生成式 AI 助力大型机应用程序现代化
看看任何成熟的移动应用程序或商业界面的背后，以及任何大型企业应用程序架构的集成和服务层的底层，您很可能会发现大型机正在运行。
关键的应用程序和系统记录正在使用这些核心系统作为混合基础设施的一部分。任何运营的中断都可能对企业的运营完整性造成灾难性后果。以至于许多公司都不敢对其进行实质性修改。
但随着技术债务的不断累积，变革势在必行。为了实现业务敏捷性，应对竞争挑战和客户需求，企业必须彻底实现这些应用程序的现代化。领导者不应推迟变革，而应寻求新的途径，在其混合战略中加速数字化转型。
大型机现代化的最大障碍可能是人才短缺。多年来创建并扩展企业 COBOL 代码库的许多大型机和应用专家，很可能已经离开岗位或即将退休。
更令人担忧的是，下一代人才将难以招聘，因为学习了 Java 等新语言的计算机科学毕业生，很难自然地想象自己从事大型机应用开发。对他们来说，这项工作可能不如移动应用程序设计那么吸引人，也不如云原生开发那么敏捷。从很多方面来看，这是一种相当不公平的倾向。
COBOL 的诞生远早于面向对象的出现，更不用说面向服务或云计算了。由于命令集简洁，对于新手开发者来说，这门语言应该不会太难学习或理解。大型机应用同样能通过敏捷开发模式与 DevOps 式自动化流水线中的小型增量发布获得效益提升。
弄清楚各个团队多年来对 COBOL 所做的不同改动，正是管理变更如此困难的原因。开发人员对一个过程式系统进行了无数次添加和逻辑循环，这个系统必须作为整体进行检查和更新，而不能像组件或松耦合服务那样单独处理。
由于代码和程序以这种方式在大型机上交织在一起，相互依赖关系和潜在的故障点太过复杂和繁多，即使是熟练的开发人员也无法解决。这使得 COBOL 应用开发显得比实际更为艰巨，导致许多组织过早地寻求从大型机迁移的替代方案。
由于 ChatGPT 等大语言模型 (LLM) 的广泛应用和消费级视觉 AI 图像生成器，我们最近看到围绕生成式 AI（或 GenAI）的许多炒作。
尽管该领域不断涌现创新可能，但大语言模型在关键业务流程中的应用仍存在令人困扰的“幻觉问题”。当 AI 使用互联网上的内容进行训练时，它们可能会生成令人信服且看似可信的对话，但并不保证完全准确的回答。例如，ChatGPT 曾在联邦法庭上引用虚构判例（ibm.com 外部链接），此举可能导致使用该内容的懈怠律师面临执业处罚。
信任聊天机器人人工智能来编写商业应用程序也存在类似的问题。虽然通用型 LLM 可能会提供合理的应用改进建议，或者轻松生成标准注册表单或编写类似小行星风格的游戏代码，但业务应用的功能完整性在很大程度上取决于 AI 模型所训练的机器学习数据。
幸运的是，在 ChatGPT 出现之前，面向生产的 AI 研究已经进行了多年。IBM® 一直在其 watsonx 品牌下构建深度学习和推理模型，并且作为大型机的创始者和创新者，他们已经开发了针对 COBOL 到 Java 转换训练和调优的观测型生成式 AI 模型。
其最新的 IBM watsonx Code Assistant for Z 解决方案结合了基于规则的流程和生成式 AI，加速大型机应用现代化。现在，开发团队可以依托面向企业的实用生成式 AI 和自动化工具，辅助开发人员进行应用发现、自动重构以及 COBOL 到 Java 的转换。
为了让大型机应用像其他面向对象或分布式应用一样具备敏捷性和可变性，组织应将其作为持续交付管道的核心特性进行管理。IBM watsonx Code Assistant for Z 帮助开发人员通过以下三个步骤将 COBOL 代码引入应用程序现代化生命周期：
- 发现。在进行现代化改造之前，开发人员需要找出需要注意的地方。首先，该解决方案会对大型机上的所有程序进行清点，为每个程序绘制架构流程图，并标注其所有数据输入和输出。可视化流程模型使开发人员和架构师更容易发现代码库中的依赖关系以及明显的死胡同。
- 重构。此阶段的核心是将单体应用拆分成更易于使用的形式。IBM watsonx Code Assistant for Z 会查看长期运行的程序代码库，以了解系统的预期业务逻辑。通过将命令和数据（例如独立流程）解耦，该解决方案将 COBOL 代码重构为模块化的业务服务组件。
- 转变。这正是经过企业级 COBOL-Java 转换训练的大语言模型大显身手的时刻。该生成式 AI 模型将 COBOL 程序组件转换为 Java 类，实现真正的面向对象和关注点分离，使多个团队能够并行且敏捷地工作。随后，开发人员可以在 IDE 中专注于优化 Java 代码，AI 则提供前瞻性建议，就像其他开发工具中的辅助功能一样。
我们通常对大多数厂商关于 AI 的宣传持怀疑态度，因为这些宣传往往只是另一种形式的自动化。
与学习英语的所有细微差别并推测单词和段落的事实基础相比，掌握像 COBOL 和 Java 这样的编程语言的语法和结构，似乎正是生成式 AI 擅长的领域。
针对企业设计的生成式 AI 模型，如 IBM watsonx Code Assistant for Z，能够减少全球最资源受限组织的现代化工作量和成本。在已知平台上、拥有数千行代码的应用程序，是像 IBM watsonx Code Assistant for Z 这样的生成式 AI 模型的理想训练场。
即使在资源受限的环境中，生成式 AI 也能帮助团队克服现代化障碍，并增强即使是新晋大型机开发人员的能力，从而在最关键的核心业务应用之上显著提升敏捷性和弹性。
欲了解更多信息，请参阅 Intellyx 分析师思想领导系列中的其他文章：
- 第 1 部分：“银行业以外的大型机应用程序现代化改造”
- 第二部分：“利用协作（而非迁移）实现大型机应用程序云现代化”
- 第三部分：“依托大型机主导的数字化转型推动金融服务发展”
- 第四部分：“大型机与云？开源让一切变得简单”
©2024 Intellyx BV Intellyx 对本文档的内容负责。本文内容并非由 AI 机器人撰写。截至撰写本文时，IBM 是 Intellyx 的客户。