IBMs generative AI-værktøj har til formål at refaktorisere gammel COBOL-kode til dets mainframes

Der er hundredvis af milliarder af linjer med COBOL-kode , der kører på produktionssystemer verden over. Det er ikke ideelt for et sprog, der er mere end 60 år gammelt, og hvis primære arkitekter for det meste er pensionerede eller døde.

IBM, der er ivrig efter at beholde disse ældre funktioner på sine Z-mainframe-systemer , ønsker, at koden skal omskrives i Java. Den forsøgte at få mennesker til at gøre det for nogle år siden, men nu har den en anden idé. Ja, du gættede det: Det sætter AI på jobbet.

IBM watsonx Code Assistant , der er planlagt til at være tilgængelig i Q4 i år, har i høj grad til hensigt at holde mennesker i blandingen, men med et skub fra generativ AI til at analysere, refaktorisere og teste den nye objektorienterede kode. Det er heller ikke en alt-eller-intet-proces, da IBM hævder, at watsonx-genereret kode skal være interoperabel med COBOL og visse Z-mainframe-funktioner.

I et teknisk blogindlæg , der er specifikt for COBOL-konvertering , går IBMs Kyle Charlet, CTO for zSystems-software, frem og siger, hvad mange mennesker har sagt om COBOL: Det er ikke kun koden; det er forretningslogikken, kant-caserne og den institutionelle hukommelse eller manglen på samme.

Nogle kunder… har brugt år og millioner på at forsøge at modernisere deres COBOL-kode, og på trods af alt det er kun en brøkdel blevet moderniseret. Det kræver masser af udviklere og omhyggeligt manuelt arbejde at omskrive COBOL. Folk har prøvet mange forskellige måder at modernisere disse applikationer på, og efter min erfaring med forskellige resultater. Ingen er eksemplariske.

IBMs watsonx, skriver Charlet, kunne hjælpe store organisationer med at afkoble individuelle tjenester fra monolitiske COBOL-apps. Efter IBM’s opfattelse vil det komme i tre trin:

• Refactor, hvor individuelle tjenester er “kirurgisk” adskilt eller udtrukket fra større kode
• Transformer, enten til mainframe-venlig Java-kode eller COBOL, der kan tale direkte til Java
• Valider, med AI, der hjælper med at skabe testcases, men med kodere stadig “i førersædet”

På nogle måder ser AI-assistance ud til, at den kun kan hjælpe med generationsudfordringen med at flytte COBOL fremad og samtidig holde den funktionel. Mens COBOL-kodebaser kan være relativt stabile og sikre – engang fundet at være blandt de mindst problematiske i en bred undersøgelse – er omkostningerne ved at opdatere og udvide dem gigantiske . Legacy COBOL var en af ​​grundene til, at Office of Personal Management led et dybt påtrængende indbrud i 2015 , da den forældede kode ikke kunne krypteres eller fås til at fungere med andre sikre systemer.

Men der er et tilbagevendende argument for, at COBOL er god til at styre forretningsspecifikke systemer og udvekslinger på måder, der ( nogle vil måske hævde ) præsenterer færre angrebsvektorer. Eller du kan argumentere for, at AI-genereret og omstruktureret kode kan se ordentlig ud og virke testklar, men uden de mennesker omkring, der ved præcis, hvorfor koden gør de ting, den gør, kunne AI-opskaleret kode have lige så meget støj som AI- opskaleret video.

IBMs watsonx Code Assistant til Z vil næste gang blive implementeret til Red Hat Ansible Light-hastighed. I betragtning af at watsonx.ai angiveligt blev trænet i mere end 100 kodningssprog, vil flere AI co-piloter til gammel mainframe-kode sandsynligvis snart følge.