目录

周一早上，核心业务系统的改动导致部分账单处理业务中断。负责人翻找旧设计文档，另一个团队则排查对周边系统的影响。熟悉系统的人寥寥无几。大家急于修复，却无法判断究竟可以改到什么程度。

在这种情况下，如果AI能阅读代码、梳理依赖关系，甚至提出修改方案，无疑会很有帮助。那么，对于多年来一再搁置的遗留系统问题，AI这次真能解决吗？

ZDNET Japan文章介绍的Kyndryl调查，既体现了期待，也透露出谨慎。AI，尤其是智能体AI，有望加快改造工作。但另一方面，许多企业过去的现代化改造并未取得与投入的时间和成本相称的成果。此外，一位前IBM战略负责人指出，遗留系统问题“经济上不可行”。认为引入AI就能自动实现投入产出平衡，还为时过早。

为什么现代化改造总是一再推迟#

以大型机为代表的遗留系统改造，长期以来一直是CIO面临的难题。从Web服务、微服务，到云计算、虚拟化，以及基于x86的Windows和Linux服务器，每当新技术出现，企业都会继续尝试提高系统的灵活性。

即便如此，改造仍常常被重新归入“五年后再解决的问题”。现有系统十分复杂，经过多年的修改，其实际运行方式已无法仅靠设计文档来理解。它们与周边系统也有诸多关联，很难预判某项功能发生变化后，会影响到哪些地方。迁移期间业务也不能停，因此必须让新旧系统并行运行。

因此，改造并不是简单的“用新东西替换旧东西”。它会成为一个漫长的项目，涵盖需求确认、代码分析、数据迁移、测试，以及让一线人员熟练使用新系统等环节。在估算阶段往往难以掌握全貌，中途还可能出现延期和额外费用。

Kyndryl对2000名高级IT决策者进行的调查显示，在开展现代化改造的企业中，只有约半数表示实现了IT运维改善。感受到创新成效的企业不到一半。18%的受访者表示，获得的价值有限，或尚不明确。近半数受访者还遇到了进度延误或成本超支。

面对如此沉重的负担，即使知道“应该改造”，也很难获得投资批准。此时，前IBM战略负责人所说的“经济上不可行”就显得格外有分量。这番话可以理解为在提出一个问题：如果试图以统一的方式全面替换各家企业复杂的系统，就可能无法获得与成本相称的成果。

AI首先能帮忙的，是减少“不了解”的部分#

这次人们对AI的期待，并不是一次性重建整个系统，而是先让它辅助过去依靠人工完成的调查和文档编写，从而更容易判断改造的前景。

Kyndryl的调查显示，只有10%的技术负责人表示，正在将智能体AI用作IT现代化改造工具。此外，有信心完全掌握新旧系统之间依赖关系的组织也不到10%。即使能读懂待改造系统的代码，也不代表已经掌握了数据流向、相关业务，以及对其他系统的调用。

在这种情况下，智能体AI可以辅助多项工作。例如，查找隐藏的依赖关系、生成候选代码，以及将现有规范和工作内容整理成文档。如果能缩短过去需要人工逐项调查的时间，就能将更多时间用于确认影响范围和制订测试计划。

不过，不能直接认定AI给出的解释和代码就是正确的。旧系统中可能包含未写入文档的业务规则和异常处理逻辑。AI的分析结果需要结合一线人员的判断、现有日志和测试结果进行核实。生成的代码也必须经过验证，确认其能否在目标环境中运行，以及是否满足业务需求。

Kyndryl指出，与较早采用智能体AI的企业相比，未使用这项技术的组织可能会出现大幅落后于计划的情况。这并不意味着引入AI的企业就一定成功。关键不仅在于是否使用AI，还在于能否限定应用范围、由人工核实结果，并衡量项目成效。

在“替换”之前，先小范围验证经济效益#

如果要在改造项目中引入AI，与其一开始就制订覆盖全公司的计划，不如先从有限范围的验证做起。对于“看不清经济效益”的质疑，不应只停留在赞成或反对引入AI上，而应实际测量哪些工作能够获得与成本相称的回报。

可以按以下方式推进。

  • 选择一个对象。将范围限定在问题明确的部分，例如故障处理耗时较长的流程，或每次变更都需要调查影响范围的程序。
  • 记录当前工作情况。记录依赖关系调查、设计文档编写和测试准备各需要多少人天，以及目前的耗时和返工情况。
  • 先让AI进行分析和文档编写。暂缓变更运行环境或改写生产代码，以便负责人能够核实结果的方式使用AI。
  • 通过数周至数月的试用，比较工作时间、问题识别的准确性、返工情况和额外费用。计算时不仅要考虑使用费，也要计入人工核查AI结果所需的工时。

重要的是衡量业务改善，而不是代码生成量。即使调查时间缩短了，如果核查工作增加，或测试中发现了缺陷，总成本也未必会下降。反过来，如果某项工作的调查时间和返工量减少，而且负责人能够复现这一结果，就有了将应用扩展到下一个对象的依据。

也应提前确定判断标准。例如，记录“依赖关系确认所需的时间缩短了多少”“AI遗漏了多少项重要处理逻辑”“计入试用所需的人力成本后，是否仍具备成本效益”。具体数字目标因系统和组织而异，因此应以本企业的现状为基准，而不是直接套用外部的成功案例。

未来的遗留系统，终究也需要检查#

今天新建的系统，随着持续运行，也会成为未来的遗留系统。即使借助AI能更快地编写代码，如果不记录某项处理为何必要、哪些业务依赖它，几年后的负责人仍会为同样的调查而苦恼。若要将AI用作改造工具，除了生成的代码，也应管理好决策依据和变更记录。

此外，改造的目的并不只是淘汰旧技术。根据Kyndryl的报告，企业开展现代化改造的动机，已不再局限于削减成本和摆脱遗留系统。在AI推动IT需求增长的背景下，如何让新旧系统混合的环境有效运转，也成为一项课题。与主权相关的顾虑同样会影响技术选择。

正因如此，决定保留什么、改变哪里、从哪项业务入手，仍然是人的工作。AI或许能减轻调查代码和依赖关系的负担，却不会自动判断投资价值和可接受的风险。

不要认定“引入AI就能解决遗留系统问题”，不妨先选一项业务，测量目前的工时和费用。明确哪些工作交给AI、哪些结果由人工核实，再根据试用后得到的数据，决定是否推进下一个改造对象。

来源: https://japan.zdnet.com/article/35253404/

目录