Введение

В третьей части мы убедились, что современные основы гражданской разработки — RPA и платформы no-code/low-code — скрывают риск долгов, превосходящий даже Kami Excel. Что меняет на этой линии развития появление генеративного ИИ?

Генеративный ИИ способен анализировать имеющиеся программные активы и помогать в их миграции или переработке. Но активы, которые так и не были записаны в виде кода — чёрные ящики no-code и RPA, — остаются практически не поддающимися спасению даже для ИИ.

Иными словами, в будущем негативное наследие сосредоточится на том, что «осталось вне кода».

Вся серия

Сильные стороны генеративного ИИ──«разморозить» активы кода

Перенос легаси-кода традиционно требовал огромных трудозатрат. Миллионы строк на COBOL или VB обычно лишены документации и нуждаются в опытных инженерах для анализа.

Здесь генеративный ИИ пробивает брешь.

  • Автоматизированное чтение кода Он визуализирует зависимость функций и по контексту восстанавливает смысл переменных и структур.

  • Помощь в конвертации языков Создаёт черновики миграции — например, с COBOL на Java или с VB на Python — которые становятся отправной точкой.

  • Полуавтоматическая рефакторизация Разбирает спутанные логики на функции, предлагает тесты и приближает код к состоянию, удобному для будущих команд.

Иными словами, всё, что сохранилось в форме кода, ИИ может «разморозить» полуавтоматически. Благодаря этому генеративный ИИ становится потенциальным game changer при обновлении легаси на основе кода.

Это не значит, что «если есть код, он точно спасён». Если среда исполнения исчезла или нет специалистов с бизнес-знаниями, останутся пробелы, которые ИИ не заполнит. Но по сравнению с активами, где осталась одна чёрная коробка, шанс на восстановление многократно выше.

Что ИИ не спасёт──активы, не ставшие кодом

А что с активами, созданными в no-code или RPA?

Они представлены в виде GUI-операций или блок-схем, а их внутренняя структура заперта в проприетарных форматах поставщиков. Генеративный ИИ лучше всего работает с текстом, но зашифрованные либо закрытые проектные файлы остаются непрозрачными.

Например, «поток» RPA внешне напоминает диаграмму, но на деле чаще всего является зашифрованным проектным архивом. «Приложения» no-code зачастую работают только в облаке поставщика и не предполагают выгрузку исходного кода.

На практике перепроектировать оказывается быстрее, чем пытаться спасать. Возможно, исследования однажды научатся восстанавливать логику по записи экрана или скриншотам, но сегодня принять в наследство чёрный ящик практически нереально.

Разделительная линия негативного наследия──сохранилось ли оно в коде

Отсюда видно, что определяет долговое наследие будущего.

  • То, что осталось кодом, благодаря генеративному ИИ получает шанс на переиспользование, миграцию и улучшение.
  • То, что не обрело форму кода, остаётся невидимым для ИИ, и остаётся лишь перепроектировать.

Иначе говоря, возможность спасения зависит от того, «сохранили ли мы это в виде кода?». Генеративный ИИ сделал эту границу ещё более явной.

Перспектива──ИИ не всемогущий спаситель

Генеративный ИИ силён, но далёк от всемогущества. Он не способен полностью спасти гражданские активы, превратившиеся в чёрные ящики, и не оправдывает прошлые решения.

ИИ демонстрирует цену «свободы не писать код». Организации, поддавшиеся на короткий эффект no-code, обнаружат, что ИИ не протянет спасательный круг, и им придётся самим нести расходы на перепроектирование.

Поэтому в следующей части мы рассмотрим, как избежать производства негативного наследия — через призму проектирования управления.

Следующая часть: Гражданская разработка не всемогуща — это «черновая разработка» 5/7