Das generative KI-Tool von IBM zielt darauf ab, alten COBOL-Code für seine Mainframes umzugestalten

Auf Produktionssystemen weltweit laufen Hunderte Milliarden Zeilen COBOL-Code . Das ist nicht ideal für eine Sprache, die älter als 60 Jahre ist und deren Hauptarchitekten größtenteils im Ruhestand oder tot sind.

IBM ist bestrebt, diese Legacy-Funktionen auf seinen Z-Mainframe-Systemen beizubehalten und möchte, dass dieser Code in Java neu geschrieben wird. Vor ein paar Jahren hat es versucht , Menschen dazu zu bringen, es zu tun , aber jetzt hat es eine andere Idee. Ja, Sie haben es erraten: Es geht darum, KI bei der Arbeit einzusetzen.

Der IBM watsonx Code Assistant , der voraussichtlich im vierten Quartal dieses Jahres verfügbar sein wird, zielt darauf ab, den Menschen im Spiel zu halten, allerdings mit einem Vorstoß durch generative KI bei der Analyse, Umgestaltung und dem Testen des neuen objektorientierten Codes. Es handelt sich auch nicht um einen Alles-oder-Nichts-Prozess, da IBM behauptet, dass von Watsonx generierter Code mit COBOL und bestimmten Z-Mainframe-Funktionen interoperabel sein sollte.

In einem technischen Blogbeitrag speziell zur COBOL-Konvertierung meldet sich Kyle Charlet, CTO für zSystems-Software bei IBM, zu Wort und sagt, was viele Leute über COBOL gesagt haben: Es ist nicht nur der Code; Es ist die Geschäftslogik, die Randfälle und das institutionelle Gedächtnis oder das Fehlen davon.

Einige Kunden haben Jahre und Millionen damit verbracht, ihren COBOL-Code zu modernisieren, und trotz alledem wurde nur ein Bruchteil modernisiert. Es erfordert viele Entwickler und mühsame manuelle Arbeit, COBOL neu zu schreiben. Die Leute haben viele verschiedene Möglichkeiten ausprobiert, diese Anwendungen zu modernisieren, und meiner Erfahrung nach waren die Ergebnisse unterschiedlich. Keiner ist vorbildlich.

Watsonx von IBM, schreibt Charlet, könnte großen Organisationen dabei helfen, einzelne Dienste von monolithischen COBOL-Apps zu entkoppeln. Nach Ansicht von IBM erfolgt dies in drei Schritten:

• Refactor, bei dem einzelne Dienste „chirurgisch“ getrennt oder aus größerem Code extrahiert werden
• Transformieren Sie entweder in Mainframe-freundlichen Java-Code oder in COBOL, das direkt mit Java kommunizieren kann
• Validieren, wobei KI bei der Erstellung von Testfällen hilft, Programmierer aber immer noch „am Steuer sitzen“

In gewisser Weise scheint die KI-Unterstützung nur bei der generationsübergreifenden Herausforderung helfen zu können, COBOL weiterzuentwickeln und gleichzeitig funktionsfähig zu halten. Während COBOL-Codebasen relativ stabil und sicher sein können – nachdem sich in einer umfassenden Umfrage herausgestellt hatte, dass sie zu den am wenigsten problematischen Codebasen gehören – sind die Kosten für deren Aktualisierung und Erweiterung gigantisch . Legacy-COBOL war einer der Gründe dafür, dass das Office of Personnel Management im Jahr 2015 einen tiefgreifenden Einbruch erlebte , da der veraltete Code nicht verschlüsselt oder für die Zusammenarbeit mit anderen sicheren Systemen geeignet war.

Es gibt jedoch ein immer wiederkehrendes Argument, dass COBOL gut darin ist, geschäftsspezifische Systeme und Austausche auf eine Weise zu verwalten, die ( manche würden meinen ) weniger Angriffsvektoren bietet. Oder Sie könnten argumentieren , dass KI-generierter und umstrukturierter Code zwar ordentlich aussieht und testbereit zu sein scheint, aber ohne die Leute um ihn herum, die genau wissen, warum der Code die Dinge tut, die er tut, könnte KI-hochskalierter Code genauso viel Rauschen aufweisen wie KI- hochskaliertes Video.

Als nächstes wird IBMs watsonx Code Assistant für Z für Red Hat Ansible Light Speed ​​eingesetzt. Angesichts der Tatsache, dass watsonx.ai angeblich in mehr als 100 Programmiersprachen geschult wurde, dürften bald weitere KI-Co-Piloten für alten Mainframe-Code folgen.