مدرن‌سازی زیرساخت‌های فناوری اطلاعات (IT Modernization) و انتقال اپلیکیشن‌ها از سیستم‌های قدیمی مانند Mainframe به محیط‌های جدیدتر (On-premises یا Cloud)، سال‌هاست که در اولویت‌های مدیران ارشد فناوری (CIO) قرار دارد. با وجود تلاش‌های گسترده برای استفاده از Microservices، مجازی‌سازی و سرورهای مبتنی بر x86، به نظر می‌رسد تحقق کامل این مدرن‌سازی همواره در افق آینده قرار دارد و هرگز به طور کامل محقق نمی‌شود.
جایگاه هوش مصنوعی در چرخه مدرن‌سازی
در حال حاضر، نوبت به هوش مصنوعی رسیده است تا به عنوان ابزاری برای به‌روزرسانی سیستم‌های قدیمی معرفی شود. با این حال، یافته‌های اخیر نشان می‌دهد که پیاده‌سازی‌های AI تا حد زیادی از تلاش‌های مدرن‌سازی فاصله گرفته‌اند. طبق نظرسنجی از ۲۰۰۰ تصمیم‌گیرنده ارشد IT، تنها ۱۰ درصد از مدیران از هوش مصنوعی عامل‌محور (Agentic AI) به عنوان ابزاری برای مدرن‌سازی استفاده می‌کنند.
چالش‌های اقتصادی و عملیاتی
گزارش‌ها حاکی از آن است که بسیاری از پروژه‌های مدرن‌سازی، صرفاً به پروژه‌هایی هزینه‌بر و زمان‌بر تبدیل شده‌اند که ارزش افزوده‌ی اندکی ایجاد می‌کنند. حدود ۱۸ درصد از سازمان‌ها معتقدند ارزش حاصل از این تلاش‌ها محدود یا نامشخص بوده و تقریباً نیمی از پاسخ‌دهندگان از تأخیر در زمان‌بندی و افزایش هزینه‌ها شکایت دارند.
پتانسیل‌های Agentic AI برای رفع نقاط کور فنی
برخلاف رویکردهای سنتی که بر جایگزینی کامل سیستم‌های قدیمی متمرکز بودند، Agentic AI می‌تواند بر گسترش قابلیت‌های تجاری متمرکز شود. این فناوری می‌تواند در زمینه‌های زیر تحول ایجاد کند:
- نقشه‌برداری از وابستگی‌ها: شناسایی وابستگی‌های پنهان بین سیستم‌های قدیمی و جدید که یک نقطه کور فنی (Technical Blind Spot) بزرگ برای سازمان‌هاست.
- تولید کد و مستندات: خودکارسازی فرآیندهای زمان‌بر و مستعد خطای تولید کد و مستندسازی سیستم‌های قدیمی.
- لایه ارکستراسیون (Orchestration Layer): استفاده از چارچوب‌های عامل‌محور برای مدیریت تعاملات بین سیستم‌های ناهمگون.
بدهی فنی و تله‌ی نرم‌افزاری
اندی ثورای، استراتژیست سابق IBM، معتقد است که مدرن‌سازی در بسیاری از سازمان‌ها به یک «بیماری مزمن» تبدیل شده است. او اشاره می‌کند که سازمان‌ها به خرید نرم‌افزارهای جدید اعتیاد دارند، اما سیستم‌های قدیمی زیربنایی هرگز بازنشسته (Decommission) نمی‌شوند. در این حالت، AI ممکن است تنها یک «عامل پرت‌توجه» جدید باشد که باعث شود سازمان‌ها از رویارویی با بدهی فنی (Technical Debt) خود فرار کنند.
ریسک‌های هزینه و آینده زیرساخت‌ها
یکی از نگرانی‌های اصلی، هزینه‌های پیش‌بینی‌ناپذیر پردازشی است. وقتی AI باعث گسترش زیرساخت‌ها (Infrastructure Sprawl) می‌شود، صورت‌حساب‌های ماهانه به یک «جعبه سیاه» تبدیل می‌شوند که مدیریت مالی آن‌ها دشوار است. در نهایت، باید به خاطر داشت که معماری‌های مبتنی بر AI که امروز پیاده‌سازی می‌شوند، روزی خود به سیستم‌های قدیمی (Legacy) تبدیل خواهند شد و نسل‌های بعدی باید برای مدرن‌سازی آن‌ها تلاش کنند.
