Molti sistemi enterprise critici sono ancora basati su codice COBOL (Common Business Oriented Language) sviluppato decenni fa. Con il tempo, la loro complessità è cresciuta, rendendo sempre più difficile comprenderli, evolverli e integrarli con tecnologie moderne.
Oggi, l’intelligenza artificiale aiuta a facilitare attività che fino a poco tempo fa richiedevano competenze specialistiche e interventi complessi e poco scalabili, in particolare nella fase di analisi e comprensione del software legacy.
È chiaro, tuttavia, che la modernizzazione di un sistema enterprise non può essere delegata totalmente all'AI. Decidere quali componenti modernizzare, in quale sequenza, con quale architettura target e quali vincoli di continuità operativa rispettare sono scelte progettuali che richiedono giudizio tecnico e conoscenza del contesto aziendale.
L'intelligenza artificiale accelera la comprensione del sistema esistente; le decisioni su dove e come intervenire restano in capo agli architetti software e ai team di sviluppo.
Perché i sistemi COBOL sono così difficili da modernizzare
La difficoltà di modernizzare un sistema COBOL non dipende tanto dalla tecnologia, quanto dalla complessità accumulata. Con l’evoluzione dei sistemi, infatti, le applicazioni sono state estese, integrate e modificate più volte, incorporando logiche di business stratificate e dipendenze difficili da ricostruire.
Le criticità principali si concentrano in alcune aree ricorrenti:
- Disponibilità delle competenze: le figure in grado di comprendere e mantenere codice COBOL sono sempre più rare, e la conoscenza del sistema è spesso distribuita o non più disponibile.
- Assenza di documentazione: la documentazione è incompleta o non aggiornata, e le logiche applicative devono essere ricostruite direttamente a partire dal codice.
- Gestione delle dipendenze: le applicazioni sono integrate con database, sistemi esterni e procedure operative, rendendo difficile prevedere l’impatto delle modifiche.
- Complessità evolutiva: il codice è cresciuto per estensioni successive, spesso senza modularità, rendendo complessi gli interventi incrementali.
- Continuità operativa: trattandosi di sistemi core, ogni intervento deve garantire stabilità e disponibilità, limitando le possibilità di modifica.
Il ruolo dell’AI nella comprensione del software legacy
L’intelligenza artificiale interviene in modo concreto nella fase di analisi del software legacy, rendendo più gestibile un’attività che tradizionalmente richiede tempi lunghi e un effort operativo significativo.
Lavorando direttamente sulla codebase, l’AI consente di affrontare sistemi estesi in modo più sistematico, ricostruendo le logiche applicative e le relazioni tra i diversi componenti.
Nel concreto, permette di:
- analizzare grandi volumi di codice in modo rapido;
- ricostruire le logiche distribuite nei diversi moduli;
- mappare le dipendenze tra componenti e flussi di dati;
- generare documentazione tecnica a partire dal codice esistente.
Il risultato è una rappresentazione più chiara e strutturata del sistema, che rende accessibili informazioni normalmente disperse nel codice o difficili da ricostruire manualmente.
Questo consente di lavorare su basi più solide, riducendo l’incertezza nelle fasi successive e facilitando le decisioni progettuali legate alla modernizzazione.
Quando il funzionamento del sistema è stato chiarito, l’intelligenza artificiale può essere utilizzata in modo efficace anche nella riscrittura del codice COBOL verso linguaggi più moderni come Java, mantenendo le logiche applicative definite nel sistema originale. Il vantaggio non è solo nella velocità, ma nella riduzione delle inconsistenze funzionali tipiche delle riscritture manuali, a condizione che le logiche applicative siano state previamente documentate e validate in modo rigoroso.
C'è però un limite concreto da considerare: l'AI può supportare la riscrittura del codice, ma la scelta architettuale richiede supervisione umana. Definire come deve evolvere il sistema implica valutazioni che vanno oltre il codice. Vincoli economici, infrastruttura esistente e competenze del team sono fattori che solo chi conosce il contesto aziendale può ponderare in modo responsabile.
Cosa non può fare l’AI da sola
La modernizzazione di un sistema COBOL parte da una domanda progettuale: come deve evolvere il sistema e quale configurazione dovrà assumere.
Questo significa definire, ad esempio, se il sistema dovrà diventare una web application completa, un insieme di servizi da esporre ad altri sistemi o uno strato intermedio per la gestione delle integrazioni. Allo stesso modo, devono essere stabilite le modalità di integrazione con il resto del sistema informativo e i vincoli operativi da rispettare.
Sono decisioni che non possono essere delegate all’intelligenza artificiale. L’AI può analizzare il codice e supportare la riscrittura, ma non è in grado di determinare il risultato atteso né di interpretare il contesto applicativo e i requisiti di business che guidano l’evoluzione del sistema
“Quando si interviene su applicazioni COBOL, l’introduzione dell’intelligenza artificiale non rende la modernizzazione automatica – spiega Antonio Spiezia, CTO di Make IT -. Senza una progettazione a monte, anche il suo utilizzo perde efficacia: manca un riferimento chiaro su cui orientare le attività e diventa difficile governarne gli output. Per questo, la modernizzazione del software legacy richiede una regia architetturale capace di definire il disegno del sistema e guidare l’utilizzo dell’AI all’interno di un percorso coerente”.
Il ruolo insostituibile della progettazione umana
Nei progetti di modernizzazione del software legacy, l’intelligenza artificiale non sostituisce la progettazione umana dei sistemi informativi, ma si inserisce come uno strumento che ne amplifica l’efficacia.
Da un lato, l’intelligenza artificiale esegue e automatizza una parte rilevante delle attività operative; dall’altro, gli architetti e gli ingegneri del software definiscono cosa deve essere realizzato, con quali vincoli e secondo quale architettura.
In assenza di questa regia, anche l’utilizzo dell’AI diventa meno efficace, perché manca un riferimento chiaro su cui orientare le attività di analisi e intervento sul sistema.
“Nei progetti che seguiamo, l’integrazione tra competenze ingegneristiche e AI consente di ridurre i tempi di analisi riscrittura del codice tra il 30% e il 60%, mantenendo il controllo sui vincoli di continuità operativa”, aggiunge Spiezia.
Conclusione
L’intelligenza artificiale introduce un’accelerazione concreta nei progetti di modernizzazione dei sistemi COBOL, soprattutto nelle attività di analisi e comprensione del software legacy.
La modernizzazione dei sistemi enterprise resta però un tema progettuale, che richiede scelte architetturali, definizione degli obiettivi e governo dell’evoluzione applicativa. L’utilizzo dell’AI, da solo, non è sufficiente: conta la capacità di inserirla in un percorso strutturato e coerente con il sistema esistente.
È in questa integrazione tra competenze ingegneristiche e tecnologie AI che la modernizzazione del legacy diventa realmente efficace e sostenibile nel tempo.
