洗練されたモバイル アプリケーションや商用インターフェイスの舞台裏を覗いてみると、大手企業のアプリケーション アーキテクチャの統合層やサービス層の奥深くで、ショーを実行しているメインフレームを見つけることができるでしょう。

重要なアプリケーションと記録システムは、これらのコア システムをハイブリッド インフラストラクチャの一部として使用しています。継続的な運営が中断されると、ビジネスの継続的な運営の完全性にとって壊滅的な影響を与える可能性があります。そのため、多くの企業は大幅な変更を行うことを恐れています。

しかし、技術的負債が積み重なっているため、変化は避けられません。ビジネスの機敏性を実現し、競争上の課題や顧客の需要に対応するには、企業はこれらのアプリケーションを絶対に最新化する必要があります。リーダーは変化を先送りするのではなく、ハイブリッド戦略におけるデジタル変革を加速する新たな方法を模索する必要があります。

モダナイゼーションの遅れを COBOL のせいにしないでください

メインフレームの最新化に対する最大の障害は、おそらく人材不足です。長年にわたってエンタープライズ COBOL コードベースを作成および追加してきたメインフレームおよびアプリケーションの専門家の多くは、おそらく異動するか、まもなく退職するでしょう。

さらに恐ろしいのは、Java や新しい言語を学んだコンピュータ サイエンスの新卒者は、メインフレーム アプリケーション開発をしている自分を自然に想像できないため、次世代の人材を採用するのは困難になるということです。彼らにとって、この仕事はモバイル アプリの設計ほど魅力的ではなく、クラウド ネイティブ開発ほど機敏に見えないかもしれません。多くの意味で、これはかなり不公平な傾向です。

COBOL は、サービス指向やクラウド コンピューティングどころか、オブジェクト指向が存在するずっと前に作成されました。無駄のないコマンド セットを備えているため、新しい開発者にとって学習や理解が難しい複雑な言語にはならないはずです。そして、メインフレーム アプリケーションがアジャイル開発や、DevOps スタイルの自動パイプライン内での小規模な増分リリースの恩恵を受けない理由はありません。

考え出す さまざまなチームが長年にわたって COBOL を使って何をしてきたか それが変化の管理を非常に困難にしているのです。開発者は、コンポーネントや疎結合サービスとしてではなく、全体としてチェックアウトおよび更新する必要がある手続き型システムに際限のない追加と論理ループを作成しました。

このようにメインフレーム上でコードとプログラムが組み合わされると、相互依存性と潜在的な障害点が複雑すぎて、熟練した開発者でも解くことができなくなります。このため、COBOL アプリ開発は必要以上に困難に感じられ、多くの組織がメインフレーム以外の代替手段を時期尚早に探す原因となっています。

生成 AI の限界を克服する

ChatGPT や消費者向けのビジュアル AI 画像ジェネレーターなどの大規模言語モデル (LLM) が広く利用可能になったことにより、最近、生成 AI (または GenAI) に関する誇大宣伝が数多く見られます。

この分野では多くのすばらしい可能性が生まれていますが、重要なビジネス ワークフローに LLM を適用すると、厄介な「幻覚要素」が存在します。 AI がインターネット上で見つかったコンテンツを使用してトレーニングされると、多くの場合、説得力のある信頼できる対話が提供されますが、完全に正確な応答は得られません。例えば、 ChatGPT が最近引用した架空の判例 連邦裁判所での先例により、それを利用した怠惰な弁護士に制裁が科せられる可能性がある。

チャットボット AI を信頼してビジネス アプリケーションをコーディングする場合にも同様の問題があります。一般化された LLM は、アプリを改善する方法、標準の登録フォームを簡単に大量に作成する方法、または小惑星スタイルのゲームをコード化する方法について合理的な一般的な提案を提供する可能性がありますが、ビジネス アプリケーションの機能的完全性は、AI モデルがどのような機械学習データでトレーニングされたかに大きく依存します。と。

幸いなことに、ChatGPT が登場する前から、本番指向の AI 研究が何年も続けられていました。 IBM® は、watsonx™ ブランドの下で深層学習および推論モデルを構築しており、メインフレームの創始者および革新者として、COBOL から Java への変換に基づいてトレーニングおよび調整された観察型 GenAI モデルを構築してきました。

彼らの最新 IBM watsonx™ Code Assistant for Z このソリューションでは、ルールベースのプロセスと生成 AI の両方を使用して、メインフレーム アプリケーションの最新化を加速します。現在、開発チームは、GenAI と自動化の非常に実用的でエンタープライズに焦点を当てた使用法を利用して、アプリケーションの検出、自動リファクタリング、および COBOL から Java への変換における開発者を支援できます。

3 つのステップによるメインフレーム アプリケーションのモダナイゼーション

メインフレーム アプリケーションを他のオブジェクト指向アプリケーションや分散アプリケーションと同じように俊敏かつ柔軟に変更できるようにするには、組織はそれを継続的デリバリー パイプラインのトップレベルの機能にする必要があります。 IBM watsonx Code Assistant for Z は、開発者が次の 3 つのステップを通じて COBOL コードをアプリケーション最新化ライフサイクルに組み込むのに役立ちます。

1. 発見。 開発者は最新化する前に、どこに注意が必要かを把握する必要があります。まず、このソリューションはメインフレーム上のすべてのプログラムのインベントリを作成し、各プログラムのアーキテクチャ フロー図とそのすべてのデータ入出力をマッピングします。視覚的なフロー モデルにより、開発者やアーキテクトは、コード ベース内の依存関係や明らかな行き止まりを簡単に特定できるようになります。
2. リファクタリング。 このフェーズでは、モノリスをより消費可能な形式に分割することがすべてです。 IBM watsonx Code Assistant for Z は、長時間実行されるプログラム コード ベースを調べて、システムの意図されたビジネス ロジックを理解します。このソリューションは、個別のプロセスなどのコマンドとデータを分離することにより、COBOL コードをモジュール式のビジネス サービス コンポーネントにリファクタリングします。
3. 変換。 ここで、エンタープライズ COBOL から Java への変換に合わせて調整された LLM の魔法が違いを生むことができます。 GenAI モデルは、COBOL プログラム コンポーネントを Java クラスに変換し、真のオブジェクト指向と関心の分離を可能にするため、複数のチームが並行して機敏に作業できるようになります。開発者は、他の開発ツールで見られるコパイロット機能と同様に、AI が先読み提案を提供することで、IDE で Java のコードを洗練することに集中できます。

Intellyx の見解

AI に関するほとんどのベンダーの主張には一般的に懐疑的です。多くの場合、AI は単に別の名前で自動化されているだけだからです。

英語のニュアンスをすべて学び、単語や段落の事実に基づいて推測することと比較すると、COBOL や Java などの言語の構文と構造を習得することは、GenAI にとってすぐれた道のように思えます。

IBM watsonx Code Assistant for Z のような企業向けに設計された生成 AI モデルは、世界で最もリソースに制約のある組織のモダナイゼーションの労力とコストを削減できます。数千行のコードを含む既知のプラットフォーム上のアプリケーションは、IBM watsonx Code Assistant for Z のような生成 AI モデルの理想的なトレーニングの場です。

リソースに制約のある環境であっても、GenAI はチームがモダナイゼーションのハードルをクリアし、さらに新しいメインフレーム開発者の能力を強化して、最も重要なコア ビジネス アプリケーションの俊敏性と復元力を大幅に向上させるのに役立ちます。

詳細については、Intellyx アナリストのソート リーダーシップ シリーズの他の投稿を参照してください。

生成 AI でメインフレーム アプリケーションのモダナイゼーションを加速する

©2024 Intellyx B.V. Intellyx がこの文書の編集責任を負います。このコンテンツの作成には AI ボットは使用されていません。この記事の執筆時点では、IBM は Intellyx の顧客です。