IBM:s generativa AI-verktyg syftar till att omstrukturera gammal COBOL-kod för sina stordatorer

Det finns hundratals miljarder rader med COBOL-kod som körs på produktionssystem över hela världen. Det är inte idealiskt för ett språk som är mer än 60 år gammalt och vars främsta arkitekter mestadels är pensionerade eller döda.

IBM, som är ivriga att behålla dessa äldre funktioner på sina Z stordatorsystem , vill att koden ska skrivas om i Java. Den försökte få människor att göra det för några år sedan, men nu har den en annan idé. Ja, du gissade rätt: det sätter AI på jobbet.

IBMs watsonx Code Assistant , som beräknas vara tillgänglig under fjärde kvartalet i år, har för avsikt att hålla människor i mixen, men med en push från generativ AI när det gäller att analysera, omfaktorisera och testa den nya objektorienterade koden. Det är inte heller en allt-eller-inget-process, eftersom IBM hävdar att watsonx-genererad kod ska vara interoperabel med COBOL och vissa Z-stordatorfunktioner.

I ett tekniskt blogginlägg specifikt för COBOL-konvertering , går IBM:s Kyle Charlet, CTO för zSystems-programvaran, fram till plattan och säger vad många människor har sagt om COBOL: Det är inte bara koden; det är affärslogiken, kantfallen och det institutionella minnet, eller avsaknaden därav.

Vissa kunder… har spenderat år och miljoner på att försöka modernisera sin COBOL-kod, och trots allt har bara en bråkdel moderniserats. Det krävs många utvecklare och mödosamt manuellt arbete för att skriva om COBOL. Människor har provat många olika sätt att modernisera dessa applikationer, och enligt min erfarenhet, med varierande resultat. Ingen är exemplarisk.

IBM:s watsonx, skriver Charlet, skulle kunna hjälpa stora organisationer att frikoppla enskilda tjänster från monolitiska COBOL-appar. Enligt IBM kommer det att ske i tre steg:

• Refactor, där enskilda tjänster är ”kirurgiskt” separerade eller extraheras från större kod
• Förvandla, antingen till stordatorvänlig Java-kod eller COBOL som kan tala direkt till Java
• Validera, med AI som hjälper till att skapa testfall men med kodare fortfarande ”i förarsätet”

På vissa sätt verkar AI-hjälp som om det bara kan hjälpa till med generationsutmaningen att flytta COBOL framåt samtidigt som den håller den funktionell. Medan COBOL-kodbaser kan vara relativt stabila och säkra – en gång visat sig vara bland de minst problematiska i en bred undersökning – är kostnaderna för att uppdatera och utöka dem gigantiska . Legacy COBOL var en av anledningarna till att Office of Personal Management drabbades av ett djupt påträngande inbrott 2015, eftersom den föråldrade koden inte kunde krypteras eller fås att fungera med andra säkra system.

Men det finns ett återkommande argument att COBOL är bra på att hantera affärsspecifika system och utbyten på ett sätt som ( vissa kanske hävdar) presenterar färre attackvektorer. Eller så kanske du hävdar att AI-genererad och omstrukturerad kod kan se korrekt ut och verka testfärdig, men utan människorna runt omkring som vet exakt varför koden gör som den gör, kan AI-uppskalad kod ha lika mycket brus som AI- uppskalad video.

IBMs watsonx Code Assistant för Z kommer härnäst att distribueras för Red Hat Ansible Light-hastighet. Med tanke på att watsonx.ai påstås ha tränats på mer än 100 kodningsspråk, kommer troligen fler AI-assistentpiloter för gammal stordatorkod snart att följa.