La rivoluzione tecnologica è in atto, ma ancora molti dei sistemi core aziendali si basano su tecnologie datate (come per esempio COBOL, PL/SQL, C++ e vecchi framework Java), che continuano a supportare le operation aziendali nonostante siano complesse da mantenere e costose da gestire. I sistemi legacy rappresentano a tutti gli effetti un limite in quanto la loro obsolescenza frena la capacità di innovare delle aziende.
La necessità di modernizzare è quindi fortemente sentita ma gli approcci alla modernizzazione classici implicano costi elevati, complessità e potenziali rischi che frenano il lancio di programmi di trasformazione da parte degli IT executives. L’evoluzione della Gen AI e dell’Agentic AI sta però portando a un punto di svolta nel modo in cui le organizzazioni possono ripensare e rinnovare i propri sistemi legacy.
Indice degli argomenti
Il nuovo approccio ai sistemi legacy con GenAI e Agentic AI
Se utilizzata in modo strategico, infatti, la GenAI non si limita a tradurre un codice da un linguaggio all’altro, ma può trasformare intere architetture riducendo in modo drastico costi e tempi di progetto, migliorando allo stesso tempo i processi di manutenzione, le prestazioni e la sicurezza. Inoltre, ricorrendo all’Agentic AI, è possibile estendere la modernizzazione all’intero software development lifecycle.
La GenAI e l’Agentic AI hanno introdotto un nuovo approccio che consente di modernizzare le applicazioni legacy in modo completo. Il nuovo approccio converte linguaggi in modo rapido, riduce errori operativi, riprogetta architetture che si basano su nuovi stack tecnologici, genera automaticamente documentazione funzionale e tecnica, elimina attività manuali e testa l’applicazione per migliorarla con un approccio iterativo.
Attraverso un processo semi-automatizzato, l’intelligenza artificiale generativa e agentica trasforma completamente le applicazioni, permettendo di colmare il divario tra innovazione e continuità operativa e riducendo tempi, costi e rischi dei progetti di modernizzazione, introducendo un’efficienza rispetto a modelli tradizionali dal 30% al 60%, a seconda della complessità delle applicazioni.
Come strutturare un processo per usare GenAI e Agentic AI per i sistemi legacy
Nonostante le enormi potenzialità della GenAI e dell’Agentic AI, per garantire il successo dei progetti di modernizzazione è necessario seguire un approccio strutturato, che combini competenze specialistiche, tool ad hoc e solide pratiche di governance. I progetti di modernizzazione basati sulla GenAI e Agentic AI, ottengono infatti i migliori risultati quando seguono un percorso metodologico ben definito, articolato in quattro macro-fasi principali:
- Assessment: analisi dettagliata dell’applicazione sorgente, classificazione dei componenti, pulizia del codice e definizione dell’architettura target.
- Progettazione dei prompt: creazione dei prompt e delle pipeline che guidano la GenAI nella trasformazione dell’applicazione, stabilendo regole e standard tecnici.
- Esecuzioni iterative di modernizzazione: il codice viene trasformato attraverso cicli successivi, con verifiche e ottimizzazioni dopo ogni iterazione per affinare progressivamente il risultato.
- Test e consolidamento: test tecnici, funzionali e di accettazione utente garantiscono che l’applicazione modernizzata rispetti i requisiti di qualità, sicurezza e performance prima della messa in produzione.
È inoltre fondamentale dotarsi di agenti dedicati che automatizzano le diverse fasi del processo, dall’analisi e clustering del codice sorgente, alla preparazione dei file, fino alla progettazione dei prompt e delle regole di trasformazione, alla generazione del nuovo codice e al monitoraggio dei KPI sulla qualità degli output ottenuti, il tutto coadiuvato da un engine che attiva e orchestra i singoli agenti che eseguono i task di modernizzazione.
Nonostante il loro potenziale rivoluzionario, la GenAI e l’Agentic AI non sono bacchette magiche ma tecnologie da integrare e governare al meglio con il supporto di professionisti esperti e competenti e di strumenti efficaci per rendere sostenibile e conveniente la modernizzazione delle applicazioni, realizzando in pochi mesi progetti che prima richiedevano anni.
