يستطيع الذكاء الاصطناعي قراءة أنظمتك القديمة. التحديث لا يزال هو الجزء الصعب
ويشير إطلاق شركة آي بي إم لمساعدها للتشفير القائم على الذكاء الاصطناعي “بوب” إلى تحول أكبر كثيرا في تحديث المؤسسات. في جميع أنحاء الصناعة، يتم وضع أدوات الذكاء الاصطناعي كوسيلة لتسهيل فهم الأنظمة القديمة وتقييمها وتحديثها في نهاية المطاف. وهناك قيمة حقيقية هناك. يمكن لبعض هذه الأدوات قراءة آلاف الأسطر من التعليمات البرمجية القديمة، وتحديد واجهات برمجة التطبيقات المهملة، وتلخيص منطق الأعمال وإظهار الديون الفنية في دقائق. بالنسبة للمؤسسات التي تتمتع بعقود من التاريخ التشغيلي، يعد هذا النوع من الرؤية خطوة كبيرة إلى الأمام – ولكن دعونا لا نخلط بين الرؤية والتحديث. جيم بيازا، مدير الروابط الاجتماعية للملاحة، كبير مسؤولي الذكاء الاصطناعي في Ensono. من الضروري فهم كيفية عمل النظام. انها ليست كافية. لقد رأيت فرقًا تنتج خرائط تبعية نظيفة وملخصات تفصيلية للتعليمات البرمجية وتقييمات فنية مثيرة للإعجاب، فقط لأدرك أن الجزء الأصعب يبدأ بعد انتهاء الذكاء الاصطناعي من مسح الكود. نادرًا ما يتم وضع أحدث مقاطع الفيديو من عقارات Legacy بشكل أنيق على الجانب. لقد تم دمجها في النموذج التشغيلي للشركة. إنها تعكس سنوات من قرارات العملية وخيارات التكامل ومتطلبات الامتثال والاستثناءات الخاصة بالعملاء والمعرفة المؤسسية التي غالبًا ما تكون متناثرة أو قبلية أو بالكاد موثقة. البحث عن الكنز الصغير الجميل، باستثناء أن الكنز يمثل مخاطرة، قد يحدد نموذج الذكاء الاصطناعي نقطة تكامل قديمة أو يسلط الضوء على تطبيق يدعم عملية تجارية مهمة. وهذا مفيد. لكن التحدي الحقيقي يبدأ عندما تدرك الفرق عدد الأنظمة الأخرى وسير العمل والفرق التشغيلية المرتبطة بما بدا وكأنه تغيير مباشر. قد يعجبك في العديد من المؤسسات الكبيرة، لا تزال الأنظمة القديمة موجودة لسبب بسيط جدًا: أنها تعمل. فهي تستمر في الأداء بشكل موثوق في ظل ظروف صعبة، حتى لو تطورت أجزاء من البيئة المحيطة بها أو تدهورت أو أصبح من الصعب دعمها بمرور الوقت. ولهذا السبب فإن التحديث ليس مجرد تمرين تكنولوجي. إنه تمرين التسلسل. إنها ممارسة المخاطرة. ويتم ذلك بشكل صحيح، فهو قرار تجاري. اشترك في النشرة الإخبارية TechRadar Pro للحصول على أهم الأخبار والآراء والميزات والإرشادات التي يحتاجها عملك لتحقيق النجاح! التحدي متعدد الطبقات كل قرار فني داخل ملكية قديمة له عواقب في مكان آخر. يمكن أن يؤثر التغيير في تطبيق واحد على إجراءات الاسترداد أو متطلبات التدقيق أو اتفاقيات الترخيص أو جداول الدفعات أو طبقات التكامل أو عمليات الدعم التي ظلت مستقرة لسنوات. وهذا هو المكان الذي تتوقف فيه العديد من برامج التحديث. تقلل الفرق من مدى الترابط الذي أصبحت عليه هذه البيئات. يمكن للذكاء الاصطناعي تسريع التقييم الفني، لكن قيمته الحقيقية تأتي عندما ترتبط تلك الأفكار بالسياق التشغيلي والتجاري المحيط بالنظام. وهذا التمييز مهم. تبتعد الشركات عن استراتيجيات “استبدال كل شيء” الواسعة وتصبح أكثر انتقائية. ليس من الضروري اقتلاع كل منصة قديمة. بعض الأنظمة تحتاج إلى إعادة هيكلة. يحتاج البعض إلى واجهات أفضل. البعض بحاجة إلى التحرك. وبصراحة، ينبغي ترك البعض في مكانهم الحالي لأنهم يقومون بعملهم بشكل موثوق وعلى نطاق واسع. ما يجب قراءته بعد ذلك أصبح موضع عبء العمل أكثر دقة. قد يؤدي نقل الخدمة إلى السحابة العامة إلى تحسين قابلية التوسع وتسريع تسليم البرامج، ولكنه يمكن أن يؤدي أيضًا إلى ظهور مخاوف تتعلق بسيادة البيانات، أو مشكلات زمن الوصول، أو تقلب التكلفة أو تبعيات الدعم الجديدة. وفي الوقت نفسه، قد يؤدي الحفاظ على أعباء العمل على بيئات IBM Z أو Power الحديثة إلى توفير أداء أكثر قابلية للتنبؤ للتطبيقات التي تعمل بالفعل بفعالية على نطاق واسع. والسؤال الحقيقي ليس “كيف يمكننا التخلص من كل شيء من الأنظمة الأساسية القديمة؟” الأسئلة الأفضل هي: “ما هي الأنظمة التي تستفيد حقًا من النقل، وما هي الأنظمة التي تحتاج إلى التحديث في مكانها، وما هي الأنظمة التي يمكن توسيعها من خلال واجهات حديثة؟” وبدون هذا السياق، يمكن للمؤسسات أن تنفق الكثير من المال على نقل الأنظمة دون إصلاح المشكلة الأساسية فعليًا. تهانينا، لديك الآن نفس التعقيد في موقع أحدث. ونحن نشهد بالفعل حدوث ذلك في بيئات المؤسسات حيث لا تزال الأنظمة الأساسية القديمة موجودة في مركز العمليات ذات الحجم الكبير. في أحد التقييمات الحديثة، تم استخدام مساعدي ترميز الذكاء الاصطناعي لتحليل أكثر من ستة ملايين سطر من أكواد RPG التي تعمل على أنظمة IBM Power، ومعالجة ما يقرب من 30 مليون طلب يوميًا. وكشف العمل عن الديون الفنية والمجالات المركزة من التعقيد في أسابيع، مما أعطى المنظمة أساسًا أكثر وضوحًا لتحديد ما يجب تحديثه، وأين تبدأ وكيفية تسلسل التغيير دون تعطيل العمليات الأساسية. هذه هي القيمة العملية للذكاء الاصطناعي في التحديث: ليست سحرية، ولكن رؤية أفضل وتقييم أسرع وتحديد أكثر ذكاءً للأولويات. محددًا، يظهر هذا التحول الأوسع أيضًا في كيفية حديث المتوسعين الفائقين عن اعتماد الذكاء الاصطناعي للمؤسسات. وصف ساتيا ناديلا، الرئيس التنفيذي لشركة مايكروسوفت، السوق بأنها تنتقل من “الاكتشاف” إلى “الانتشار على نطاق واسع”. وببساطة، لم يعد التحدي يقتصر على بناء نماذج مثيرة للإعجاب فحسب، بل يتمثل في دمج الذكاء الاصطناعي في مسارات عمل حقيقية وعمليات حقيقية وأنظمة أعمال حقيقية على نطاق واسع. وهذا أقرب كثيرا إلى كيفية عمل التحديث فعليا داخل المؤسسات الكبيرة. ويحدث التحول نفسه مع نماذج الذكاء الاصطناعي نفسها. لا تزال الصناعة تحب التحدث عن الحجم، لكن معظم فرق المؤسسات لا تجلس على أمل أن ينقذها نموذج تريليون معلمة. إنهم بحاجة إلى أدوات تساعد المهندسين على حل مشاكل محددة للغاية داخل بيئات معقدة بالفعل بما فيه الكفاية. وفي كثير من الحالات، تثبت النماذج المتخصصة الأصغر حجمًا أنها أكثر فائدة لأنه يمكن نشرها بطرق خاضعة للرقابة، والتركيز على مهام محددة، وإدارتها بشكل أكثر إحكامًا. إن نقطة الحوكمة هذه مهمة. يثير إدخال الذكاء الاصطناعي في عمليات البنية التحتية أسئلة عملية للغاية: ما هي البيانات التي يمكن للنموذج الوصول إليها؟ ما هي الأنظمة التي يمكن أن تلمسها؟ هل يمكن أن يوصي بالتغييرات؟ فهل يستطيع تنفيذها؟ من الذي يوافق على التحرك نحو الإنتاج؟ وهذا سبب آخر وراء اكتساب النماذج الخاصة بالمهمة قوة جذب. يمكن للفرق أن تحدد بالضبط ما يُسمح للنموذج بالقيام به، ومتى تكون الموافقة البشرية مطلوبة، وكيفية تحرك التغييرات من خلال الضوابط الحالية. وفي بيئات المؤسسات، لا يعد هذا النوع من التحكم بيروقراطيًا. إنها الطريقة التي تتجنب بها تحويل أداة الإنتاجية إلى جسر انقطاع التيار الكهربائي صباح الغد. حيث يقدم الذكاء الاصطناعي قيمة عملية اليوم، عادةً ما لا تكون المؤسسات التي تحصل على قيمة حقيقية من الذكاء الاصطناعي هي التي تدعي بأعلى صوت بشأنها. إنهم يطبقون الذكاء الاصطناعي على أعمال الهندسة والبنية التحتية التي تستهلك بالفعل قدرًا هائلاً من الوقت: التحقيق في الحوادث، ورسم التبعيات، والتحقق من صحة التغييرات، ودعم اختبار الانحدار وفهم كيفية تصرف الأنظمة المعقدة فعليًا. ويعود الكثير من هذا العمل إلى منح المهندسين رؤية أفضل ومساعدتهم في الوصول إلى السبب الجذري بشكل أسرع. يمكن أن تساعد نماذج الذكاء الاصطناعي في ربط حالات الشذوذ في وقت التشغيل بالتغييرات الأخيرة في التعليمات البرمجية. يمكنها تقليل الوقت الذي تقضيه الفرق في تتبع الحوادث يدويًا عبر البيئات المختلطة. يمكنهم دعم اختبار الانحدار حول التطبيقات القديمة وتبعيات التكامل السطحي التي كان من الصعب في السابق تصورها عبر طبقات البنية التحتية المتعددة. ويصبح هذا مهمًا بشكل خاص في البيئات التي توجد فيها الخدمات السحابية الأصلية جنبًا إلى جنب مع أنظمة الحاسوب المركزي وأنظمة المدى المتوسط الراسخة. في العديد من المؤسسات، تظهر أصعب المشكلات في اللحامات بين تلك البيئات، لا سيما عندما تدير فرق مختلفة أجزاء مختلفة من المؤسسة باستخدام أدوات مختلفة ومقاييس مختلفة وإيقاعات تشغيل مختلفة. ولهذا السبب تميل عمليات نشر الذكاء الاصطناعي الأكثر فائدة إلى التركيز على العمل الهندسي العملي، وليس المحاولات الكبرى لأتمتة كل شيء في وقت واحد. وترى المؤسسات قيمة في المجالات المتكررة والمعقدة ويصعب قياسها يدويًا. يمكن أن يؤدي إنشاء الاختبار الآلي إلى تقليل مخاطر الانحدار حول التطبيقات القديمة. يمكن أن يؤدي ارتباط إمكانية الملاحظة المدعوم بالذكاء الاصطناعي إلى تقصير دورات التحقيق في الحوادث. يمكن أن يساعد تحليل التبعية الفرق على تحديد أولويات أعمال البنية التحتية التي تزيل الاختناقات التي تؤثر على تقديم الخدمة. في معظم الحالات، لا يحل الذكاء الاصطناعي محل الحكم الهندسي. إنه يعمل على تحسين فهم فرق هندسة العمل والبنية التحتية جيدًا بالفعل. وهنا يجب أن تكون التوقعات واضحة. يمكن للذكاء الاصطناعي تسريع عملية الاكتشاف. إن العمل الذي كان يستغرق أسابيع من التقييم اليدوي يمكن أن يتم الآن بشكل أسرع بكثير. ولكن هذه هي عادة النقطة التي يبدأ فيها العمل الحقيقي. يمكن للنموذج أن يخبرك بكيفية اتصال الأنظمة. ولا يمكن أن يخبرك بمدى الاضطراب الذي تكون الشركة على استعداد لاستيعابه. ولا يمكنها تحديد التزامات العملاء الأكثر أهمية. لا يمكنها أن تتخلص بطريقة سحرية من 25 عامًا من التبعية التشغيلية بينما يتنفس الجميع بأدب. يجب على قادة التكنولوجيا أن ينظروا إلى مساعدي تشفير الذكاء الاصطناعي كأدوات لدعم القرار للبنية التحتية واستراتيجيات التحديث الأوسع، وليس كحلول قائمة بذاتها للتعقيدات القديمة. يُظهر إعلان بوب من شركة آي بي إم مدى سرعة تقدم هذه القدرات، خاصة عندما يتعلق الأمر بفهم التعليمات البرمجية القديمة ومساعدة الفرق على العمل من خلال العقارات الكبيرة والمعقدة. لكن الرؤية مهمة فقط إذا تمكنت المؤسسات من تحويلها إلى تغيير عملي دون خلق حالة من عدم الاستقرار في مكان آخر. يمكن للذكاء الاصطناعي أن يساعدك على قراءة التراث القديم. يمكن أن تساعدك على فهم المخاطر. يمكن أن تساعدك على التحرك بشكل أسرع. لكن التحديث لا يزال يتطلب الحكم والتسلسل والانضباط التشغيلي. لا يزال هذا الجزء إنسانيًا للغاية. لقد أبرزنا أفضل منشئ مواقع الويب للذكاء الاصطناعي. تم إنتاج هذا المقال كجزء من TechRadar Pro Perspectives، قناتنا لعرض أفضل وألمع العقول في صناعة التكنولوجيا اليوم. الآراء المعبر عنها هنا هي آراء المؤلف وليست بالضرورة آراء TechRadarPro أو Future plc. إذا كنت مهتمًا بالمساهمة، اكتشف المزيد هنا: https://www.techradar.com/pro/perspectives-how-to-submit
تم النشر: 2026-07-13 10:21:00
مصدر: www.techradar.com
