\n\nAI加速应用现代化，处理重复任务，但人类领域专家在准确性、风险管理和战略决策中不可或缺。AI应作为伙伴，而非替代品，以实现可预测的持续现代化。
译自：AI accelerates modernization, but don’t leave human devs behind
作者：Matthew Weier O’Phinney
现代化传统上是两种艰难选择：要么持续修补遗留系统直到其在技术债务下崩溃，要么尝试冒险的重写，用已知问题换取未知问题。现在，随着AI工具的普及，团队应用现代化方法正在迅速改变：代码以任何纯人工团队都无法匹敌的速度被扫描、总结和更新。
对于许多深陷技术债务的组织而言，这感觉像是得到了救生圈，他们渴望将AI现代化工具融入工作流程。我们最近看到了证据，在 Anthropic 宣布其 Claude Code AI 工具可用于现代化 COBOL 后，IBM 股价大幅下跌。
但速度不等于成功，尽管 AI 工具可以缩短现代化时间，但你仍然需要领域专业知识来确保准确性。
AI 在现代化工作中的闪光点
应用程序现代化的大部分工作由重复的机械任务构成，遗留系统包含过时的模式、废弃的函数和复制粘贴的代码。这正是AI现代化工具超越大多数替代方案的地方：扫描大型代码库、发现常见问题并提出更新建议。
AI 总结不熟悉的代码，突出高风险依赖项，并草拟初次重构，使现代化更快、更易实现。这些任务的卸载是基于代理的现代化平台（例如 新的 MongoDB AMP）变得如此受欢迎的原因。
AI 也有助于你的团队摆脱困境。作为 Perforce Zend 和 Perforce OpenLogic 的首席产品经理，我见过许多现代化工作在起跑线上停滞不前，都因为代码感觉过于庞大或复杂而难以理解。AI 降低了这一障碍，帮助团队探索其应用程序的当前状态，并规划高效的 Web 应用程序迁移。
我不能过分强调这种势头的重要性。AI 工具为你的团队提供了一种更快地深入代码的方式，迅速回答基本问题，并减少了处理旧系统时产生的恐惧。当然，这前提是 AI 工具与领域专业知识相结合，因为 缺乏监督地使用 AI 可能导致昂贵的后果。
尽管有诸多好处，AI 现代化工具也有一个关键限制：它们无法理解你的整个系统。你的应用程序越大，这一点就越真实。AI 可以更新代码，但它无法完全了解或预测代码在生产环境中的行为。它不知道为什么存在某些变通方法，客户如何依赖边缘情况，或者哪些故障会产生真正的业务风险。
毕竟，遗留系统很少是干净的，AI 依赖模式工作而非实际经验。业务规则常常隐藏在意想不到的地方，一次小的代码更改可能会影响计费、合规性和客户信任。
“遗留系统很少是干净的，AI 依赖模式工作而非实际经验。”
这正是专家主导的监督发挥作用的地方。
领域知识对于驾驭遗留系统的复杂性、隐藏的依赖关系等至关重要。经验丰富的开发人员、工程师和架构师知道系统的哪些部分是脆弱的，哪些更改是安全的，以及哪里需要额外的测试——这种判断力无法自动化。
毕竟，你组织中的 领域和主题专家 了解某些应用程序行为存在的原因以及它们解决了什么问题。正是这些人能够识别应用程序真正关键的部分并完整地捕捉需求。没有这种专业知识，AI 代理和流程将难以成功。
将 AI 视为伙伴，而非替代品
最好的前进方式是将 AI 视为团队成员，并精确设计其运行的上下文。通过上下文工程，你可以为你的 AI 工具设定正确的边界、系统知识和目标，以便它们能发挥最大作用：扫描代码、识别模式、提出更新建议并加速日常工作。然后，开发人员处理 AI 无法完成的工作：设定方向、管理风险，并确保所有更改都符合你的业务需求。
“最好的前进方式是将 AI 视为团队成员，并精确设计其运行的上下文。”
将 AI 视为合作伙伴会改变你现代化项目的范围。你的团队可以采取更安全、更小的步骤，而不是冒险的“大爆炸式”重写。AI 提出更改，专家决定接受、调整、延迟或拒绝哪些更改。
以 Perforce Zend 的 专业服务 团队为例，我们使用 AI 工具帮助团队现代化关键的 PHP 应用程序。在一个案例中，我们协助客户将 CodeIgniter 现代化迁移到 Symfony。我们应用 AI 工具进行事实核查、自动化头脑风暴，并显著减少了时间要求。然而，这种速度是在不影响稳定性的前提下实现的。我们的 PHP 工程师审查了所有输出和结果，确保我们的客户能够更快、更自信地达到目标——这都归功于专家主导的 AI 现代化策略。
另一个例子来自 MongoDB，它最近发现 使用 LLMs 和 AI 工具可以帮助全面现代化遗留应用程序 并辅助迁移。通过应用 AI，使用或迁移到 MongoDB 的组织现在可以自动化大量通常会延迟云和平台过渡的手动工作。这极大地减少了迁移时间和成本，瑞士银行 Lombard Odier 能够将代码迁移 速度提高 50 到 60 倍。
结论很明确：当 AI 与人类知识相结合时，现代化变得可预测。团队可以在系统、版本和项目之间重复这一过程，将现代化从一次性事件转变为持续实践。
如何开始专家主导的 AI 现代化
如果你正在寻找有效实施专家主导的 AI 策略的方法，请使用此清单作为前进的实用步骤：
- 首先定义目标状态 — 在应用 AI 之前，设定明确的目标、限制和“不容失败”的领域。
- 将 AI 用于提速，而非决策 — 让 AI 加速分析和草稿，而专家拥有最终决定权。
- 将决策锚定在领域专业知识上 — 将业务、法规和运营背景应用于每一次更改。
- 标准化有效的方法 — 将已验证的现代化转变为可重复、低风险的行动指南。
- 生产前验证更改 — 验证功能、性能、安全性和操作影响，由专家为关键部分编写测试，并确保 AI 编写的代码不引入新风险。
- 使现代化持续进行 — 使用 AI 保持系统最新，而不仅仅是解决危机。
- 诚实评估内部开发人员能力 — AI 工具不能取代专业知识，因此与第三方支持合作以填补知识或技能空白。
请记住：AI 工具为现代化带来速度，领域专业知识带来准确性。两者结合是一种强大的组合，可以从根本上改变我们处理遗留系统现代化工作的方式——在不牺牲稳定性或信任的情况下，提供最佳结果。全 端 工智能
