COBOL のモダナイゼーションに何年にもわたるコンサルタント業務は不要になりました

レガシー COBOL システムの最新化は、長い間、多大な人的労力を必要とする高価で労働集約的なプロセスでした。これは、従来、コンサルタントのチームがワークフローのマッピング、依存関係の文書化、数十年に亘って蓄積されたビジネスロジックの解明に数か月または数年を費やしていたためです。

何千億行もの COBOL が世界中で今も生産されており、銀行、政府、航空会社の重要なシステムに電力を供給していますが、これらのシステムを解釈する知識を持つ開発者を見つけることはますます困難になってきています。

しかし、Anthropic は現在、人間のワークロードの重労働を軽減することを目的としたクラウド AI プラットフォームでそれを置き換えようとしています。

AI がコードの探索と分析をどのように支援するか

この専門知識の欠如は歴史的に近代化プロジェクトを遅らせ、コストを増加させてきました。しかし、Anthropic は現在、かつて人間の労力のほとんどを費やしていた探査段階の多くを AI が自動化できると信じています。

「COBOLシステムを最新化するには、これまでコンサルタントの軍隊が何年もかけてワークフローを計画する必要があった…AIがそれを変える」と同社はブログ投稿で述べた。

Cloud Code のようなツールを使用すると、COBOL の数千行にわたる依存関係をマッピングしたり、モジュール間のデータフローを追跡したり、現在の従業員が積極的に覚えていないワークフローを文書化したりできます。

これらの自動プロセスはリスクを特定し、密結合したコンポーネントを分離し、重複したコードや脆弱性の可能性のあるコードにフラグを立てます。

AI は、これらの構造的および機能的な関係を分析することで、技術的リスク、ビジネス価値、組織の優先順位に基づいて、最初に最新化するコンポーネントの優先順位を付けることができます。

プログラミングに最適なラップトップを使用すると、エンジニアは最新化計画の監視を維持しながら AI 出力を効率的に統合でき、コンポーネントの優先順位が決定されると、AI は初期機能テストを生成して、移行されたコードがレガシーシステムと同じ出力を生成することを検証できます。

次に、人間のチームが、これらの自動テストが十分であるかどうか、どのシナリオで手動検証が必要か、どのパフォーマンスベンチマークを維持する必要があるかを判断します。

実装は順次進められ、追加の変更が加えられる前に各モジュールがテストおよび検証されます。

AI ツールは、COBOL ロジックを最新の言語に翻訳し、レガシーコンポーネントの周囲に API ラッパーを作成し、古いコードと新しいコードが一緒に動作できるようにする足場を構築できます。

これにより、大規模な障害のリスクが軽減され、組織は複雑な最新化プロジェクトを進めることができます。

AI はまた、潜在的な技術的負債、孤立したモジュール、高リスク領域に関する詳細な洞察を提供し、エンジニアがこれらの推奨事項を確認し、規制要件、ビジネスの優先順位、運用上の制約に合わせて作業を順序付けることができるため、チームが戦略的に最新化を計画できるようにします。

自動化された文書化と分析により、チームは包括的な状況認識を得ることができますが、最終的な決定は依然として人間の判断に依存します。

これは多くのエンジニアリングチームにとって大きな勝利ですが、COBOL を搭載したメインフレームとエンタープライズシステムの大手ベンダーである IBM は満足しないでしょう。

Anthropic が、クラウドコードによって労働集約的な近代化プロセスの多くを自動化できると発表した後、同社の株価は急落しました。

従来人間のコンサルタントが行っていた作業を AI が置き換えることができるため、IBM のビジネスモデルの一部が脅かされています。

これは、AI がレガシーシステムの最新化を再構築し続けるにつれて、老舗のエンタープライズソフトウェアベンダーですら混乱に直面する可能性があることを示唆しています。

Google ニュースで TechRadar をフォローしてください そして お気に入りのソースとして追加してください 専門ニュース、レビュー、意見をフィードで入手するため。ぜひフォローボタンをクリックしてください！

そしてはい、あなたもできます TikTokでTechRadarをフォローしてください ニュース、レビュー、ビデオ形式の開封、および当社からの定期的な更新情報については、 ワッツアップ とても。