用于 IT 现代化的 AI ： 更快、更便宜、更好

生成型AI代理开始交付突破性价值，但只有当公司-figure out如何构建和协调数百个这样的代理时。 这篇文章由Aaron Bawcom和Matt Fitzpatrick与Chi Wai Cheung、Dan Collins和Dante Gabrielli共同撰写，代表了麦肯锡技术部和QuantumBlack（麦肯锡的人工智能部门）的观点。 在几乎所有大型组织的核心，都存在着一个巨大的“技术债务”锚，拖慢了业务的发展：这些遗留的IT系统中累积的技术债务。这些大型系统往往是在几十年前构建的，成为了公司及其各个部门和技术基础架构的重要组成部分。据估计，超过70%的 Fortune 500 公司使用的软件是在20年前甚至更早时期开发的。1（ 请参阅侧栏 “什么是遗留系统 ， 以及它们如何阻止组织 ？ ”) 。 现代化转型如今还远远不到一半，尤其是在使用生成式人工智能的情况下。这种转变使得许多原本因为成本过高或耗时过多而不现实的现代化努力突然变得可行。并且随着这一能力的发展， 衡量和跟踪技术债务的直接成本并且它可以影响盈亏结果（在许多情况下占总投资支出的40%到50%），公司可以追踪他们创造的价值。 尽管仍处于早期阶段，我们的经验表明，利用生成性人工智能可以大大减少手动工作，从而将技术现代化的时间线加速40%到50%，同时减少40%的技术债务带来的成本，并提高输出的质量。然而，这种价值更多地取决于其使用方式，而非技术本身，特别关注以下几点： 使这些老化系统现代化并支付费用 技术债务traditionally 被认为是“IT问题”，企业领导人一直content将这个问题一拖再拖。原因众所周知：这太过昂贵（往往需要数亿美元），耗时过长（五到七年），影响太大，投资回报不明确，而且当前系统基本上还能正常运行。 —改善业务成果。转换旧代码为现代技术语言 merely 将技术债务从遗留系统转移到现代系统。要避免这种“代码和迁移”的问题，需要使用生成式AI来帮助做出更好的商业决策并现代化真正重要的部分。 但是，随着技术渗透到业务的每一个角落并成为公司创造价值能力的核心，现代信息技术系统的升级必须成为首席执行官的优先事项。从技术进步中产生的机会和风险，都需要IT系统的现代化来应对和抓住。生成 AI (gen AI)to云to 机器人技术—需要现代技术基础。实际上，技术使大约71%的商业转型价值得以实现。2这些老化的企业系统的设计和维护程序员即将退休这一事实，进一步凸显了现代化的紧迫性。 —启用自主 Gene AI 代理。建立并训练一支能够独立且协作工作的通用人工智能代理军队，在人类监督下处理一系列端到端流程，已被证明能在IT现代化努力中带来显著改进（参见附录“LegacyX”）。 新的人工智能发展，特别是生成式人工智能（gen AI）的发展，正在从根本上重新校准现代化工 legacy 技术和减少技术债务的成本与收益，并作为一系列更大变化的一部分。IT 如何运作.考虑一家领先的金融机构的交易处理系统，三年前其成本远超过1亿美元。 —专注于缩放值。多智能体模型的价值在于将其工业化，使其能够扩展并应用于业务的多个领域，并持续偿还技术债务。 什么是遗留系统 ， 它们如何阻碍组织 ？ 遗留IT系统渗透每个行业，通常作为关键操作的支撑基础。例如，在金融服务领域，核心银行平台和投资管理解决方案每天在全球范围内处理数万亿美元的交易。美国保险行政系统每年管理的保费总额达到1.9万亿美元。1福利管理平台助力每年向数百万美国公民分配超过830亿美元的社会服务和福利资金。2 —与现代渠道的兼容性有限。传统技术通常不适用于现代渠道，这些渠道需要实时数据和高级连接性。 —资本使用效率低下 ：运行遗留系统的成本阻碍了对更多价值建设开发的投资。 —对顶尖人才没有吸引力 ：顶尖程序员和软件工程师更不可能加入使用他们不理解且在市场上不受重视的过时系统和语言的企业。 —对法规的反应迟钝:不断变化的监管要求变得更加难以遵守， 也更加昂贵。 —弹性风险:缺乏对系统工作原理的理解，加之有限的自动化能力以及常常依赖手动测试过程，引入了难以预测和修复的稳定性问题。 这些系统中的技术债务会产生重大的业务问题 ： —运行成本高 ：运行遗留系统的成本往往显著高于现代系统。例如，对于一家大型欧洲银行而言，其70%的IT容量用于维护遗留系统。 —缓慢的创新 ：使用过时且难以理解的语言构建的系统严重妨碍了组织适应和创新的能力。 一代 AI 代理如何改善代码和业务成果 切换到更易使用的编程语言，过渡到提供更多功能的现代框架，重新结构系统以创建模块性，甚至修复和迁移应用程序以在更便宜的云环境中运行。利用通用人工智能（Gen AI）的能力来实施这些变化。提高云程序的 ROI, and 核心上，技术现代化涉及将现有应用程序转换为利用现代技术、框架和架构。这一过程可能包括 LegacyX LegacyX 是麦肯锡的能力 ， 为了处理端到端的工作流程，重点在于理解遗留系统的意图，以开发更好的流程并借助可重复的过程加速现代化。分层多代理工厂框架 自动化复杂的软件开发流程 ， 同时实现流程和应用程序的现代化。 由QuantumBlack赋能，简化遗留IT系统的现代化改造并借助生成式AI交付业务价值。它采用了多种专门的代理。 当适当应用时，生成式AI能够将通常难以理解的遗留元素（如文档、代码、可观测数据、调用日志、编程方法等）转化为简单的英语流程描述，仅需几分钟。一家金融服务公司在采访了多位专家以补充有限的文档后，将访谈记录输入生成式AI模型，为其提供了更好的指导。这种清晰性不仅帮助工程师理解系统正在执行什么操作，还使业务专家能够确定真正所需的内容。通过这种方式，业务和工程专家可以共同决定他们想要什么、哪些部分需要更新以及哪些部分可以废弃。 偿还技术债务需要关注上述三个领域。 改善业务成果 公司倾向于以简单粗暴的方式使用生成式AI，例如，直接将遗留代码输入生成式AI工具并将其转换为现代语言。然而，这种“代码和加载”的方法实际上将技术债务迁移到了现代环境中。这一陷阱与许多公司在云计算早期阶段陷入的情况相似，在那时的关注点是“迁移和重新部署”，即把现有应用程序迁移到云中而遗留问题仍未得到解决。 legacy-tech现代化努力的目标不应是尽可能转换尽可能多的代码行。而是应该专注于改进系统和流程，以便业务能够创造更多的价值。这意味着利用生成式AI来理解现有的代码，确定什么是产生商业价值所需要的，并随后现代化那些必要的流程以实现这一目标。 启用自主 gen AI 代理 我们以前写过 ， 在软件开发中 ， 使用 gen AI代理来协助开发人员进行编码可以帮助一些开发人员提高他们的生产力。3我们的经验表明，这一加速的下一个阶段将使数百个通用人工智能代理能够在人类监督下独立运行，尤其是随着模型规模的扩大（参见图表）。 Exhibit 然而，真正的价值来自于协调各方以完成不仅仅是任务，而是整个软件开发过程。例如，数据映射和存储代理执行数据分析、合规性分析、质量保证（QA），以及创建相关文档。这些代理与专注于威胁分析、信息安全政策、安全设计和质量保证（QA）的安防设计代理合作，共同开发安全、可靠且有效的代码。 这种自主代理方法的核心在于部署大量专门化的AI代理，每个代理具有独特的角色和专长，并协作完成复杂任务。它们能够执行的任务包括数据分析、协调复杂的集成、设计和运行测试案例，以及根据人类实时反馈调整结果。 为了确保生成式AI代理能够产生正确的结果，实施一系列控制措施非常重要。例如，建设性的反馈循环可以让代理审查和改进彼此的工作。生成式AI代理还可以编程以自我学习解决问题，或者在无法解决时将问题上报给人类经理。一些生成式AI代理甚至可以直接向经理提问。为每个生成式AI代理分配唯一标识符（ID）可以使管理者迅速识别问题来源并进行处理。同样，组织可以开发专门的代理自动测试并修复其他代理输出中存在的伦理和偏见问题。 并且使用生成式AI代理生成代码，以及自动化发现和转换旅程。结果是在代码现代化效率和测试方面提高了超过50%，同时编程任务的速度加快了超过50%。 专注于缩放值 生成人工智能所引发的兴奋情绪促使公司投入大量时间评估和选择工具。这很重要，但与之相比，更关键的是要应对更大的问题和机遇：如何规模化应用生成人工智能。正如一位首席信息官最近所说：“我不希望有一种工具来解决一个单一的问题；我需要一种能够解决数百个问题的能力。” 人们的作用将继续在指导和管理生成式AI代理方面发挥关键作用。专家如产品负责人、工程师和架构师需要理解遗留系统的意图，确定对业务重要的流程，并制定和发展目标及目标状态。 技术领导力应专注于开发一个中心化的、自主的通用人工智能能力，以构建复杂的多代理端到端工作流。这种能力的两个主要组成部分是： 一家长期试图现代化其主机系统的银行公司在采用协调的生成式AI代理方法后真正体验到了其力量。当该银行部署了一大批生成式AI代理时，能够在向Java、Angular UI和PostgreSQL目标状态迁移的过程中，成功迁移并改进了多个主机组件。该公司原本计划现代化2万行代码，并估计需要700到800小时才能完成迁移。而采用协调的生成式AI方法后，这一估计时间减少了40%。例如，在关系映射步骤上，所需时间从30到40小时大幅减少至大约5小时。 —工厂。一个工厂是由一群人员开发和管理多个通用人工智能（gen AI）代理以执行特定端到端流程的团队。工厂的目标是标准化并简化构成gen AI代理开发、部署和管理的各种过程。工厂会开发一套标准化的工具和方法，例如监控、可追溯性、文档管理和大型语言模型访问。组织应在成熟早期阶段考虑开发五到十个代理工厂。 在另一个案例中，一家全球前15大的保险公司采用了这种方法来现代化遗留的应用程序和服务。首先，他们通过逆向工程代码以更好地理解技术规范。 —平台。一个通用人工智能平台是一套标准化的可重用服务和能力，工厂可以访问这些服务和能力。该平台应包括用户界面以及连接通用人工智能的API。 为企业服务（如Jira或ServiceNow）提供一系列支持服务（如数据导入服务或代理编排服务），并构建一个包含可以执行特定任务的通用人工智能代理库。公司应理想地开发一到两个通用人工智能工厂，以确定他们在哪些服务和能力上具有共性需求，然后标准化这些元素并通过平台提供。一支由相关专家组成的专门团队应负责监督该平台的开发与管理，并密切跟踪使用情况，以具体的关键绩效指标（KPIs，如服务或功能使用情况）为依据。 大多数复杂的技术问题——这些问题涉及数亿美元的成本、多年的时间跨度，并且导致了大量的技术债务——并专注于为这些问题开发通用人工智能解决方案。这一努力应包括重新审视之前被认为成本过高或耗时过长的技术现代化计划。 —明确地将您的业务计划捆绑在一起 ， 以对其进行价值和跟踪。尽管许多公司都有商业计划，这些计划往往浅显或范围有限（例如，仅专注于技术而非运营模式）。一个强大的计划提供了详细的视角，包括潜在价值、沿途要捕捉的价值增量（考虑到持续成本，如当前和未来的基础设施运行成本，以及一次性成本，如代码现代化），所需执行的活动，以及包含盈亏平衡点的时间表。与制定计划相比，更重要的是定期回顾计划并确保现代化努力实际上正在捕捉预期的价值。如果没有这种纪律性，强大的计划往往会逐渐失去焦点，最终默认交付代码而非价值。 后续步骤 希望转向这种多代理编排模式的公司应该考虑采取四个步骤 ： —质疑任何时间表很长并且需要很多人的技术提案。许多大型IT项目传统上需要众多人员多年努力才能交付价值。任何遵循这种模式的提案都应该持怀疑态度。这意味着审查所有正在进行的提案和倡议，以确定通用人工智能（gen AI）如何降低成本并缩短时间线。特别要仔细审查声称使用通用人工智能能力的计划和提案，因为这些能力可能是有限的或辅助性的，因此难以带来很大的价