Volg ZDNET: Voeg ons toe als voorkeursbron op Google.
De belangrijkste conclusies van ZDNET
- Het beheren van technische schulden kan tot 40% van de IT-ontwikkeltijd in beslag nemen.
- Eén manier om de oude uitdaging te overwinnen is het gebruik van gespecialiseerde AI-agents.
- Focus op het testen van tools, het verfijnen van projecten en het stimuleren van veranderingen op de lange termijn.
Bedrijven worden tegengehouden door hun verouderde systemen. Uit onderzoek van IDC blijkt dat onbeheerde technische schulden tussen de 20% en 40% van de IT-ontwikkelingstijd in beslag kunnen nemen, waardoor middelen worden weggetrokken van innovatie en modernisering.
IDC suggereert dat veel bedrijven graag op AI gebaseerde diensten willen inzetten, maar dat hun ambities worden beperkt door technische schulden, waaronder verouderde systemen, fragiele integraties en beperkte data-interoperabiliteit.
Ook: 5 manieren om uw bedrijf te laten groeien met AI – zonder uw mensen buitenspel te zetten
Het goede nieuws is dat baanbrekende managers deze uitdaging met beide handen aangaan. Hoewel de oude IT-last organisaties ervan kan weerhouden nieuwe data- en AI-diensten in te zetten, kiezen sommige bedrijven voor een radicale aanpak: ze gebruiken AI om hun systemen te moderniseren en nieuwe kansen te creëren voor interne ontwikkelingsteams.
Dat is zeker het geval met Jeff Love, CTO bij de Professional Rodeo Cowboys Association (PRCA), een bestuursorgaan voor de sport dat rodeo-evenementen in de Verenigde Staten, Canada en Mexico sanctioneert.
Love wilde graag onderzoeken hoe AI zijn organisatie, die al bijna 100 jaar bestaat, kan helpen de hardnekkige IT-uitdaging te overwinnen. Hier suggereert hij vijf lessen voor andere bedrijfsleiders die een soortgelijke aanpak willen volgen.
1. AI-modellen testen
Love legde aan ZDNET uit hoe een groot deel van PRCA’s backend-systemen draaiden op AS/400-code die 40 jaar oud is.
Deze afhankelijkheid van oudere systemen betekende dat het ontwikkelingsteam meer tijd besteedde aan het onderhouden van oude code dan aan het bouwen van nieuwe mogelijkheden, waardoor de organisatie de digitalisering en nieuwe manieren van werken niet kon omarmen.
“Dat is hier mijn doel geweest: onze applicaties moderniseren, alleen maar omdat ze moeilijk te onderhouden worden, en er is veel kennis die we verliezen over hoe we deze systemen moeten onderhouden naarmate ze ouder worden”, zei hij.
Ook: 5 manieren waarop regels en voorschriften uw AI-innovatie kunnen begeleiden
Love erkende dat AI een manier zou kunnen bieden om PRCA te helpen zijn historische uitdaging te overwinnen. De eerste tests met gen-AI-modellen een jaar geleden leverden echter gemengde resultaten op.
“Ik heb ChatGPT geprobeerd, maar het probleem was alleen de hoeveelheid code. ChatGPT kon de hoeveelheid gegevens die we eraan probeerden te geven niet aan. Er zijn waarschijnlijk bijna 1.000 bestanden die het probeerde samen te vatten”, zei hij.
“Toen ik Grok had gelezen, dacht ik dat het een deel van de code misschien wat beter zou verwerken. Maar ik probeerde het, maar het lukte gewoon niet. Ik probeerde een paar andere tools die beweerden dat ze je codebasis konden documenteren. Ze keken echter niet holistisch naar alle bestanden. Ze keken naar elk bestand en documenteerden die gegevens.”
2. Gebruik een specialistische oplossing
Na zijn eerste verkenningen met generatie-AI-modellen, begon Love afgelopen juli te werken met Zencoder, een agentisch platform dat bedrijfslogica analyseert en vertaalt naar duidelijke Engelse verklaringen.
Love: “Dat is hier mijn doel geweest: onze applicaties moderniseren.”
PRCA
Voor een organisatie die graag haar technische schulden wil terugdringen, zei Love dat het platform klonk als een droom die werkelijkheid werd.
Ook: 5 manieren waarop de AI-strategie van Lenovo ook voor jou echte resultaten kan opleveren
Hoewel traditionele benaderingen en generatie-AI-modellen er niet in slaagden tientallen jaren van bedrijfslogica door te dringen, geloofde hij dat Zencoder PRCA kon helpen de uitdaging op het gebied van oude code te overwinnen.
‘Ik heb Zencoder uitgeprobeerd,’ zei hij. “Ik gaf het onze AS/400-code en zei: ‘Documenteer dit en geef me de bedrijfsregels, geef me welke databasebestanden worden gebruikt en leg uit hoe we kunnen moderniseren en waar we rekening mee moeten houden.'”
Love zei dat de eerste resultaten veelbelovend waren, maar niet foutloos: “Het was in eerste instantie niet perfect, alleen maar vanwege de enorme hoeveelheid informatie die het moest verwerken.”
Zijn team verfijnde echter het werk van de agenten, en bedrijfsanalisten bij PRCA erkenden dat ze over een instrument beschikten dat de organisatie zou kunnen helpen af te stappen van de AS/400-systemen: “Daar zijn we begonnen met het opstellen van meer gedetailleerde eisen.”
3. Breng de theorie in de praktijk
Love en zijn collega’s gaven de agenten instructies, richtlijnen, diagrammen en workflows. Deze belangrijke vereisten hielpen bij het produceren van een wiki voor de bedrijfsanalisten van PRCA.
De organisatie creëerde vervolgens wireframes die gebaseerd waren op de belangrijkste vereisten en bedrijfsregels.
“Op basis van die wireframes heb ik de werkitems kunnen nemen en in een agent kunnen plaatsen die ik heb gemaakt om ons te helpen met coderen. Vervolgens wordt de workflow in de UI-structuur geplaatst die we gebruiken bij de modernisering, en dan gebruiken we dat als uitgangspunt voor het coderen”, zei hij.
Ook: 5 manieren om te voorkomen dat uw AI-strategie failliet gaat
Love zei dat de Zencoder-technologie het personeel hielp de onderling verbonden aard van code en systemen te begrijpen.
Toen het platform vervolgens nieuwe code genereerde en oudere systemen moderniseerde, creëerde het unit-tests die bugs vóór de productie voorkwamen.
“We waren in staat onze eisen in te voeren, testacceptatiecriteria in te voeren om er zeker van te zijn dat we de bedrijfsregels vastlegden, zodat we, toen we het systeem moderniseerden, nog steeds rekening hielden met de daadwerkelijke regels”, zei hij.
4. Verschuiving van het traditionele denken
Tegenwoordig omarmt het technologieteam van PRCA de modernisering. Met behulp van AI wordt de tijd die voorheen aan legacy-problemen werd besteed, besteed aan digitalisering.
Love schatte dat Zencoder een reductie van 50% in de ontwikkelingstijden ondersteunt, die het IT-team gebruikt om digitale diensten te bouwen, nieuwe tools voor evenementenbeheer te creëren en betere ervaringen te leveren.
“We hebben niet veel middelen”, zegt hij. “Ons kleine interne team heeft een half dozijn grote systemen die wij moeten beheren, wat soms overweldigend wordt vanwege al het ondersteunende werk dat nodig is om te blijven functioneren.”
Love zei dat de complexe bedrijfslogica van rodeo betekent dat het lang kan duren voordat nieuwe medewerkers de regels van de sport leren.
Bovendien: het AI-succes van dit bedrijf is gebaseerd op vijf essentiële stappen – kijk hoe ze voor u werken
Zencoder haalt het harde werk uit het proces, waardoor medewerkers snel aan de slag kunnen en zich kunnen concentreren op veranderingen die de meeste waarde voor de organisatie opleveren.
“We kunnen een ontwikkelaar erbij halen, en die kan vanaf de eerste dag aan de slag. Ze begrijpen de logica beter, dus ze zijn niet zo bang om veranderingen aan te brengen, omdat ze kunnen zien wat de werkelijke bedrijfsregels zijn”, zei hij.
“Nu besteden we meer tijd aan zaken als het testen van units, al die zaken die cruciaal zijn voor het bouwen van een solide applicatie, maar die helaas op een laag pitje kunnen blijven staan omdat je zo gefocust bent op functionaliteit en het op de markt brengen van een product.”
5. Vind nieuwe uitdagingen
Love zei dat zijn team ernaar streeft de AS/400-systeemmigratie van de organisatie tegen eind 2026 te voltooien.
Zodra dat werk voltooid is, zal het team het volgende legacy-platform aanpakken, PRCA’s ASP.NET Web Forms-technologie.
“Het eerste doel is dat we onszelf op de hoogte brengen”, zei hij. “We werken 40 jaar in het verleden. Zodra we van de AS/400 afstappen, zijn we 20 jaar in het verleden. Het volgende grote project zal de migratie van ASP.NET naar een modernere applicatie zijn.”
Love zei dat het doel op de lange termijn is dat de door agenten ondersteunde processen van het team de organisatie zullen helpen digitaal te blijven evolueren.
‘Ik ben twee jaar bezig met mijn vijfjarenplan, dat ons naar de moderne tijd moet brengen’, zei hij. “Maar aan het einde van die periode zullen er andere projecten zijn die we in het begin zijn gestart, en het zal tijd zijn om erin te gaan, ze te vernieuwen en nieuwe bedrijfsregels aan te pakken.”
