Saltar al contenido principal Skip to footer
La GenAI, clave para la modernización del mainframe

Cómo la inteligencia artificial (IA) generativa, o GenAI, ofrece una salida a las limitaciones de la aplicaciones legacy del mainframe.


Los mainframes son el ‘corazón’ de nuestra economía: gestionan nuestras cuentas bancarias y nuestras pólizas de seguros y mantienen la infraestructura básica operativa, entre otras muchas funciones. Estos sistemas son fiables, seguros y escalables, y nos han servido durante décadas.

Según un estudio de IBM, 45 de las 50 principales entidades bancarias, 4 de las 5 líneas aéreas más importantes, 7 de los principales retailers y 67 de las 100 compañías Fortune albergan su plataforma core en los mainframes. Los mainframes tienen una probada capacidad para gestionar la escalabilidad, seguridad y resiliencia, por lo que son idóneos para el procesamiento de las transacciones, los sistemas financieros y el mantenimiento de registros.

Aun así, las aplicaciones legacy de los mainframes no están pensadas para dar respuesta a las necesidades de las empresas modernas. La mayoría están desarrolladas con tecnología de hace tiempo, como COBOL, que no responde a las necesidades de innovación digital, agilidad empresarial y eficiencia de costes de la empresa moderna. 

  • Procesos de negocio manuales e inflexibles
  • Complejidad del sistema
  • Disminución del número de expertos
  • Falta de documentación
  • Tecnologías nicho
  • Operaciones ineficientes de tecnología
  • Escasa visibilidad de gestión integrada
  • Activos de datos bloqueados
  • Integración de la gestión de releases
  • Dependencia del vendedor
  • Dificultad de acceso desde los canales digitales
  • Cumplimiento normativo 

Un estudio de IBM revela que los mainframes gestionan casi el 70% de las cargas de trabajo de TI en producción en todo el mundo.


Los principales desafíos de la modernización del mainframe

Lo ideal sería modernizar las aplicaciones del mainframe para acelerar, y no frenar, el cambio empresarial. Pero los mainframes son sistemas complejos que se han ido construyendo progresivamente, lo que dificulta a los equipos de modernización entender completamente el estado actual de las aplicaciones. Debido a estas lagunas, los equipos encuentran complicado gestionar de forma eficaz los impactos del cambio y los riesgos de la transición, lo que en último término se traduce en elevados costes de modernización o procesos de modernización no del todo óptimos que acaban reproduciendo el legacy en una nueva pila tecnológica. 

Hoy la IA generativa, o GenAI, elimina estas barreras. 

Cómo la GenAI puede transformar el proceso de modernización 


Gracias a sus capacidades revolucionarias, la IA generativa genera posibilidades completamente nuevas para la modernización del mainframe y la creación un núcleo moderno. Las técnicas de las GenAI se pueden aplicar en todo el proceso de modernización. 

Figure 1




1.    Optimización del mainframe

Se pueden obtener resultados rápidos cuando se utiliza la GenAI para abordar la productividad y complejidad en el entorno del mainframe. Centrarse en estas oportunidades en el corto plazo puede liberar capacidad para reinvertir en actividades de modernización más transformadoras.

Las herramientas de GenAI lo hacen posible.

  • Comprender el legacy. Las aplicaciones existentes pueden someterse a ingeniería inversa para comprender las lagunas de documentación, explicar de forma interactiva el código específico y extraer reglas empresariales para la traducción del lenguaje. El COBOL se puede traducir a lenguajes modernos, como Java. A diferencia de técnicas anteriores de traducción, la IA generativa crea Java «moderno» flexible y no solo código COBOL reescrito en sintaxis Java.
  • Ingeniería moderna. Se pueden implementar nuevos requisitos en Java utilizando prácticas modernas de DevSecOps. En este contexto, la GenAI puede acelerar nuevos desarrollos, incrementando la productividad.
2.    Modernizar. Migrar a la nube

La GenAI también puede reducir el riesgo y acelerar la migración de cargas de trabajo de mainframe a plataformas en la nube. En función de la complejidad técnica y el valor empresarial, se pueden aplicar tres enfoques de modernización principales.

  • Rebuild. Muchas aplicaciones se pueden migrar a soluciones comerciales listas para utilizar (Commercial, Off-The-Shelf, sus siglas en inglés COTS). En este escenario, la IA generativa puede entender la lógica del negocio y generar especificaciones para la paridad en nuevas implementaciones.
  • Refactor. El código del legacy puede refactorizarse a lenguajes modernos con la GenAI y, luego, refactorizarlo para que opere en la nube (contenerización).
  • Rehost. Las aplicaciones estables que necesitan migrar para desmantelar el hardware o coexistir con otras aplicaciones, pueden operar en entornos de mainframe virtual. La IA puede ayudar a identificar dependencias y puntos de integración para un alcance ordenado.

Pasos para empezar el viaje de modernización del mainframe con la IA

1.   Optimizar en pos del beneficio empresarial

Para maximizar el proyecto de modernización, se deben adoptar diferentes estrategias en función de la aplicación. Así, por ejemplo, las aplicaciones que cambian con poca frecuencia y que no suponen una limitación para el negocio probablemente no justifican una modernización más invasiva, aunque son las que más se beneficiarán de la automatización y la optimización de la plataforma. Las aplicaciones que son funcionalmente ajustadas a su propósito, pero que crean una limitación significativa para el negocio, deberían ser objeto de una refactorización técnica. Las aplicaciones que ofrecen una funcionalidad insuficiente o experiencias ineficaces deberían ser objeto de una reimplementación dirigida por la empresa.

2.    Secuenciar para la auto-financiación

Cuando hay limitaciones presupuestarias, se puede secuenciar la modernización de modo que se puedan financiar las actividades de desarrollo con los ahorros en los costes de las operaciones. La automatización de las operaciones, el redimensionamiento de la infraestructura y la aceleración de la productividad de los desarrolladores son actividades prioritarias en las fases iniciales para crear margen para la reinversión en modernización. Por este motivo, tener un socio que gestione las operaciones, la modernización y el nuevo desarrollo con una única de organización de delivery proporciona en enfoque más eficaz, además de una mayor eficiencia.

3.    Acelerar con la IA y la automatización 

Todas las fases de modernización se pueden mejorar mediante la adopción de varias herramientas de GenAI y de automatización, entre las que se incluyen las siguientes:

  • Análisis y comprensión de los entornos legacy
  • Traducción y refactorización del código legacy en código moderno
  • Aceleración del desarrollo de nuevo código
  • Automatización para operaciones de DevSecOps y producción

Figure 2


Crear una plataforma de gestión de pedidos escalable para un retailer de Norteamérica 

El cliente tenía una gran cantidad de aplicaciones mainframe heredadas, que le alejaban de su visión, impedían el cambio y socavaban la experiencia del cliente. Cognizant rediseñó el sistema de gestión de pedidos con la plataforma cloud de Google utilizando una arquitectura moderna y consolidando todas las líneas de negocio.

La modernización de cinco millones de líneas de código fue un éxito y ahora procesa más de 10.000 millones de dólares en ventas digitales al año. La solución permite nuevas capacidades de mercado y alianzas. La nueva plataforma cloud mejora significativamente la agilidad del negocio con prestaciones de auto-escalado, autorreparación y seguridad de confianza cero.  


¿Cuál es el siguiente paso en la modernización del mainframe?

El papel de la GenAI cobra cada vez más importancia en la modernización del mainframe a medida que más organizaciones abrazan lo digital. La automatización basada en la IA ofrece una forma de salvar la distancia entre los sistemas legacy y los sistemas modernos, permitiendo a las empresas liberar el nuevo potencial al tiempo que mantienen las fortalezas clave de sus mainframes. 

 

 



Ravi Kumar S

CEO, Cognizant

Author Image




Prasad Sankaran

EVP, Software and Platform Engineering

Author Image




Pramod Bijani

Global Head of Digital Engineering Practice

Author Image




Mike Turner

Global Head of SPE Offerings

Author Image




Alfredo Ávila

Head of Banking, Financial Services & Insurance South Europe, Cognizant

Alfredo Ávila


Últimos artículos

Artículos relacionados