Herhangi bir şık mobil uygulamanın veya ticari arayüzün perde arkasına ve herhangi bir büyük kuruluşun uygulama mimarisinin entegrasyon ve hizmet katmanlarının derinliklerine baktığınızda, muhtemelen gösteriyi çalıştıran ana bilgisayarları bulacaksınız.

Kritik uygulamalar ve kayıt sistemleri, bu çekirdek sistemleri hibrit bir altyapının parçası olarak kullanıyor. Devam eden operasyonlarındaki herhangi bir kesinti, işletmenin devam eden operasyonel bütünlüğü açısından felakete yol açabilir. Öyle ki birçok şirket, bunlarda köklü değişiklikler yapmaktan korkuyor.

Ancak teknik borç biriktiği için değişim kaçınılmazdır. İş çevikliğine ulaşmak ve rekabet zorluklarına ve müşteri taleplerine ayak uydurmak için şirketlerin bu uygulamaları mutlaka modernleştirmesi gerekiyor. Liderler, değişimi ertelemek yerine hibrit stratejilerinde dijital dönüşümü hızlandırmanın yeni yollarını aramalı.

Modernizasyon gecikmelerinden dolayı COBOL'u suçlamayın

Ana bilgisayar modernizasyonunun önündeki en büyük engel muhtemelen yetenek sıkıntısıdır. Yıllar boyunca kurumsal COBOL kod tabanlarını oluşturup ekleyen ana bilgisayar ve uygulama uzmanlarının çoğu muhtemelen ya başka bir yere geçmiştir ya da yakında emekliye ayrılacaktır.

Daha da korkutucu olanı, Java ve daha yeni dilleri öğrenen yeni bilgisayar bilimi mezunları doğal olarak kendilerini ana bilgisayar uygulama geliştirme yaparken hayal etmeyeceklerinden yeni nesil yeteneklerin işe alınması zor olacak. Onlara göre iş, mobil uygulama tasarımı kadar seksi ya da bulut tabanlı geliştirme kadar çevik görünmeyebilir. Birçok yönden bu oldukça adaletsiz bir yatkınlıktır.

COBOL, nesne yönelimi henüz ortaya çıkmadan çok önce yaratılmıştı; hizmet yönelimi veya bulut bilişim şöyle dursun. Yalın bir komut seti ile yeni geliştiricilerin öğrenmesi veya anlaması karmaşık bir dil olmamalıdır. Ve ana bilgisayar uygulamalarının DevOps tarzı otomatikleştirilmiş bir işlem hattı içindeki çevik geliştirmeden ve daha küçük, artımlı sürümlerden faydalanmaması için hiçbir neden yok.

Anlamak Yıllar boyunca farklı ekiplerin COBOL ile neler yaptığı Değişimi yönetmeyi bu kadar zorlaştıran şey budur. Geliştiriciler, bileşenler veya gevşek bağlı hizmetler yerine bir bütün olarak kontrol edilmesi ve güncellenmesi gereken bir prosedür sistemine sonsuz eklemeler ve mantıksal döngüler yaptı.

Kod ve programların ana bilgisayarda bu şekilde bir araya getirilmesiyle, karşılıklı bağımlılıklar ve potansiyel başarısızlık noktaları, yetenekli geliştiricilerin bile çözemeyeceği kadar karmaşık ve sayısızdır. Bu, COBOL uygulama geliştirmeyi olması gerekenden daha korkutucu hale getirerek birçok kuruluşun ana bilgisayar dışında alternatifler aramasına neden oluyor.

Üretken yapay zekanın sınırlamalarının üstesinden gelmek

ChatGPT ve tüketici sınıfı görsel yapay zeka görüntü oluşturucuları gibi büyük dil modellerinin (LLM'ler) yaygın olarak bulunması nedeniyle, son zamanlarda üretken yapay zeka (veya GenAI) etrafında çok sayıda abartılı reklam gördük.

Bu alanda pek çok harika olasılık ortaya çıkarken, kritik iş akışlarına uygulandığında Yüksek Lisans'ın can sıkıcı bir "halüsinasyon faktörü" var. Yapay zekalar internette bulunan içerikle eğitildiklerinde genellikle ikna edici ve inandırıcı diyaloglar sunabilirler ancak tam olarak doğru yanıtlar veremezler. Örneğin, ChatGPT kısa süre önce hayali içtihat hukukundan alıntı yaptı Bu, onu kullanan tembel avukata yaptırım uygulanmasıyla sonuçlanabilecek federal mahkemede emsal teşkil edecek bir olay.

Bir iş uygulamasını kodlamak için sohbet robotu yapay zekasına güvenme konusunda da benzer sorunlar vardır. Genelleştirilmiş bir Yüksek Lisans, bir uygulamanın nasıl geliştirileceğine veya standart bir kayıt formunun kolayca nasıl oluşturulacağına veya asteroitler tarzı bir oyunun nasıl kodlanacağına dair makul genel öneriler sunabilirken, bir iş uygulamasının işlevsel bütünlüğü, büyük ölçüde yapay zeka modelinin hangi makine öğrenimi verilerinin eğitildiğine bağlıdır. ile.

Neyse ki üretim odaklı yapay zeka araştırmaları ChatGPT gelmeden yıllar önce devam ediyordu. IBM®, watsonx™ markası altında derin öğrenme ve çıkarım modelleri oluşturuyor ve bir ana bilgisayar yaratıcısı ve yenilikçisi olarak, COBOL'dan Java'ya dönüşüm konusunda eğitilmiş ve ayarlanmış gözlemsel GenAI modelleri oluşturdular.

Onların son Z için IBM watsonx™ Code Assistant çözüm, ana bilgisayar uygulama modernizasyonunu hızlandırmak için hem kurallara dayalı süreçleri hem de üretken yapay zekayı kullanır. Artık geliştirme ekipleri, geliştiricilere uygulama keşfi, otomatik yeniden düzenleme ve COBOL'dan Java'ya dönüşüm konularında yardımcı olmak için GenAI ve otomasyonun son derece pratik ve kurumsal odaklı kullanımına güvenebilirler.

Üç adımda ana bilgisayar uygulamasının modernizasyonu

Ana bilgisayar uygulamalarını diğer nesne yönelimli veya dağıtılmış uygulamalar gibi çevik ve değişime açık hale getirmek için kuruluşlar, bunları sürekli dağıtım hattının en üst düzey özellikleri haline getirmelidir. IBM watsonx Code Assistant for Z, geliştiricilerin COBOL kodunu uygulama modernizasyon yaşam döngüsüne üç adımla dahil etmesine yardımcı olur:

1. Keşif. Modernizasyondan önce geliştiricilerin nerede dikkat edilmesi gerektiğini bulmaları gerekir. İlk olarak çözüm, ana bilgisayardaki tüm programların bir envanterini alır ve her biri için tüm veri giriş ve çıkışlarıyla birlikte mimari akış diyagramlarını haritalandırır. Görsel akış modeli, geliştiricilerin ve mimarların kod tabanındaki bağımlılıkları ve belirgin çıkmazları tespit etmesini kolaylaştırır.
2. Yeniden düzenleme. Bu aşama tamamen monolitleri daha tüketilebilir bir forma parçalamakla ilgilidir. IBM watsonx Code Assistant for Z, sistemin amaçlanan iş mantığını anlamak için uzun süredir devam eden program kodu tabanlarına bakar. Çözüm, ayrık süreçler gibi komutları ve verileri ayırarak COBOL kodunu modüler iş hizmeti bileşenlerine yeniden düzenler.
3. Dönüşüm. Kurumsal COBOL'dan Java'ya dönüşüme göre ayarlanmış bir LLM'nin büyüsünün fark yaratabileceği yer burasıdır. GenAI modeli, COBOL program bileşenlerini Java sınıflarına çevirerek gerçek nesne yönelimine ve endişelerin ayrılmasına olanak tanır, böylece birden fazla ekip paralel, çevik bir şekilde çalışabilir. Geliştiriciler daha sonra, diğer geliştirme araçlarında göreceğiniz bir yardımcı pilot özelliği gibi, yapay zekanın ileriye yönelik öneriler sunmasıyla, bir IDE'de Java'daki kodu iyileştirmeye odaklanabilirler.

Intellyx'in kullanımı

Satıcıların yapay zeka hakkındaki iddialarının çoğuna genellikle şüpheyle yaklaşırız, çünkü bunlar genellikle başka bir isimle anılan otomasyondur.

İngilizce dilinin tüm nüanslarını öğrenmek ve kelimelerin ve paragrafların gerçeklere dayalı olarak spekülasyon yapmakla karşılaştırıldığında, COBOL ve Java gibi dillerin sözdizimi ve yapılarına hakim olmak GenAI'nin tam aradığı gibi görünüyor.

IBM watsonx Code Assistant for Z gibi kuruluşlar için tasarlanan üretken yapay zeka modelleri, dünyanın en kısıtlı kaynaklara sahip kuruluşları için modernizasyon çabalarını ve maliyetlerini azaltabilir. Binlerce satır kod içeren bilinen platformlardaki uygulamalar, IBM watsonx Code Assistant for Z gibi üretken yapay zeka modelleri için ideal eğitim alanlarıdır.

Kaynakların kısıtlı olduğu ortamlarda bile GenAI, ekiplerin modernizasyon engellerini aşmasına yardımcı olabilir ve daha yeni ana bilgisayar geliştiricilerinin bile en kritik temel iş uygulamalarının üzerinde çeviklik ve dayanıklılıkta önemli iyileştirmeler yapma yeteneklerini artırabilir.

Daha fazlasını öğrenmek için bu Intellyx analist düşünce liderliği serisindeki diğer gönderilere bakın:

Üretken yapay zeka ile ana bilgisayar uygulama modernizasyonunu hızlandırın

©2024 Intellyx B.V. Intellyx bu belgenin editoryal sorumluluğuna sahiptir. Bu içeriği yazmak için hiçbir AI bot kullanılmadı. Bu yazının yazıldığı sırada IBM bir Intellyx müşterisidir.