На протяжении десятилетий критически важные приложения накапливали бизнес-правила, интеграции, обходные пути и зависимости быстрее, чем организации успевали их документировать, пишет в корпоративном блоге Бишваджит Махапатра, главный аналитик Forrester.
Документация неполна, первоначальные разработчики ушли, а специалисты по приложениям выходят на пенсию, унося с собой свои критически важные институциональные знания. В результате возникает бизнес-проблема, замаскированная под технологическую. Команды по модернизации сталкиваются со скрытыми зависимостями, неожиданными требованиями и дорогостоящими переделками, потому что они не до конца понимают системы, которые пытаются изменить.
Но прежде чем решать, что переписать, рефакторизовать, заменить или вывести из эксплуатации, CIO должны сначала получить ответ ответить на более фундаментальный вопрос: как на самом деле работает приложение?
Искусственный интеллект меняет экономику ответа на этот вопрос. То, что раньше требовало месяцев ручного поиска, теперь можно ускорить с помощью анализа, поддерживаемого ИИ. Мне бы хотелось представить эту возможность как более глубокие знания, а не как более быстрое документирование, и что с более глубокими знаниями приходят более эффективные решения по модернизации.
ИИ раскрывает поведение, но не намерения
ИИ может анализировать исходный код, документацию, API, конфигурацию, операционную телеметрию, инциденты и историю изменений гораздо быстрее, чем ручные методы обнаружения. Все чаще платформы обнаружения организуют эти данные в графы знаний, которые связывают приложения, данные, сервисы, интеграции и бизнес-правила в рамках всей инфраструктуры.
Такое взаимосвязанное представление помогает командам выявлять скрытые зависимости, оценивать риски интеграции, обнаруживать дублирующуюся логику и понимать, как приложения фактически ведут себя до начала модернизации.
Но поведение — это не намерение. Правило, найденное в коде, может представлять собой допустимое бизнес-требование, устаревшую политику, обходной путь для устаревшей системы или дефект, который оставался незамеченным годами. Платформы обнаружения могут идентифицировать правило. Они не могут определить, отвечает ли оно будущему состоянию приложения.
Модернизация требует подтверждения того, что обнаружено
В большинстве систем недостающий контекст находится у людей, которые управляют системой. Они знают, какие правила отражают нормативные обязательства, какие поддерживают законные бизнес-исключения, а какие существуют просто потому, что их никто не удалил. Граф может идентифицировать правило. Только люди могут объяснить, почему это существует и соответствует ли это будущему состоянию приложения.
Таким образом, модернизация требует двух форм обнаружения, но большинство программ финансируют только одну. Автоматизированная часть собирает, анализирует и отображает ресурсы приложений. Человеческая часть проверяет бизнес-цели посредством структурированных интервью с пользователями, операторами и владельцами бизнеса, а затем записывает эти решения как подтвержденные правила. Демонстрации поставщиков сосредоточены на первой половине. Успешные программы модернизации вкладывают равные средства и в первую, и во вторую.
Это создает новое ограничение на реализацию. Поскольку ИИ сокращает циклы разработки и проверки, доступ к бизнес-экспертам становится узким местом. Команды обнаружения могут выявлять правила за считанные минуты, но проверка этих правил по-прежнему зависит от людей, которые их понимают. Организации, в которых команды модернизации дистанцированы от заинтересованных сторон бизнеса, могут обнаружить, что задержка принятия решений заменяет техническую сложность в качестве основного ограничения на реализацию.
Пусть ИИ реализует архитектуру, а не изобретает ее
Понимание текущего приложения — это половина задачи. Без архитектурного руководства ИИ будет переписывать код, сохраняя при этом тесные взаимосвязи, устаревшие шаблоны интеграции и накопленный долг. В результате получается работающий на устаревшей архитектуре современный код, который внедряется быстрее, чем когда-либо.
Модернизация успешна, когда понимание текущего состояния сочетается с намерениями достижения целевого состояния. Доменные модели, ограниченные контексты, утвержденные шаблоны интеграции, средства контроля безопасности и архитектурные стандарты обеспечивают ограничения, необходимые ИИ для эффективной работы. ИИ может внедрять архитектурные решения в масштабе. Он не должен их принимать.
Последовательность проста. Проверенные бизнес-правила определяют доменные модели. Доменные модели формируют архитектурные шаблоны. Архитектурные шаблоны становятся инженерными шаблонами. ИИ генерирует и рефакторит в этих рамках, а автоматизированное тестирование, проверка безопасности, проверка соответствия архитектуры и человеческий анализ подтверждают, что эта работа улучшает приложение, а не воспроизводит его.
Организации, которые больше всего выиграют от модернизации с помощью ИИ, будут не теми, кто быстрее всего генерирует код. Это будут те, кто сохранит институциональные знания до того, как они исчезнут, подтвердит, какие бизнес-правила все еще важны, и целенаправленно спроектирует архитектуру, которую они хотят использовать в будущем. ИИ может ускорить каждое из этих действий. Он не может решить, какие части прошлого заслуживают места в будущем.
