Desbloquear la experiencia en mainframe con IA

Los sistemas mainframe no van a ninguna parte, pero la experiencia para mantenerlos es cada vez más difícil de encontrar. Los mainframes impulsan casi el 70 % de las cargas de trabajo de TI de producción del mundo, abarcando 28 sectores en más de 70 países. Sin embargo, los conocimientos especializados necesarios para optimizar su rendimiento son cada vez más escasos.

A medida que los profesionales veteranos del mainframe se jubilan, se está formando una creciente brecha de conocimiento. Aunque los planes de estudio modernos de informática tienden a hacer hincapié en lenguajes como Java y Python, que ahora son compatibles con plataformas mainframe como IBM® Z,el verdadero desafío es más profundo.

La escasez de habilidades se centra en comprender la terminología específica del mainframe, los conceptos básicos y los complejos subsistemas que difieren de los que se encuentran en la nube y los entornos distribuidos. Sin embargo, los presupuestos de formación de las empresas suelen priorizar estas arquitecturas sobre los conceptos y diseños de mainframe.

¿El resultado? Una brecha cada vez mayor entre la dependencia continua de mainframe y la reducción del grupo de profesionales que controlan el entorno operativo único de los sistemas de mainframe, como IBM Z. Para los líderes empresariales, este déficit amenaza tanto la continuidad operativa como la capacidad de innovación.

Aprovechar la inteligencia artificial (IA) para cerrar la brecha de habilidades se ha convertido en una solución transformadora. La IA generativa combinada con la automatización puede agilizar la forma en que los programadores, operadores y desarrolladores de sistemas adquieren conocimientos, y puede mejorar la productividad, la eficiencia y la calidad del trabajo, independientemente de su nivel de experiencia.

Adoptar este enfoque podría suponer un cambio disruptivo para muchos líderes de sectores mundiales. El enfoque podría ser importante sobre todo para los profesionales de sectores como las finanzas, la sanidad, el gobierno y la venta minorista, en los que los mainframes soportan operaciones de gran volumen y alto riesgo que exigen fiabilidad, seguridad y escalabilidad.

La IA, en particular la IA generativa, ofrece una oportunidad única para abordar estos problemas al hacer que el conocimiento de mainframe sea más accesible. Al aprovechar el poder de los modelos de lenguaje de gran tamaño (LLM), la generación aumentada por recuperación (RAG) y los marcos de automatización, las organizaciones pueden reducir la adquisición de habilidades para los nuevos profesionales. Además, este enfoque permite a los usuarios experimentados centrarse en tareas estratégicas que impulsan el valor empresarial.

Así es como la IA puede contribuir a la formación y la productividad del mainframe.

Los usuarios nuevos en el mainframe suelen enfrentarse a curvas de aprendizaje pronunciadas y tienen problemas con tareas complejas. Por ejemplo, imagine a un desarrollador que, tras horas de búsqueda en la documentación, no está seguro de haber encontrado la solución correcta. Su incertidumbre ralentiza los flujos de trabajo y los lleva a solicitar la confirmación de un experto en la materia (SME), ya que incluso los errores más pequeños pueden tener graves consecuencias en el entorno del mainframe.

Lo que este desarrollador necesita es un mentor fiable y accesible, y aquí es donde interviene la IA. La IA conversacional proporciona a los usuarios una interfaz de lenguaje natural para acceder a información seleccionada y orientación paso a paso. En lugar de interrumpir a los SME con preguntas, los usuarios pueden interactuar con un asistente con IA para:

• Comprender los conceptos fundamentales del mainframe

• Acceder a información sobre actualizaciones de productos y nuevas características

• Seguir los procedimientos paso a paso para completar las tareas

• Recibir explicaciones claras de los mensajes de error y el comportamiento del sistema

Gracias a un marco de generación aumentada por recuperación (RAG), estos sistemas pueden proporcionar respuestas fundamentadas y precisas aprovechando fuentes de conocimiento fiables. Este método no solo mejora la fiabilidad de las respuestas, sino que también ayuda a mitigar riesgos como la desinformación.

Algunas buenas prácticas para implementar sistemas RAG incluyen asegurarse de que se basan en fuentes de alta calidad y específicas del dominio y mantener la IA actualizada regularmente. Una ventaja clave del RAG es que ayuda a evitar las alucinaciones. Estas salvaguardas contribuyen a garantizar que la IA siga siendo un recurso fiable y digno de confianza para el aprendizaje y la asistencia en mainframe.

Mientras que los asistentes de IA ayudan a los usuarios a aprender, la automatización les permite actuar. Al proporcionar flujos de trabajo guiados, la automatización consigue que los usuarios nuevos realicen tareas de manera efectiva, incluso sin conocimientos previos profundos. 

Los beneficios de la automatización van más allá de los principiantes; los profesionales experimentados de mainframe también salen ganando. Por ejemplo, supongamos que un programador de sistemas experimentado se enfrenta a configurar un ajuste de seguridad que rara vez se utiliza. Aunque tenga los conocimientos básicos, es posible que hayan pasado años desde la última vez que realizó esta tarea, lo que requiere una revisión de los pasos, las dependencias y los matices del sistema.

Sin la orientación y las prácticas adecuadas, es posible que este proceso lleve mucho tiempo, lo que puede provocar retrasos en las actualizaciones críticas y aumentar la probabilidad de errores.

La automatización y las herramientas impulsadas por IA salvan esta brecha al ofrecer asistencia paso a paso, automatizar los flujos de trabajo repetitivos y ofrecer recomendaciones en tiempo real basadas en el contexto de la IA conversacional. Estas herramientas permiten a los desarrolladores principiantes abordar nuevos problemas y a los veteranos experimentados recuperar habilidades que utilizan poco. Al reducir los errores, mejorar la eficiencia y minimizar la frustración, la automatización permite a los profesionales de mainframe centrarse en iniciativas estratégicas y de gran valor.

Igualmente importante es la necesidad de que las soluciones de automatización puedan integrarse con las inversiones existentes de la organización. Las empresas suelen confiar en marcos y tecnologías de automatización bien establecidos, como el lenguaje de control de trabajos (JCL), el ejecutor extendido reestructurado (REXX) y Ansible, habiendo invertido mucho en estos sistemas a lo largo de los años. Para maximizar el valor y garantizar la adopción, la automatización debe respaldar estas herramientas fundamentales, ofreciendo compatibilidad e integración sin problemas en lugar de exigir reemplazos costosos.

Las soluciones de IA deben diseñarse para satisfacer las necesidades únicas de los diferentes grupos de usuarios, asegurando que cada grupo se beneficie de una experiencia personalizada que se alinee con sus niveles de habilidad y objetivos. Por ejemplo:

• Los profesionales que inician su carrera pueden beneficiarse de experiencias guiadas por IA que se centran en reforzar el aprendizaje mediante la ejecución manual de tareas, lo que les permite generar confianza a medida que se involucran con conceptos fundacionales.

• Los usuarios de nivel medio pueden confiar en la automatización impulsada por IA para gestionar las tareas rutinarias de manera eficiente, ahorrando tiempo y minimizando el riesgo de errores, al tiempo que les libera para centrarse en actividades más complejas.

• Los profesionales experimentados podrían aprovechar la IA para explorar características avanzadas, optimizar operaciones complejas o incluso codificar su experiencia en activos de automatización reutilizables que pueden beneficiar al equipo en general.

La creación de asistentes específicos para cada función garantiza que la experiencia de la IA se alinee con las responsabilidades y los niveles de habilidad de los usuarios. Estos asistentes creados específicamente abordan preguntas y cumplen requisitos específicos de automatización, lo que permite a los usuarios completar tareas de manera fluida y navegar por procesos intrincados con una atractiva experiencia de IA conversacional.

Se pueden diseñar diferentes asistentes de IA para satisfacer las necesidades de varios tipos de usuarios.

Cuando se desarrollan soluciones de IA, es crítico simplificar los procesos de desarrollo y mantenimiento. A medida que los sistemas de IA sigan evolucionando, deberían tener como objetivo proporcionar soporte y minimizar los nuevos niveles de complejidad en la implementación. Lograr este objetivo requiere sistemas de IA que sean intuitivos, interoperables con las herramientas existentes y lo suficientemente flexibles como para adaptarse a diversos casos de uso. Como resultado, los beneficios de la automatización son accesibles y sostenibles para todos los grupos de usuarios.

Estos son algunos enfoques.

Las plataformas low-code permiten a los expertos en dominios crear, modificar y publicar activos de automatización sin amplios conocimientos de programación. Estos activos pueden incorporarse a los asistentes de IA, poniéndolos a disposición de una base de usuarios más amplia.

Por ejemplo, los scripts de automatización existentes en Ansible, JCL o REXX se pueden transformar en habilidades reutilizables.

Un repositorio centralizado garantiza que los activos de automatización sean fácilmente detectables y reutilizables entre equipos. Este método no solo acelera la ejecución de tareas, sino que también fomenta el intercambio de conocimientos y la estandarización.

Al implementar soluciones de IA para entornos de mainframe, la selección de una arquitectura es crucial. Las opciones basadas en la nube pueden reducir los costes de tiempo de ejecución y simplificar la escalabilidad, pero podrían enfrentarse a desafíos de integración con sistemas mainframe detrás de los firewalls. Las implementaciones en las instalaciones se ajustan bien a los requisitos de seguridad de los mainframes, ya que ofrecen sólidas capacidades de automatización e integración directa. Sin embargo, este enfoque suele requerir una importante inversión inicial en hardware de GPU e infraestructura informática.

Muchas organizaciones consideran que un enfoque de cloud híbrido es óptimo, utilizando la nube para funciones de conocimiento general y la implementación en las instalaciones para tareas de automatización seguras. La clave es alinear su infraestructura de soporte de IA con los requisitos de seguridad de su organización, las inversiones existentes en mainframe y los objetivos de automatización.

Las soluciones de IA para entornos mainframe ofrecen un camino prometedor a medida que las organizaciones se enfrentan al reto de mantener sistemas críticos con una reserva cada vez menor de talento especializado. IBM está dando vida a esta visión a través de IBM® z17, su mainframe de próxima generación diseñado para la IA a escala empresarial.  

Con capacidades de IA integradas impulsadas por el procesador Telum® II y el nuevo acelerador de IA Spyre™, el z17 permite la inferencia de IA en tiempo real directamente en el sistema. Las herramientas de asistente y agente de IA como watsonx Code Assistant for Z y watsonx Assistant for Z ofrecen soporte inteligente para desarrolladores y equipos de TI. Además, la integración con IBM® Z Operations Unite agiliza las operaciones con detección y resolución de incidentes con IA.

Diseñadas para satisfacer las necesidades tanto de profesionales experimentados como de nuevos usuarios de la plataforma, estas herramientas ayudan a cerrar la brecha de habilidades, aumentar la productividad e impulsar la innovación. Al integrar la IA directamente en el mainframe, IBM está ayudando a democratizar la experiencia en mainframe, convirtiéndola en un recurso renovable que garantiza que estos sistemas sigan aportando valor en el futuro.