[KUNSKAPSSAMARBETE] Att modernisera ett äldre system misslyckas sällan för att AI inte kan generera kod.
Betydligt oftare beror problemen på att organisationer saknar en aktuell och tillförlitlig specifikation över vad deras system faktiskt gör.
Stora företags IT-landskap utvecklas under årtionden. Nya system tillkommer genom förvärv, andra skrivs om, ersätts delvis eller integreras med tredjepartsplattformar. Dokumentationen hamnar efter. Resultatet blir ofta hundratals kodarkiv utan någon samlad och tillförlitlig beskrivning av hur applikationsportföljen faktiskt fungerar.
Från brownfield till AI-redo
För att lösa detta problem har vi utvecklat en strukturerad återställningsprocess som återskapar en komplett bild av ett äldre systemlandskap innan moderniseringsarbetet inleds.
Processen börjar med Inventory & Triage, där varje kodarkiv kartläggs utifrån teknikstack, storlek och syfte. Inaktiva eller duplicerade arkiv filtreras bort för att skilja den aktiva mjukvarumiljön från historiskt brus.
Därefter följer fasen Recovery (AS-IS). Specialiserade agenter återskapar arkitektur, krav, datamodeller, API:er och icke-funktionella krav direkt från de befintliga systemen. En separat granskningsagent verifierar de mest affärskritiska resultaten mot källkoden innan informationen inkluderas i kunskapsbasen.
I nästa steg, Specification & Backlog, omvandlas den insamlade informationen till arkitekturdokumentation, funktionsspecifikationer, icke-funktionella krav, omskrivningsspecifikationer och utvecklingsklara funktionsbeskrivningar.
Slutligen ger Navigate & Decide en interaktiv överblick över det återställda systemet – från portföljnivå ned till enskilda funktioner. Därmed kan utvecklingsteam analysera beroenden, förstå systemgränser och prioritera moderniseringsinsatser baserat på verifierad information snarare än antaganden.
Verifiering är integrerad i varje steg. Alla återställda påståenden kopplas till källfiler och valideras innan de inkluderas i den slutliga specifikationen. Processen avslutas med ett mänskligt beslutssteg innan moderniseringsarbetet påbörjas.
Ett ramverk flera användningsområden
Att återskapa en tillförlitlig specifikation är inte slutmålet. Det blir i stället grunden för allt som följer.
Samma kunskapsbas kan användas för moderniseringsplanering, arkitekturdokumentation, säkerhetsanalyser, migreringsbackloggar och mjukvarutestning.
Nyligen tillämpade vi metoden på en företagsmiljö bestående av 33 system, hundratals kodarkiv och närmare 12 miljoner exekverbara kodrader som byggts upp genom år av tillväxt och företagsförvärv. På cirka tre dagar rekonstruerade vi en aktuell och verifierad specifikation av hela systemlandskapet. Resultatet omfattade samtliga 33 system, närmare 2 000 funktionsspecifikationer, identifierade säkerhetsrisker samt en prioriterad moderniseringsplan som tydliggjorde var utvecklingsinsatser och risker bör fokuseras.
Ett annat användningsområde är testgenerering. Eftersom testerna genereras utifrån rekonstruerade specifikationer i stället för direkt från äldre kod speglar de systemets avsedda beteende snarare än dess historiska implementation.
I ett nyligen genomfört projekt för ett större energibolag med ett äldre system på cirka 100 000 exekverbara kodrader ökade denna metod testtäckningen för enhetstester från 2 till 50 procent på tio timmar. Dessutom genererades systemets första 125 integrationstester på ytterligare åtta timmar. Den rekonstruerade specifikationen kan därefter skalas till den täckningsnivå verksamheten krä från riskbaserad testning till nästan fullständig täckning för certifieringskrävande branscher.
Från ramverk till praktisk tillämpning
Ramverket utvecklades ursprungligen för certifieringsklassad testning, men har sedan dess vuxit till ett återanvändbart system av kompetenser och AI-agenter. I dag utgör det en del av Sigma Softwares AI SDLC-erbjudande inom AI Compass.
Oavsett om målet är att modernisera en applikationsportfölj med flera decenniers historia, förbättra mjukvarukvaliteten eller förbereda utvecklingsorganisationen för AI, är det första steget inte att generera mer kod.
Det handlar om att återskapa en tillförlitlig förståelse för de system som redan finns.
Läs mer om AI Compass och hur Sigma Software kan stödja er AI-transformation på: https://sigmasoftware.ai/
Av Dmytro Zhuk, Managing Partner och medgrundare, Sigma Software Group
Artikeln är ett kunskapsamarbete mellan Sigma Software Group och IT Media Group. Sponsrade inlägg och kunskapsamarbeten är en del av IT Media Groups annonserbjudande. Om du har frågor kring sponsrade inlägg, hör av dig till info@itmediagroup.se
