एप्लिकेशन आधुनिकीकरण, आधुनिक प्रौद्योगिकियों का लाभ उठाते हुए पुराने अनुप्रयोगों को अपडेट करने, प्रदर्शन को बढ़ाने और DevOps, इंफ्रास्ट्रक्चर-एज़-कोड (IAC) जैसे क्लाउड नेटिव सिद्धांतों को शामिल करके इसे विकसित व्यावसायिक गति के अनुकूल बनाने की प्रक्रिया है। एप्लिकेशन आधुनिकीकरण वर्तमान विरासत अनुप्रयोगों, डेटा और बुनियादी ढांचे के मूल्यांकन और वांछित परिणाम प्राप्त करने के लिए सही आधुनिकीकरण रणनीति (रीहोस्ट, री-प्लेटफ़ॉर्म, रिफैक्टर या पुनर्निर्माण) को लागू करने से शुरू होता है।

जबकि पुनर्निर्माण से अधिकतम लाभ मिलता है, उच्च स्तर के निवेश की आवश्यकता होती है, जबकि रीहोस्ट अनुप्रयोगों और डेटा को बिना किसी अनुकूलन के क्लाउड पर ले जाने के बारे में है और इसके लिए कम निवेश की आवश्यकता होती है जबकि मूल्य कम होता है। प्रौद्योगिकी और व्यावसायिक प्रगति के साथ तालमेल बनाए रखने के लिए निरंतर पुनरावृत्तियों के साथ आधुनिकीकृत अनुप्रयोगों को तैनात, निगरानी और रखरखाव किया जाता है। प्राप्त होने वाले विशिष्ट लाभों में बढ़ी हुई चपलता, लागत-प्रभावशीलता और प्रतिस्पर्धात्मकता शामिल होगी, जबकि चुनौतियों में जटिलता और संसाधन की मांग शामिल है। कई उद्यम यह महसूस कर रहे हैं कि क्लाउड पर जाने से उन्हें न तो वांछित मूल्य मिल रहा है और न ही बुनियादी प्लेटफ़ॉर्म-स्तरीय स्वचालन से परे चपलता/गति मिल रही है। वास्तविक समस्या यह है कि आईटी को कैसे व्यवस्थित किया जाता है, जो इस बात को दर्शाता है कि उनके वर्तमान एप्लिकेशन/सेवाएं कैसे बनाई और प्रबंधित की जाती हैं (देखें) कॉनवे का नियम). यह, बदले में, निम्नलिखित चुनौतियों को जन्म देता है:

• कई आईटी प्रणालियों/घटकों द्वारा प्रदान की जाने वाली डुप्लिकेट या ओवरलैपिंग क्षमताएं चिपचिपी निर्भरता और प्रसार पैदा करती हैं, जो उत्पादकता और बाजार में गति को प्रभावित करती हैं।
• अनुप्रयोगों और चैनलों में डुप्लिकेट क्षमताएं डुप्लिकेट आईटी संसाधनों (उदाहरण के लिए, कौशल और बुनियादी ढांचे) को जन्म देती हैं।
• डुप्लिकेट क्षमताओं (डेटा सहित) के परिणामस्वरूप व्यावसायिक नियमों का दोहराव होता है और असंगत ग्राहक अनुभव को जन्म मिलता है।
• व्यावसायिक क्षमताओं के साथ आईटी क्षमताओं के संरेखण का अभाव बाजार और व्यवसाय-आईटी के समय को प्रभावित करता है। इसके अलावा, उद्यम नई व्यावसायिक पहलों और नवाचारों का समर्थन करने के लिए कई बैंड-एड्स और वास्तुशिल्प परतों का निर्माण करते हैं।

इसलिए, एप्लिकेशन आधुनिकीकरण पहल को व्यवसाय के मूल्य पर अधिक ध्यान केंद्रित करने की आवश्यकता है और इसमें एप्लिकेशन को व्यावसायिक क्षमताओं से संरेखित घटकों और सेवाओं में परिवर्तन का महत्वपूर्ण तत्व शामिल है। इसमें सबसे बड़ी चुनौती आवश्यक निवेश की मात्रा है और कई सीआईओ/सीटीओ मूल्य प्राप्त करने में आने वाली लागत और समयसीमा के कारण निवेश करने से झिझकते हैं। कई लोग इसे त्वरक के निर्माण के माध्यम से संबोधित कर रहे हैं जिन्हें उद्यम उपभोग के लिए अनुकूलित किया जा सकता है जो आधुनिकीकरण के विशिष्ट क्षेत्रों में तेजी लाने में मदद करता है और आईबीएम से ऐसा एक उदाहरण है आईबीएम कंसल्टिंग क्लाउड एक्सेलेरेटर. त्वरण बढ़ाने और आधुनिकीकरण की लागत को अनुकूलित करने का प्रयास करते हुए, जेनेरिक एआई हमारे आधुनिकीकरण कार्यक्रमों में तेजी लाने के तरीके में बदलाव लाने के लिए एक महत्वपूर्ण प्रवर्तक बन रहा है। हम इस लेख में एक उदाहरण के साथ त्वरण के प्रमुख क्षेत्रों का पता लगाएंगे।

एप्लिकेशन आधुनिकीकरण कार्यक्रमों का एक सरलीकृत जीवनचक्र (संपूर्ण नहीं) नीचे दर्शाया गया है। डिस्कवरी विरासत एप्लिकेशन, बुनियादी ढांचे, डेटा, एप्लिकेशन, सेवाओं और डेटा के बीच बातचीत और सुरक्षा जैसे अन्य पहलुओं को समझने पर केंद्रित है। योजना अनुप्रयोगों के जटिल पोर्टफोलियो को पुनरावृत्तियों में विभाजित करती है ताकि एक पुनरावृत्त रोडमैप स्थापित करने के लिए आधुनिकीकरण किया जा सके - और रोडमैप को लागू करने के लिए एक निष्पादन योजना स्थापित की जा सके।

ब्लूप्रिंट/डिज़ाइन चरण की गतिविधियाँ आधुनिकीकरण रणनीति के आधार पर बदलती हैं (एप्लिकेशन को विघटित करने और डोमेन-संचालित डिज़ाइन का लाभ उठाने या निष्पादन योग्य डिज़ाइन बनाने के लिए नई तकनीक के आधार पर लक्ष्य आर्किटेक्चर स्थापित करने से)। इसके बाद के चरण निर्माण, परीक्षण और उत्पादन में तैनात हैं। आइए हम इन जीवनचक्र क्षेत्रों में जेनरेटिव एआई संभावनाओं का पता लगाएं।

खोज और डिज़ाइन

न्यूनतम एसएमई भागीदारी के साथ पुराने अनुप्रयोगों को समझने की क्षमता एक महत्वपूर्ण त्वरण बिंदु है। ऐसा इसलिए है, क्योंकि सामान्य तौर पर, एसएमई सिस्टम लाइट-ऑन पहल में व्यस्त हैं, जबकि उनका ज्ञान इस आधार पर सीमित हो सकता है कि वे कितने समय से सिस्टम का समर्थन कर रहे हैं। सामूहिक रूप से, खोज और डिज़ाइन वह जगह है जहां आधुनिकीकरण के दौरान महत्वपूर्ण समय व्यतीत होता है, जबकि टीम द्वारा विरासत एप्लिकेशन कार्यक्षमता, एकीकरण पहलुओं, तर्क और डेटा जटिलता को डिकोड करने के बाद विकास बहुत आसान होता है।

आधुनिकीकरण दल अपना कोड विश्लेषण करते हैं और कई दस्तावेज़ों (अधिकतर दिनांकित) का अध्ययन करते हैं; यहीं पर कोड विश्लेषण टूल पर उनकी निर्भरता महत्वपूर्ण हो जाती है। इसके अलावा, पुनः लिखने की पहल के लिए, किसी को कार्यात्मक क्षमताओं को विरासत अनुप्रयोग संदर्भ में मैप करने की आवश्यकता है ताकि प्रभावी डोमेन-संचालित डिज़ाइन/अपघटन अभ्यास किया जा सके। कोड और डेटा के साथ डोमेन/कार्यात्मक क्षमताओं को सहसंबंधित करने और व्यावसायिक क्षमताओं को स्थापित करने और एप्लिकेशन कोड और डेटा को कनेक्ट करने की अपनी क्षमता के माध्यम से जेनरेटिव एआई यहां बहुत उपयोगी हो जाता है - बेशक मॉडल को किसी दिए गए एंटरप्राइज़ डोमेन मॉडल या कार्यात्मक क्षमता के लिए ट्यून/संदर्भित करने की आवश्यकता होती है। नक्शा। इस पेपर में बताई गई जेनरेटिव एआई-असिस्टेड एपीआई मैपिंग इसका एक छोटा उदाहरण है। जबकि उपरोक्त अनुप्रयोग अपघटन/डिज़ाइन के लिए है, इवेंट-स्टॉर्मिंग के लिए प्रक्रिया मानचित्रों की आवश्यकता होती है और यहीं पर जेनरेटर एआई प्रक्रिया खनन उपकरणों से उद्धरणों को प्रासंगिक बनाने और मैप करने में सहायता करता है। जेनरेटिव एआई कोड अंतर्दृष्टि और कार्यात्मक मैपिंग के आधार पर उपयोग के मामले उत्पन्न करने में भी मदद करता है। कुल मिलाकर, जेनेरिक एआई पुराने अनुप्रयोगों के साथ-साथ निर्भरता के लिए पर्याप्त दृश्यता सुनिश्चित करके आधुनिकीकरण कार्यक्रमों को जोखिम से मुक्त करने में मदद करता है।

जेनरेटिव एआई मानकीकृत पैटर्न (प्रवेश/निकास, एप्लिकेशन सेवाओं, डेटा सेवाओं, समग्र पैटर्न इत्यादि) के सेट के आधार पर मॉडलों को ट्यूनिंग के माध्यम से विशिष्ट क्लाउड सेवा प्रदाता ढांचे के लिए लक्ष्य डिजाइन तैयार करने में भी मदद करता है। इसी तरह, कई अन्य जेनेरिक एआई उपयोग के मामले हैं जिनमें सुरक्षा नियंत्रण के लिए लक्ष्य प्रौद्योगिकी ढांचे-विशिष्ट कोड पैटर्न तैयार करना शामिल है। जेनरेटिव एआई विस्तृत डिज़ाइन विनिर्देश उत्पन्न करने में मदद करता है, उदाहरण के लिए, उपयोगकर्ता कहानियां, उपयोगकर्ता अनुभव वायर फ़्रेम, एपीआई विशिष्टताएं (उदाहरण के लिए, स्वैगर फ़ाइलें), घटक संबंध आरेख और घटक इंटरैक्शन आरेख।

प्लानिंग

आधुनिकीकरण कार्यक्रम के कठिन कार्यों में से एक समानांतर प्रयासों बनाम अनुक्रमिक निर्भरताओं को संतुलित करते हुए और संबोधित किए जाने वाले सह-अस्तित्व परिदृश्यों की पहचान करते हुए एक मैक्रो रोडमैप स्थापित करने में सक्षम होना है। हालांकि यह आम तौर पर एक बार के कार्य के रूप में किया जाता है - प्रोग्राम इंक्रीमेंट्स (पीआई) के माध्यम से निरंतर पुनर्संरेखण - निष्पादन स्तर के इनपुट को शामिल करते हुए नियोजन अभ्यास कहीं अधिक कठिन है। जेनरेटिव एआई ऐतिहासिक डेटा (डोमेन क्षेत्र मानचित्रों के लिए अनुप्रयोग, प्रयास और जटिलता कारकों और निर्भरता पैटर्न और अधिक) के आधार पर रोडमैप तैयार करने में सक्षम होता है, इसे आधुनिकीकरण कार्यक्रम के दायरे में अनुप्रयोगों के लिए लागू किया जाता है - किसी दिए गए उद्योग के लिए या कार्यक्षेत्र।

इसे संबोधित करने का एकमात्र तरीका इसे परिसंपत्तियों और त्वरक के एक सूट के माध्यम से उपभोग्य बनाना है जो उद्यम जटिलता को संबोधित कर सकता है। यह वह जगह है जहां जेनरेटिव एआई खोजी गई निर्भरता के साथ एप्लिकेशन पोर्टफोलियो विवरण को सहसंबंधित करने में महत्वपूर्ण भूमिका निभाता है।

बनाएं और परीक्षण करें

कोड जनरेट करना सबसे व्यापक रूप से ज्ञात जेनरेटिव एआई उपयोग के मामलों में से एक है, लेकिन आईएसी (टेराफॉर्म या क्लाउड फॉर्मेशन टेम्प्लेट), पाइपलाइन कोड/कॉन्फ़िगरेशन, एंबेड सुरक्षा डिज़ाइन बिंदुओं से संबंधित कोड कलाकृतियों का एक सेट उत्पन्न करने में सक्षम होना महत्वपूर्ण है। एन्क्रिप्शन, आईएएम एकीकरण, आदि), स्वैगर्स या अन्य कोड अंतर्दृष्टि (विरासत से) और फ़ायरवॉल कॉन्फ़िगरेशन से एप्लिकेशन कोड पीढ़ी (उदाहरण के लिए तत्काल सेवाओं पर आधारित संसाधन फ़ाइलों के रूप में)। जेनरेटिव एआई डिज़ाइन टूल के आउटपुट को संयोजित करते हुए पैटर्न से निर्मित पूर्वनिर्धारित एप्लिकेशन संदर्भ आर्किटेक्चर के आधार पर एक ऑर्केस्ट्रेटेड दृष्टिकोण के माध्यम से उपरोक्त प्रत्येक को उत्पन्न करने में मदद करता है।

परीक्षण एक अन्य प्रमुख क्षेत्र है: जेनरेटिव एआई परीक्षण डेटा के साथ-साथ परीक्षण मामलों और परीक्षण कोड का सही सेट उत्पन्न कर सकता है ताकि निष्पादित किए जा रहे परीक्षण मामलों को अनुकूलित किया जा सके।

तैनाती

ऐसी कई अंतिम मील गतिविधियाँ हैं जिनमें उद्यम की जटिलता के आधार पर आम तौर पर दिनों से लेकर हफ्तों तक का समय लगता है। सुरक्षा सत्यापन (एप्लिकेशन और प्लेटफ़ॉर्म लॉग, डिज़ाइन पॉइंट, आईएसी इत्यादि से) के लिए अंतर्दृष्टि उत्पन्न करने की क्षमता एक महत्वपूर्ण उपयोग मामला है जो त्वरित सुरक्षा समीक्षा और अनुमोदन चक्रों में सहायता करेगा। कॉन्फ़िगरेशन प्रबंधन इनपुट उत्पन्न करना (सीएमडीबी के लिए) और प्रति रिलीज पूर्ण किए गए एजिलिटी टूल कार्य आइटम से उत्पन्न रिलीज नोट्स के आधार पर प्रबंधन इनपुट बदलना प्रमुख जेनरेटिव एआई उत्तोलन क्षेत्र हैं।

जबकि आधुनिकीकरण चरणों में उपर्युक्त उपयोग के मामले एक उम्मीद की किरण प्रतीत होते हैं, उद्यम जटिलताओं के लिए मूल्य का एहसास करने में सक्षम होने के लिए उपरोक्त जेनरेटिव एआई उपयोग के कई केस-आधारित त्वरक के प्रासंगिक ऑर्केस्ट्रेशन की आवश्यकता होगी और हम उद्यम प्रासंगिक पैटर्न स्थापित करने से बहुत दूर हैं। जो आधुनिकीकरण कार्यक्रमों को गति देने में मदद करता है। हमने संभावित दोहराव के आधार पर कुछ पैटर्न के लिए इनमें से कई जेनरेटिव एआई एक्सेलेरेटर को अनुकूलित करने में समय और ऊर्जा को अग्रिम (और निरंतर) निवेश करने में महत्वपूर्ण लाभ देखा है।

आइए अब एक संभावित सिद्ध उदाहरण की जाँच करें:

उदाहरण 1: डोमेन मैपिंग की दृश्यता और डुप्लिकेट एपीआई सेवाओं की पहचान के लिए बीआईएएन और एआई के साथ एपीआई डिस्कवरी की फिर से कल्पना करना

समस्या: लार्ज ग्लोबल बैंक के पास विभिन्न डोमेन (उदाहरण के लिए, खुदरा बैंकिंग, थोक बैंकिंग, ओपन बैंकिंग और कॉर्पोरेट बैंकिंग) में समय के साथ विकसित 30000 से अधिक एपीआई (आंतरिक और बाहरी दोनों) हैं। सभी डोमेन में डुप्लिकेट एपीआई की भारी संभावना मौजूद है, जिससे बड़े एपीआई पोर्टफोलियो को बनाए रखने के लिए स्वामित्व की कुल लागत और एपीआई डुप्लिकेशन और ओवरलैप से निपटने की परिचालन चुनौतियां बढ़ जाती हैं। एपीआई की दृश्यता और खोज की कमी एपीआई विकास टीमों को पुन: उपयोग के लिए प्रासंगिक एपीआई खोजने के बजाय समान या समान एपीआई विकसित करने की ओर ले जाती है। बैंकिंग उद्योग मॉडल परिप्रेक्ष्य से एपीआई पोर्टफोलियो को देखने में असमर्थता व्यवसाय और आईटी टीमों को उन क्षमताओं को समझने में बाधा डालती है जो पहले से ही उपलब्ध हैं और बैंक के लिए किन नई क्षमताओं की आवश्यकता है।

जनरेटिव एआई-आधारित समाधान दृष्टिकोण: समाधान BERT लार्ज लैंग्वेज मॉडल, सेंटेंस ट्रांसफॉर्मर, मल्टीपल नेगेटिव्स रैंकिंग लॉस फंक्शन और डोमेन नियमों का लाभ उठाता है, जो बैंक के एपीआई पोर्टफोलियो को सीखने के लिए BIAN सर्विस लैंडस्केप ज्ञान के साथ ठीक-ठाक है और BIAN को ऑटो-मैपिंग के साथ एपीआई खोजने की क्षमता प्रदान करता है। यह एपीआई एंडपॉइंट मेथड को लेवल 4 BIAN सर्विस लैंडस्केप पदानुक्रम, यानी BIAN सर्विस ऑपरेशंस पर मैप करता है।

समाधान के मुख्य कार्य निम्नलिखित करने की क्षमता हैं:

• स्वैगर विनिर्देशों और अन्य एपीआई दस्तावेज़ों को समझें और एपीआई, अंतिम बिंदु, संचालन और संबंधित विवरणों को समझें।
• BIAN विवरण प्राप्त करें और BIAN सेवा परिदृश्य को समझें।
• एपीआई एंडपॉइंट मेथड और बीआईएएन सर्विस लैंडस्केप के बीच मिलान और बेजोड़ मैपिंग के साथ फाइन-ट्यून।
• बीआईएएन स्तर, एपीआई श्रेणी और मिलान स्कोर के लिए बीआईएएन पदानुक्रमित नेविगेशन और फिल्टर के साथ मैपिंग और मिलान स्कोर का एक दृश्य प्रतिनिधित्व प्रदान करें।

समग्र तार्किक दृष्टिकोण (ओपन स्टैक आधारित) इस प्रकार है:

उद्योग मॉडल के साथ एपीआई डिस्कवरी के लिए यूजर इंटरफेस:

मुख्य लाभ: समाधान ने डेवलपर्स को BIAN बिजनेस डोमेन के आधार पर आसानी से पुन: प्रयोज्य एपीआई ढूंढने में मदद की; उनके पास एपीआई का पता लगाने के लिए कई फ़िल्टर/खोज विकल्प थे। इसके अलावा, टीमें सही परिचालन लचीलापन बनाने के लिए प्रमुख एपीआई श्रेणियों की पहचान करने में सक्षम थीं। खोज का अगला संशोधन प्राकृतिक भाषा पर आधारित होगा और बातचीत में उपयोग का मामला होगा।

BIAN सेवा डोमेन पर आधारित डुप्लिकेट एपीआई की पहचान करने की क्षमता ने एक आधुनिकीकरण रणनीति स्थापित करने में मदद की जो डुप्लिकेट क्षमताओं को तर्कसंगत बनाते हुए उन्हें संबोधित करती है।

इस उपयोग के मामले को छह से आठ सप्ताह के भीतर साकार किया गया, जबकि बैंक को समान परिणाम प्राप्त करने में एक वर्ष लग गया होगा (क्योंकि खोजे जाने के लिए कई हजार एपीआई थे)।

उदाहरण 2: म्यूलसॉफ्ट एपीआई का जावा स्प्रिंग बूट एपीआई में स्वचालित आधुनिकीकरण

समस्या: जबकि वर्तमान टीमें म्यूलसॉफ्ट एपीआई को जावा स्प्रिंग बूट में आधुनिक बनाने की यात्रा पर थीं, एपीआई की भारी मात्रा, दस्तावेज़ीकरण की कमी और जटिलता पहलू गति को प्रभावित कर रहे थे।

जनरेटिव एआई-आधारित समाधान दृष्टिकोण: जावा स्प्रिंग बूट आधुनिकीकरण के लिए म्यूल एपीआई को हमारे द्वारा निर्मित जेनरेटिव एआई-आधारित एक्सेलेरेटर के माध्यम से महत्वपूर्ण रूप से स्वचालित किया गया था। हमने प्रतिक्रिया संरचनाओं और कोड को अंतिम रूप देने के बाद एपीआई, घटकों और एपीआई तर्क की गहरी समझ स्थापित करके शुरुआत की। इसके बाद स्प्रिंग बूट कोड उत्पन्न करने के लिए साइडकिक एआई के आईबीएम संस्करण का उपयोग करके संकेतों का निर्माण किया गया, जो MuleSoft, यूनिट परीक्षण मामलों, डिज़ाइन दस्तावेज़ और उपयोगकर्ता इंटरफ़ेस से एपीआई विनिर्देशों को संतुष्ट करता है।

म्यूल एपीआई घटकों को संकेतों का उपयोग करके एक-एक करके टूल में प्रदान किया गया और संबंधित स्प्रिंग बूट समकक्ष उत्पन्न किया गया, जिसे बाद में आने वाली त्रुटियों को संबोधित करते हुए एक साथ जोड़ा गया। त्वरक ने वांछित चैनल के लिए यूआई उत्पन्न किया जिसे एपीआई, यूनिट परीक्षण मामलों और परीक्षण डेटा और डिज़ाइन दस्तावेज़ीकरण में एकीकृत किया जा सकता है। एक डिज़ाइन दस्तावेज़ जो उत्पन्न होता है उसमें अनुक्रम और वर्ग आरेख, अनुरोध, प्रतिक्रिया, अंतिम बिंदु विवरण, त्रुटि कोड और वास्तुकला संबंधी विचार शामिल होते हैं।

प्रमुख लाभ: साइडकिक एआई गहन डोमेन ज्ञान और प्रौद्योगिकी के माध्यम से प्रासंगिक मल्टी-मॉडल जेनरेटर एआई तकनीकी रणनीति को जोड़कर एप्लिकेशन कंसल्टेंट्स के दैनिक कार्य को बढ़ाता है। प्रमुख लाभ इस प्रकार हैं:

• अधिकांश स्प्रिंग बूट कोड और परीक्षण मामले उत्पन्न करता है जो अनुकूलित, स्वच्छ और सर्वोत्तम प्रथाओं का पालन करते हैं - कुंजी दोहराव है।
• चैनल फ्रंट-एंड परतों के साथ एपीआई के एकीकरण में आसानी।
• डेवलपर के कोड को समझने में आसानी और कोड को डीबग करने में पर्याप्त अंतर्दृष्टि।

एक्सेलेरेटर पीओसी को छह सप्ताह में तीन स्प्रिंट में कोड माइग्रेशन, यूनिट परीक्षण मामलों, डिज़ाइन दस्तावेज़ीकरण और यूआई पीढ़ी के चार अलग-अलग परिदृश्यों के साथ पूरा किया गया था।

आज ही वॉट्सनक्स का अन्वेषण करें

कई सीआईओ/सीटीओ को आधुनिकीकरण की पहल शुरू करने में अपनी आपत्तियां थीं, क्योंकि शुरुआत में कई चुनौतियां सामने आई थीं - एसएमई के लिए आवश्यक समय की मात्रा, परिवर्तन के कारण व्यवसाय पर प्रभाव, सुरक्षा में ऑपरेटिंग मॉडल में बदलाव, परिवर्तन प्रबंधन और कई अन्य। संगठन इत्यादि। जबकि जेनरेटिव एआई सभी समस्याओं को हल करने के लिए एक आशाजनक एआई नहीं है, यह कार्यक्रम को त्वरण, आधुनिकीकरण की लागत में कमी और, अधिक महत्वपूर्ण रूप से, यह सुनिश्चित करने के माध्यम से मदद करता है कि कोई भी मौजूदा कार्यक्षमता छूट न जाए। हालाँकि, किसी को यह समझने की जरूरत है कि एलएलएम मॉडल और लाइब्रेरी को उद्यम परिवेश की जरूरतों-महत्वपूर्ण सुरक्षा और अनुपालन समीक्षा और स्कैनिंग में लाने में समय और प्रयास लगता है। मॉडलों को ट्यून करने के लिए आवश्यक डेटा की गुणवत्ता में सुधार के लिए कुछ केंद्रित प्रयासों की भी आवश्यकता है। जबकि एकजुट जनरेटिव एआई-संचालित आधुनिकीकरण त्वरक अभी तक उपलब्ध नहीं हैं, समय के साथ हम ऐसे एकीकृत टूलकिट के उद्भव को देखना शुरू कर देंगे जो कई नहीं तो कुछ आधुनिकीकरण पैटर्न में तेजी लाने में मदद करते हैं।

आज ही वॉट्सनक्स का अन्वेषण करें