- يقوم الذكاء الاصطناعي بأتمتة استكشاف كود COBOL، ورسم خرائط للتبعيات، وتحليل المخاطر الهيكلية بسرعة
- يمكن للمهندسين تحديد أولويات التحديث بناءً على المخاطر الفنية وقيمة الأعمال بكفاءة
- تتحقق الاختبارات الآلية من أن مكونات COBOL التي تم ترحيلها تنتج مخرجات متطابقة للأنظمة القديمة
لقد كان تحديث أنظمة COBOL القديمة عملية مكلفة وكثيفة العمالة منذ فترة طويلة وتتطلب جهدًا بشريًا مكثفًا، حيث تقضي فرق الاستشاريين تقليديًا شهورًا أو حتى سنوات في رسم خرائط سير العمل، وتوثيق التبعيات، وتفكيك عقود من منطق الأعمال المتراكم.
لا تزال مئات المليارات من خطوط COBOL قيد الإنتاج في جميع أنحاء العالم، مما يعمل على تشغيل الأنظمة الحيوية في البنوك والحكومة وشركات الطيران، ومع ذلك أصبح العثور على مطورين لديهم المعرفة اللازمة لتفسير هذه الأنظمة أمرًا صعبًا بشكل متزايد.
ومع ذلك، تتطلع شركة Anthropic الآن إلى استبدال هذا، من خلال منصة Claude AI التي تهدف إلى تحمل الكثير من الأعباء الثقيلة بعيدًا عن أعباء العمل البشرية.
كيف يساعد الذكاء الاصطناعي في استكشاف التعليمات البرمجية وتحليلها
لقد أدت ندرة الخبرة تاريخيًا إلى إبطاء مشاريع التحديث وزيادة التكاليف – ومع ذلك، تعتقد أنثروبيك الآن أن الذكاء الاصطناعي يمكنه أتمتة الكثير من مرحلة الاستكشاف التي كانت تستهلك في السابق معظم الجهد البشري.
وقالت الشركة في منشور على مدونتها: “إن تحديث نظام COBOL كان يتطلب في السابق جيوشًا من الاستشاريين الذين يقضون سنوات في رسم خرائط سير العمل… لكن الذكاء الاصطناعي يغير هذا”.
يمكن لأدوات مثل Claude Code تعيين التبعيات عبر آلاف أسطر COBOL، وتتبع تدفقات البيانات بين الوحدات، وتوثيق سير العمل الذي لم يعد الموظفون الحاليون يتذكرونه بشكل نشط.
تحدد هذه العمليات الآلية المخاطر، وتعزل المكونات المقترنة بإحكام، وتضع علامة على التعليمات البرمجية المكررة أو التي يحتمل أن تكون هشة.
ومن خلال تحليل هذه العلاقات الهيكلية والوظيفية، يمكن للذكاء الاصطناعي تحديد أولويات المكونات التي يجب تحديثها أولاً بناءً على المخاطر التقنية وقيمة الأعمال والأولويات التنظيمية.
تسمح أفضل أجهزة الكمبيوتر المحمولة للبرمجة للمهندسين بدمج مخرجات الذكاء الاصطناعي بكفاءة مع الحفاظ على الإشراف على خطة التحديث، وبمجرد تحديد أولويات المكونات، يمكن للذكاء الاصطناعي إنشاء اختبارات وظيفية أولية للتحقق من أن التعليمات البرمجية التي تم ترحيلها تنتج مخرجات مماثلة للنظام القديم.
ثم تقرر الفرق البشرية ما إذا كانت هذه الاختبارات الآلية كافية، وما هي السيناريوهات التي تتطلب التحقق اليدوي، وما هي معايير الأداء التي يجب الحفاظ عليها.
يستمر التنفيذ تدريجيًا، مع اختبار كل وحدة والتحقق من صحتها قبل إجراء تغييرات إضافية.
يمكن لأدوات الذكاء الاصطناعي ترجمة منطق COBOL إلى اللغات الحديثة، وإنشاء أغلفة API حول المكونات القديمة، وبناء السقالات التي تسمح للتعليمات البرمجية القديمة والجديدة بالعمل جنبًا إلى جنب.
وهذا يقلل من مخاطر الفشل على نطاق واسع ويمكّن المؤسسات من المضي قدمًا في مشاريع التحديث المعقدة.
يوفر الذكاء الاصطناعي أيضًا رؤى تفصيلية حول الديون الفنية المحتملة والوحدات المعزولة والمناطق عالية المخاطر، مما يسمح للفرق بالتخطيط للتحديث بشكل استراتيجي – حيث يمكن للمهندسين مراجعة هذه التوصيات وتسلسل العمل للتوافق مع المتطلبات التنظيمية وأولويات العمل والقيود التشغيلية.
يمنح التوثيق والتحليل الآلي الفرق وعيًا شاملاً بالموقف، لكن القرارات النهائية لا تزال تعتمد على الحكم البشري.
في حين أن هذا يعد فوزًا كبيرًا للعديد من الفرق الهندسية، إلا أن شركة IBM، وهي المورد الرئيسي للحواسيب المركزية وأنظمة المؤسسات التي تعمل بتقنية COBOL، لن تكون سعيدة.
شهدت الشركة انخفاضًا حادًا في أسهمها بعد أن أعلنت شركة Anthropic أن كلود كود يمكنه أتمتة جزء كبير من عملية التحديث كثيفة العمالة.
إن قدرة الذكاء الاصطناعي على استبدال العمل الذي يقوم به المستشارون البشريون تقليديا تهدد أجزاء من نموذج أعمال شركة آي بي إم.
وهذا يوضح أنه حتى بائعي برامج المؤسسات القائمة منذ فترة طويلة قد يواجهون انقطاعًا مع استمرار الذكاء الاصطناعي في إعادة تشكيل تحديث النظام القديم.
اتبع TechRadar على أخبار جوجل و أضفنا كمصدر مفضل للحصول على أخبار الخبراء والمراجعات والآراء في خلاصاتك. تأكد من النقر على زر المتابعة!
وبالطبع يمكنك أيضًا اتبع TechRadar على TikTok للحصول على الأخبار والمراجعات وفتح الصناديق في شكل فيديو، والحصول على تحديثات منتظمة منا على واتساب أيضاً.
التعليقات