النظام القديم. تقوم هذه الأنظمة بمدفوعات 66 مليون أمريكي شهريًا ، مع تسليط الضوء على التوتر الذي يواجهه العديد من CTO: 43 ٪ من الأنظمة المصرفية مبنية على كوبول ، مع 80 ٪ من المعاملات الشخصية تعتمد على لغة الشيخوخة هذه.
ومع ذلك ، يتصاعد الضغط لتحديث البنية التحتية المكررة على مدار عقود – مما يجعل الاستبدال المتسرع وصفة للكارثة.
المقياس مذهل مثل 220 مليار سطر من كوبول قيد الاستخدام اليوم. لقد خرج كوبول عن مصلحة المبرمجين ، وخلق مشكلة حرجة عندما تحتاج الأنظمة إلى تحديثات ، وتفتقر الشركات إلى خبراء COBOL. لكن الاختراق الحقيقي ليس في أرقام القوى العاملة ؛ إنها كيف تتغير الذكاء الاصطناعي بشكل أساسي معنى التحديث. بالنسبة إلى CTOs الإشراف على أنظمة حيث يمكن أن تؤثر خمس دقائق من التوقف على الملايين ، يتطلب المسار إلى الأمام الدقة ، وليس الوعود.
البنية التحتية للشيخوخة ومجموعة مواهب متقاعد
في ما يزيد قليلاً عن 10 سنوات ، سيكون معظم المطورين الأمريكيين المهرة الذين لديهم معرفة لتشغيل هذه الأنظمة القديمة في عصر التقاعد أو الماضي. احتمالات الاستعانة بمصادر خارجية في الخارج تبدو رهيبة.
قريباً ، ستضيع المعرفة الأساسية في كوبول وتطبيقات الأعمال ، مما يجعل التحديث المؤجل أكثر صعوبة ومكلفة. بالإضافة إلى ذلك ، فإن الحفاظ على النظم القديمة أمرًا صعبًا بشكل متزايد ، وقد يعني الفشل في التحديث عدم الكفاءة التشغيلية ، ونقاط الضعف الأمنية ، وعدم القدرة على مواكبة الابتكار.
فلماذا لم تحديث CTOs أنظمتها الأساسية؟ الجواب يكمن في التعقيد والدين الفني. يمثل تجديد النظام الأساسي التحديات المعمارية ، وتعقيدات التكامل ، ومسارات الهجرة غير المؤكدة. الخدمات المالية CTOs تعرف هذا الواقع بشكل وثيق. تقوم أنظمة COBOL الخاصة بهم بمعالجة تريليونات في المعاملات يوميًا دون فشل. غالبًا ما لا تضيف الحالة الفنية لاستبدال الجملة عندما تقدم الأنظمة الحالية الأداء والاستقرار المثبتين.
أدخل Genai: أداة للتحديث
ومع ذلك ، فإن ظهور Genai يعيد تشكيل المحادثة. تفتح قدرة Genai على تحليل وتفسير وتحويل التعليمات البرمجية القديمة إمكانيات جديدة ، مما يجعل التحديث أسرع وأكثر كفاءة وأكثر قابلية للتطوير. يلفت هذا التحول الانتباه من قادة التكنولوجيا الذين رأوا تحديث النظام ذات مرة على أنه باهظ المعماري.
الفرق الرئيسي؟ تتيح Genai التحديث الانتقائي بدلاً من مقاربات RIP-and Riplace المحفوفة بالمخاطر. تتحول فرق التطوير بشكل متزايد إلى الذكاء الاصطناعي لتسريع مبادرات تحديث الحاسب الرئيسي. يمكن لهذه الأدوات أن تعالج ملايين خطوط كود كوبول غير الموثوق ، واستخراج منطق الأعمال وتوليد معادلات اللغة الحديثة مع الحفاظ على قواعد العمل الحرجة.
في حين أن الذكاء الاصطناعي هو محرك تغيير مهم ، فإن تحديث الأنظمة الأساسية الحساسة للمخاطر ليست عملية تناسب الجميع. بالنسبة إلى CTOs في المؤسسات المالية التي تكون فيها موثوقية النظام أمرًا بالغ الأهمية ويجب الحفاظ على السلامة المعمارية ، يجب أن يكون النهج جراحيًا وليس كاسحة.
استراتيجيات للنجاح
كيف يمكن القيام بهذا الانتقال بنجاح؟ تتطلب الخطوة الأولى تحليلات نظام قديمة شاملة ، وتقييم الديون الفنية والتخطيط للتحديث المعماري. بعد تحديد استراتيجية التحديث الخاصة بهم ، يجب أن تركز CTOs على إنشاء أطر اختبار قوية لضمان سلامة النظام ومعايير الأداء أثناء عملية الترحيل بأكملها.
إعادة بناء انتقائية ومستمرة
في حين أن بعض CTOs يشعرون أنه من الضروري استبدال الأنظمة بأكملها ، فإن العكس غالبًا ما يكون أكثر عملية. بدلاً من استبدال كل شيء في وقت واحد ، يجب على فرق التطوير تحديث التطبيقات بشكل تدريجي. يعترف هذا النهج بالحقيقة الأساسية: لا يحتاج كل رمز COBOL إلى استبدال. غالبًا ما تتفوق أنظمة معالجة المعاملات على مدار عقود على البدائل الحديثة من حيث الإنتاجية والموثوقية.
من خلال اختيار نهج تدريجي ، يمكن لـ CTOs ضمان استقرار النظام ، لذلك يتم استيفاء معايير الأداء والمتطلبات المعمارية مع الحفاظ على السيطرة الكاملة على الحوكمة الفنية. يمكن للخدمات المالية أن تبدأ CTO مع الأنظمة القديمة API وتحديث طبقات التكامل مع الحفاظ على محركات المعالجة الأساسية المثبتة سليمة.
تحويل رمز الذكاء الاصطناعى
عند تحديث الأنظمة الأساسية ، يمكن لـ CTOs الاستفادة من الذكاء الاصطناعي لتحويل الكود الآلي. فتحت نماذج اللغة الكبيرة القدرة على تحليل رمز COBOL الحالي ، وتبعيات نظام MAP ، وإنشاء التعليمات البرمجية الحديثة تلقائيًا مع الحفاظ على سلامة الخوارزمية ، وتسريع دورات التطوير بسرعة مع تقليل المخاطر التقنية.
على الرغم من أن CTOs يجب أن تستخدم الذكاء الاصطناعي لرحلة التحديث الخاصة بهم ، يجب على الفرق الهندسية إعطاء الأولوية لجودة الكود واختبار النظام. يمكن أن تكون الذكاء الاصطناعي أداة قوية لتحويل الكود ، ولكن فقط عند دمجها مع خطوط أنابيب الاختبار الشاملة وعمليات مراجعة التعليمات البرمجية. في الخدمات المالية ، حيث تكون موثوقية النظام غير قابلة للتفاوض ومتطلبات الأداء صارمة ، فإن الذكاء الاصطناعى يعمل بشكل أفضل كمسرع للتطوير بدلاً من حل مستقل.
إرشادات الخبراء والدعم على المدى الطويل
تحديث النظام القديم هو حقًا رحلة ، وليس مشروعًا لمرة واحدة. يجب أن تبني CTOs فرقًا ماهرة وذات خبرة عند الاقتراب من تحويل النظام. ويشمل ذلك كلا من المتخصصين في الحاسب الرئيسي الذين يفهمون البنية الحالية والمطورين الأصليين السحابيين الذين يمكنهم تصميم بنيات الخدمات المجهرية الحديثة.
حافظ على المنافسة والتحديث اليوم
حان الوقت للتحديث الآن. لا تحتاج تطبيقات COBOL التي تعمل بشكل ثابت على إطارات Mainframes إلى تحويل 100 ٪ إلى لغات أخرى. يمكن أن يقتصر تحديث التطبيق الانتقائي على مكونات محددة حيث تكون الفوائد الفنية واضحة: حل عملي حيث يمكن أن تتحلل البنية المتجانسة لكوبول.
CTOs الذين يعطون الأولوية للتحديث مع التركيز على مرونة النظام والمرونة المعمارية سيضعون منظماتهم للنجاح على المدى الطويل. سيكون الفائزون هم أولئك الذين يستخدمون Gen AI لتعزيز أداء أنظمةهم القديمة مع بناء القدرات الحديثة ، وليس أولئك الذين يحاولون بدائل الجملة التي تخاطر بعقود من سلوك النظام المثبت.
