New from McKinsey & Company: Quattro cambiamenti nell’intelligenza artificiale di nuova generazione che rimodelleranno l’IT aziendale.

L’intelligenza artificiale di ultima generazione sta iniziando a offrire un valore rivoluzionario, ma solo quando le aziende capiranno come utilizzare le nuove tecnologie per costruire valore, una nuova era tecnologica potrà iniziare. L’obiettivo di uno sforzo di modernizzazione della tecnologia legacy non dovrebbe essere quello di convertire quante più righe di codice possibile. Dovrebbe essere quello di migliorare i sistemi e i processi in modo che l’azienda possa generare più valore. Le aziende hanno appena scalfito la superficie quando si tratta di applicare efficacemente la gen AI per modernizzare la tecnologia legacy e ridurre il debito tecnico. Concentrarsi su come orchestrare gli agenti gen AI su opportunità tecnologiche aziendali significative è l’unico modo in cui le aziende saranno in grado di ridurre il debito tecnologico e consentire al loro patrimonio tecnologico di guidare innovazione e valore.

Le aziende ancora oggi sono fondate su modelli pensati in passato che rallentano ancora il cambiamento appena iniziato:il debito tecnologico presente nei sistemi IT legacy. Spesso costruiti decenni fa, questi grandi sistemi costituiscono la spina dorsale tecnica delle aziende e delle funzioni in quasi tutti i settori. Fino al 70 percento del software utilizzato dalle aziende Fortune 500 è stato sviluppato 20 o più anni fa.

Modernizzare questi sistemi obsoleti e saldare il debito tecnologico è stato tradizionalmente considerato un “problema IT” e i leader aziendali si sono accontentati di rimandare più o meno il problema. Le ragioni sono note: è troppo costoso (spesso centinaia di milioni di dollari), richiede troppo tempo (da cinque a sette anni), è troppo dirompente, il ritorno sull’investimento non è chiaro e i sistemi attuali funzionano fondamentalmente.

Ma poiché la tecnologia si infiltra in ogni angolo del business e diventa centrale per la capacità di un’azienda di generare valore, la modernizzazione dei sistemi IT deve diventare una priorità del CEO. Le opportunità e i rischi generati dai progressi della tecnologia, dall’intelligenza artificiale generativa (gen AI) al cloud alla robotica, richiedono fondamenta tecnologiche moderne. Infatti, la tecnologia abilita circa il 71 percento del valore derivante dalle trasformazioni aziendali. Il fatto che i programmatori che hanno creato e gestito questi obsoleti sistemi aziendali stiano raggiungendo l’età pensionabile rende ancora più urgente la necessità di modernizzazione.

Cosa sono i sistemi legacy e in che modo ostacolano il progresso delle organizzazioni?

I nuovi sviluppi nell’AI, in particolare nell’AI di generativa, stanno ricalibrando radicalmente i costi e i benefici della modernizzazione della tecnologia legacy e della riduzione del debito tecnologico come parte di un insieme più ampio di cambiamenti nel modo in cui opera l’IT.

Si consideri un sistema di elaborazione delle transazioni per un importante istituto finanziario, che tre anni fa sarebbe costato molto più di 100 milioni di dollari per la modernizzazione e oggi è ben meno della metà di quella cifra quando si utilizza l’AI di generativa. Questo cambiamento rende improvvisamente praticabili molti sforzi di modernizzazione che un tempo erano troppo costosi o dispendiosi in termini di tempo. E con la capacità di misurare e tracciare il costo diretto del debito tecnologico e il suo effetto sui risultati di P&L (in molti casi fino al 40-50 percento della spesa totale per gli investimenti), le aziende possono tracciare il valore che stanno generando.

Eredità X

Sebbene si tratti ancora di un periodo iniziale, la nostra esperienza indica che sfruttare l’intelligenza artificiale di nuova generazione può eliminare gran parte del lavoro manuale, portando a un’accelerazione del 40-50 percento nelle tempistiche di modernizzazione tecnologica e a una riduzione del 40 percento dei costi derivanti dal debito tecnologico, migliorando al contempo la qualità degli output. Tale valore, tuttavia, è meno legato alla tecnologia in sé e più al modo in cui viene utilizzata, con particolare attenzione a quanto segue:

Migliorare i risultati aziendali. Convertire il vecchio codice in linguaggi tecnologici moderni trasporta semplicemente il tuo debito tecnologico da un sistema legacy a uno moderno. Per evitare questo problema di “codice e caricamento” è necessario utilizzare l’intelligenza artificiale di generazione per aiutare a prendere decisioni aziendali migliori e modernizzare ciò che conta.
Abilitazione di agenti AI di generazione autonomi. Creare e addestrare un esercito di agenti AI di generazione in grado di lavorare in modo indipendente e collaborativo con supervisione umana su una gamma di processi end-to-end sta dimostrando di apportare miglioramenti significativi negli sforzi di modernizzazione IT
Concentrandosi sul valore di scalabilità. Il valore del modello multiagente deriva dall’industrializzazione in modo che possa scalare ed essere applicato a più aree aziendali e ripagare continuamente il debito tecnologico.

Come l’intelligenza artificiale può migliorare i risultati aziendali

In sostanza, la modernizzazione della tecnologia implica la trasformazione delle applicazioni esistenti per sfruttare tecnologie, framework e architetture moderne. Questo processo può includere il passaggio a linguaggi di programmazione più facili da usare, la transizione a framework moderni che forniscono più funzionalità, la ristrutturazione dei sistemi per creare modularità o persino la correzione e la migrazione delle applicazioni per l’esecuzione su ambienti cloud più economici. Sfruttare le capacità di gen AI per apportare questo tipo di cambiamenti, migliorare il ROI sui programmi cloud e ripagare il debito tecnico richiede di concentrarsi sulle tre aree sopra menzionate.

Migliorare i risultati aziendali

Le aziende hanno teso a usare la gen AI in modo diretto, ad esempio, immettendo codice legacy direttamente in uno strumento gen AI che lo traduce in un linguaggio moderno. Questo approccio di codice e caricamento, tuttavia, sostanzialmente migra il tuo debito tecnologico in un contesto moderno. Questa trappola è simile a quella in cui sono cadute molte aziende nei primi giorni del cloud computing, dove l’attenzione era rivolta al “lift and shift”, ovvero allo spostamento delle applicazioni esistenti sul cloud dove i problemi legacy rimanevano irrisolti.

L’obiettivo di uno sforzo di modernizzazione della tecnologia legacy non dovrebbe essere quello di convertire quante più righe di codice possibile. Dovrebbe essere quello di migliorare i sistemi e i processi in modo che l’azienda possa generare più valore. Ciò significa usare l’intelligenza artificiale di generazione per comprendere il codice che hai già, determinare cosa è necessario per generare valore aziendale e quindi modernizzare i processi necessari per raggiungere tale risultato.

Se applicata correttamente, la gen AI è in grado di tradurre gli elementi legacy spesso impenetrabili (documentazione, codice, dati di osservabilità, registri delle chiamate, approcci di programmazione, eccetera) in semplici descrizioni di processo in inglese nel giro di pochi minuti. Gli ingegneri di una società di servizi finanziari hanno intervistato diversi esperti per integrare la documentazione limitata disponibile e hanno inserito le trascrizioni nel modello gen AI per fornirgli una guida migliore. Questa chiarezza non solo aiuta gli ingegneri a capire cosa stanno facendo i sistemi, ma consente anche agli esperti aziendali di aiutare a determinare cosa è realmente necessario. In questo modo, gli esperti aziendali e di ingegneria possono lavorare insieme per determinare cosa vogliono, cosa dovrebbe essere aggiornato e cosa può essere scartato.

Abilitare agenti AI di generazione autonomi

Abbiamo già scritto in precedenza che nello sviluppo software, l’utilizzo di agenti di intelligenza artificiale di generazione per assistere gli sviluppatori nella codifica può aiutare alcuni sviluppatori ad aumentare la propria produttività. La nostra esperienza ha dimostrato che il prossimo orizzonte di questa accelerazione consentirà a centinaia di agenti di intelligenza artificiale di operare in modo indipendente con la supervisione umana, soprattutto con l’aumento delle dimensioni del modello (Figura 1),

Email a: [email protected]

Il fulcro di questo approccio di agente autonomo è l’implementazione di molti agenti AI specializzati, ciascuno con ruoli e competenze distinti, che collaborano a compiti complessi. Il vero valore, tuttavia, deriva dall’orchestrazione degli agenti per completare non solo le attività, ma interi processi di sviluppo software. Gli agenti di mappatura e archiviazione dei dati, ad esempio, eseguono analisi dei dati, analisi di conformità, QA e creano documentazione pertinente. Questi agenti lavorano con agenti di progettazione della sicurezza che si concentrano su analisi delle minacce, policy di sicurezza delle informazioni, progettazione della sicurezza e agenti QA per sviluppare codice sicuro, protetto ed efficace.

Per garantire che gli agenti Gen AI forniscano i risultati giusti, è importante implementare una serie di controlli. Ad esempio, i cicli di feedback costruttivi consentono agli agenti di rivedere e perfezionare il lavoro degli altri. Gli agenti Gen AI possono anche essere programmati per imparare da soli a risolvere i problemi o inoltrarli a un responsabile umano se non riescono a capirli. Alcuni agenti Gen AI possono persino porre domande dirette al responsabile. L’assegnazione di ID a ciascun agente Gen AI consente ai responsabili di identificare rapidamente la fonte di un problema e di risolverlo. Allo stesso modo, le organizzazioni possono sviluppare agenti specializzati per testare e correggere automaticamente l’output di altri agenti in base a preoccupazioni etiche e di pregiudizio identificate.

Il ruolo delle persone continuerà a essere fondamentale per dirigere e gestire gli agenti di IA di generazione. Esperti come product owner, ingegneri e architetti dovranno comprendere l’intento dei sistemi legacy, capire quali processi sono importanti per il business e sviluppare e definire obiettivi e stati target.

La potenza dell’approccio dell’agente AI gen orchestrato è diventata reale presso una società bancaria che aveva tentato senza successo di modernizzare il suo mainframe per anni. Quando ha distribuito una vasta raccolta di agenti AI gen, la banca è stata in grado di migrare e migliorare un certo numero di componenti mainframe come parte di una migrazione a uno stato target Java, Angular UI e PostgreSQL. Cercando di modernizzare 20.000 righe di codice, la società aveva stimato di aver bisogno di 700-800 ore per completare la migrazione. L’approccio AI gen orchestrato ha ridotto quella stima del 40 percento. La fase di mappatura delle relazioni, ad esempio, è passata da richiedere 30-40 ore per essere completata a circa cinque ore.

In un altro caso, una delle prime 15 compagnie assicurative mondiali ha utilizzato questo approccio per modernizzare applicazioni e servizi legacy. Il primo passo è stato quello di effettuare il reverse engineering del codice per comprendere meglio le specifiche tecniche e quindi utilizzare agenti AI di generazione per generare codice e automatizzare i percorsi di scoperta e conversione. Il risultato è stato un miglioramento dell’efficienza di modernizzazione del codice e dei test di oltre il 50 percento, nonché un’accelerazione superiore al 50 percento delle attività di codifica.

Concentrarsi sul valore di scalabilità

L’entusiasmo che circonda la gen AI ha portato le aziende a dedicare molto tempo alla valutazione e alla selezione degli strumenti. Ciò è importante, ma impallidisce in confronto all’affrontare il problema e l’opportunità più grandi: come scalare la gen AI. Come ha affermato di recente un CIO, “Non voglio uno strumento per risolvere un problema; ho bisogno di una capacità per risolvere centinaia di problemi”.

La leadership tecnologica dovrebbe concentrarsi sullo sviluppo di una capacità di gen AI centrale e autonoma in grado di creare flussi di lavoro end-to-end multiagente e sofisticati. Questa capacità è composta da due componenti principali:

Factory. Una factory è un gruppo di persone che sviluppano e gestiscono più agenti di gen AI per eseguire uno specifico processo end-to-end. L’obiettivo della factory è standardizzare e semplificare i vari processi che compongono lo sviluppo, l’implementazione e la gestione degli agenti di gen AI. Una factory sviluppa un set standardizzato di strumenti e approcci per lo sviluppo e la gestione degli agenti, come monitoraggio, tracciabilità, gestione dei documenti e accesso a modelli di linguaggio di grandi dimensioni. Un’organizzazione dovrebbe prendere in considerazione lo sviluppo di cinque o dieci factory di agenti nelle prime fasi di maturità.
Piattaforma. Una piattaforma di gen AI è un set standardizzato di servizi e capacità riutilizzabili a cui le fabbriche possono accedere. Una piattaforma dovrebbe includere un’interfaccia utente, API che collegano i servizi di gen AI ai servizi aziendali (come Jira o ServiceNow), una gamma di servizi di supporto (come un servizio di importazione dati o un servizio di orchestrazione degli agenti) e una libreria di agenti di gen AI che possono essere caricati per eseguire attività specifiche. Le aziende dovrebbero idealmente sviluppare una o due fabbriche di gen AI per determinare esattamente quali tipi di servizi e capacità utilizzano in comune, quindi standardizzare quegli elementi e offrirli tramite una piattaforma. Un team dedicato di esperti competenti dovrebbe supervisionare lo sviluppo e la gestione di questa piattaforma e monitorare attentamente l’utilizzo rispetto a KPI specifici, come l’utilizzo di servizi o funzionalità.

Prossimi passi

Le aziende che intendono passare a questo modello di orchestrazione multiagente dovrebbero prendere in considerazione quattro passaggi:

Metti in discussione qualsiasi proposta tecnologica che abbia una lunga tempistica e richieda molte persone. Molti progetti IT su larga scala hanno tradizionalmente richiesto a molte persone di lavorare per anni per fornire valore. Qualsiasi proposta che segua questo modello dovrebbe essere trattata con scetticismo. Ciò significa esaminare tutte le proposte e le iniziative in corso per determinare in che modo la gen AI può ridurre i costi e accorciare le tempistiche. Sii particolarmente scrupoloso nell’esaminare programmi e proposte che pretendono di utilizzare le capacità della gen AI. Le capacità potrebbero essere limitate o accessorie e quindi incapaci di fornire molto valore.
Concentra la Gen AI sui tuoi problemi più grandi. Le iniziative su piccola scala portano a risultati su piccola scala. La Gen AI ha il potenziale per ridefinire radicalmente il rapporto costi-benefici della modernizzazione dei sistemi e della riduzione del debito tecnologico. Identifica i problemi tecnologici più grandi e complessi, quelli che costano centinaia di milioni di dollari, hanno tempistiche pluriennali e sono responsabili di grandi tranche di debito tecnico, e concentrati sullo sviluppo di soluzioni di Gen AI per essi. Parte di questo sforzo dovrebbe includere la rivisitazione dei precedenti piani di modernizzazione tecnologica che erano considerati troppo costosi o dispendiosi in termini di tempo.
Collega il tuo business plan in modo esplicito al valore e monitoralo con attenzione. Sebbene molte aziende abbiano business plan, spesso sono superficiali o limitati nella portata (ad esempio, concentrandosi solo sulla tecnologia piuttosto che sul modello operativo). Un piano solido fornisce una visione dettagliata del valore in gioco, degli incrementi di valore da catturare lungo il percorso (considerando i costi correnti, come i costi di esecuzione dell’infrastruttura attuali e futuri e i costi una tantum, come la modernizzazione del codice), le attività necessarie per catturarli e una sequenza temporale che cattura il punto di pareggio. Più importante dello sviluppo del piano è rivisitarlo e garantire che gli sforzi di modernizzazione catturino effettivamente il valore previsto. Senza questo tipo di disciplina, è comune che i piani solidi perdano lentamente la concentrazione e si concentrino sulla fornitura di codice piuttosto che sul valore.
Anticipa le implicazioni di talento, tecnologia e modello operativo. Man mano che questo approccio multiagente si espande, le aziende dovranno comprendere e pianificare le implicazioni aziendali. Queste includono come ripensare la strategia dei talenti e i programmi di riqualificazione, come il modello operativo deve adattarsi e come cambieranno le spese operative e le spese in conto capitale, tra le altre priorità. Si tratta di questioni a livello di CEO e consiglio di amministrazione che richiedono una pianificazione ponderata.