Los sistemas heredados se consideraron durante mucho tiempo un lastre: difíciles de comprender, costosos de operar, apenas conectables a las arquitecturas modernas web y cloud. Dos noticias recientes ofrecen una imagen más matizada. Google Cloud utiliza inteligencia artificial para analizar aplicaciones de mainframe y trasladarlas gradualmente a la nube. Un estudio de Rocket Software describe, en paralelo, que los mainframes ya no se perciben en muchas empresas como un obstáculo para la IA, sino como un componente de las estrategias de IA.
Iterativo en lugar de big bang
El enfoque descrito por Google apunta a una modernización iterativa: las aplicaciones no se sustituyen en un único gran corte, sino que se trasladan a la nube por etapas. La IA apoya dos tareas que en los proyectos de modernización suelen causar el mayor esfuerzo: el análisis del inventario existente y la transformación del código.
El análisis es la parte subestimada. En los sistemas que han crecido con el tiempo hay lógica de negocio que se ha desarrollado durante décadas en COBOL o lenguajes comparables – COBOL es un lenguaje de programación desarrollado para el procesamiento masivo comercial que en bancos, aseguradoras y administraciones sigue en producción hoy en día. A menudo falta documentación y las personas que tomaron decisiones ya no están en la empresa. Quien empieza aquí sin apoyo de herramientas pasa meses haciendo arqueología.
Justo en este punto actúa el apoyo de la IA: puede hacer visibles las dependencias, describir las estructuras del programa y priorizar candidatos para la migración. La transformación propiamente dicha – por ejemplo, el traslado de la lógica COBOL a un lenguaje destino moderno – es solo uno de varios pasos. La denominación del proyecto como algo más que una mera traducción de lenguaje indica que deben considerarse también el almacenamiento de datos, las interfaces y el modelo operativo.
De obstáculo a fuente de datos
La segunda perspectiva invierte la narrativa habitual. Según el estudio de Rocket Software, los mainframes incluso fortalecen las iniciativas de IA – gracias a su base de datos y su fiabilidad. Esto es plausible: en los sistemas centrales residen datos transaccionales consistentes, mantenidos durante largos periodos. Para aplicaciones de IA que deben basarse en datos empresariales fiables, esto es una ventaja frente a los silos de datos dispersos en sistemas más recientes.
Al mismo tiempo, el estudio señala un problema que muchos operadores conocen: la escasez de personal cualificado en la operación de mainframe. También aquí debe ayudar la IA, haciendo accesible el conocimiento que hasta ahora estaba ligado a expertas y expertos individuales. Ambas noticias confluyen así en el mismo punto, aunque desde lados distintos: la IA reduce los costes de comprender los sistemas heredados – ya se quieran migrar después o seguir operándolos.
Lo que las fuentes no dicen
Los datos disponibles se mantienen en el plano conceptual. No hay cifras fiables sobre ahorro de tiempo, tasas de error o costes, ni tampoco afirmaciones sobre cuánto retrabajo requiere en la práctica el código generado por máquina. Esta laguna es relevante, pues según la experiencia no es la primera traducción la que decide el éxito del proyecto, sino la cuestión de si el resultado es verificable técnicamente y mantenible a largo plazo.
Tampoco coinciden las dos orientaciones. Una fuente aboga por el camino del mainframe a la nube, la otra por el mainframe como componente de las futuras arquitecturas de IA. No es una contradicción, sino una bifurcación estratégica: no todo sistema heredado tiene que ser reemplazado para posibilitar aplicaciones modernas. A veces basta con conectar los sistemas centrales mediante interfaces limpias y realizar el desarrollo posterior en frontends web modernos.
Transferible a lastres heredados más pequeños
Pocas empresas medianas operan un mainframe. Sin embargo, la mecánica es la misma, solo en otra escala. También una aplicación PHP de diez años, un módulo ERP autoconstruido o una instalación de TYPO3 con extensiones muy personalizadas es un sistema legacy: valioso en lo técnico, difícil de mover técnicamente, ligado a pocas personas en lo personal.
Las lecciones del debate sobre mainframe son transferibles:
- Primero el análisis. Antes de discutir arquitecturas destino, debe describirse el inventario existente – qué lógica de negocio existe, qué dependencias hay, qué partes se utilizan realmente.
- Migrar por etapas. Una reestructuración gradual permite correcciones y mantiene el sistema operativo en todo momento. Los desarrollos completamente nuevos fracasan con más frecuencia por su alcance y duración.
- La IA como herramienta, no como decisora. Los análisis generados por máquina y las propuestas de código aceleran el trabajo, pero no sustituyen la validación técnica.
- Tratar los datos como un activo. Si los sistemas heredados contienen la base de datos más fiable de la empresa, su acceso estructurado es más importante que su rápida sustitución.
- Planificar la transferencia de conocimiento. Lo que hoy solo entienden pocas personas debería documentarse en el curso de la modernización – aquí reside un beneficio concreto del análisis de código asistido por IA.
Expectativas realistas
Los anuncios muestran una dirección, no un atajo. La modernización sigue siendo un proyecto con decisiones técnicas, esfuerzo de pruebas y cuestiones organizativas. Lo que cambia es el umbral de entrada: los proyectos que hasta ahora ni siquiera se abordaban por los costes de análisis se vuelven más calculables.
Das gilt für die COBOL-Anwendung im Rechenzentrum ebenso wie für die gewachsene Individualsoftware im Mittelstand.
Für Web- und Softwareprojekte bedeutet das vor allem eine veränderte Reihenfolge: Wer eine Modernisierung plant, sollte mit einer werkzeuggestützten Bestandsaufnahme beginnen, statt direkt in die Zielarchitektur zu springen.Und wer bislang von einer Ablösung ausgegangen ist, sollte prüfen, ob eine saubere Anbindung des Altsystems über Schnittstellen nicht schneller Nutzen bringt.In beiden Fällen ist KI ein Beschleuniger für das Verstehen – die Verantwortung für Architektur und Abnahme bleibt im Projektteam.
Quellen
- Mehr als COBOL zu Java: Googles KI-Plan für Mainframes — heise developer News
- Mainframes gewinnen für KI-Strategien an Bedeutung – Studie zeigt Wandel — DataCenter-Insider | News | RSS-Feed