Mi történik, ha egy kritikus rendszert már csak egyvalaki ért igazán?

Képzelj el egy vállalatot, amely évek óta egy szoftverre támaszkodik a mindennapi működésében. A rendszer megbízhatóan dolgozik, a folyamatok ráépültek, az ügyfelek elégedettek. Egyetlen probléma van: azt, hogy belül hogyan működik, már senki nem tudja pontosan elmondani.

A dokumentáció hiányos vagy elavult. Az eredeti fejlesztők rég továbbléptek. A tudás néhány kulcsember fejében él, és minden alkalommal, amikor egy ilyen kolléga szabadságra megy, felmond vagy nyugdíjba vonul, a cég egy darabot veszít a saját működésének megértéséből.

Ez nem szélsőséges eset. Ez a legtöbb közepes és nagyvállalat valósága. A legértékesebb üzleti rendszerek gyakran a legrosszabbul dokumentáltak, egyszerűen azért, mert annyira jól működtek, hogy soha nem volt sürgős leírni, hogyan.

A rejtett költség, amit a legacy rendszerek magukkal hoznak

Egy örökölt, legacy rendszer ritkán esik össze látványosan. Csendben, fokozatosan drágítja a működést, olyan költségekkel, amelyek nem jelennek meg külön sorként a könyvelésben, mégis évről évre nőnek.

Tudássiló és kulcsember-kockázat. Ha egy rendszert egyetlen ember ért, ő egyszerre a vállalat legértékesebb erőforrása és legnagyobb kockázata. Minden döntés, minden hibajavítás rajta keresztül vezet: ez üzletmenet-folytonossági kockázat, nem csak szűk keresztmetszet.

Lassú betanítás. Egy új munkatárs hónapokig „régészkedik”, mire eligazodik egy dokumentálatlan rendszerben. Eközben a tapasztalt kolléga értékteremtés helyett oktat: kettős bérköltség, eredmény nélkül.

Növekvő karbantartási költség. Minden módosítás kockázatosabb és lassabb, ha senki nem látja át a teljes hatását. Ami egy jól értett rendszerben egynapos munka, az egy átláthatatlan esetén egyhetes óvatos tapogatózás, plusz utólagos hibajavítás.

Csökkenő üzleti agilitás. Ez a legdrágább, mégis a legkevésbé látható tétel. Amikor a piac új funkciót vagy integrációt követel, a válasz túl gyakran az, hogy „ahhoz hozzá sem merünk nyúlni”. A versenytárs gyorsabban lép, mert ő nem fél a saját rendszerétől.

Növekvő üzleti kockázat. Megfelelőségi, biztonsági és működési kockázatok halmozódnak fel ott, ahol senki nem látja át, mi hogyan kapcsolódik.

Összességében, ha nem értjük a saját rendszerünket, az nemcsak instabilitást jelent, hanem lassan kamatozó adósságot is. A szakmában ezt technikai adósságnak hívják, a vezető számára pedig jövőbeli pénz és idő, amit ma még nem fizettünk ki, de a kamat már ketyeg.

Miért nem old meg mindent a hagyományos megközelítés?

Amikor egy vállalat szembenéz ezzel, jellemzően a bevált eszközökhöz nyúl. Ezek nem rosszak, de drágák, lassúak, és önmagukban ritkán adnak megnyugtató eredményt.

Kézi átvizsgálás. Drága szakértők hónapokon át olvassák a rendszert, hogy megfejtsék a logikáját. Lassú, költséges, és a tudás megint egy-két fejbe zárul.
Dokumentációs projektek. A cég nagy dokumentációs projektbe kezd, hogy „végre leírjuk az egészet”. Az ilyen projektek hírhedten elhúzódnak, és sokszor már a befejezésük pillanatában elavulnak, mert közben a rendszer tovább változott.

Hosszú felderítési fázis. Minden komoly modernizáció előtt fel kell térképezni, mi van. A hagyományos modellben ez hónapokat és jelentős összeget emészt fel, még mielőtt egyetlen tényleges fejlesztés elkezdődne, kézzelfogható eredmény nélkül.

Teljes újraírás. Aki nem akar lassan haladni, gyakran ezt választja. Ez a legkockázatosabb út: nagy költségvetés, hosszú átfutás, és komoly veszély, hogy az új rendszerbe nem épül bele a régi tudás minden apró, de létfontosságú részlete.

A közös nevező mindegyikben: a megértés a szűk keresztmetszet, nem a fejlesztés. Itt tud gyökeresen mást mutatni a mesterséges intelligencia.

Hogyan változtatja meg a folyamatot a mesterséges intelligencia?

Az AI nem írja újra varázsütésre a rendszereket és nem teszi feleslegessé a modernizációt, ugyanakkor töredékére csökkenti a rendszer megértésének költségét és idejét, így az egész modernizáció kevésbé lesz kockázatos és kiszámíthatóbbá válik.

Az AI ugyanis ott a legerősebb, ahol az ember a leglassabb: amikor nagy mennyiségű, szétszórt, többféle technológiában és akár többféle nyelven megírt rendszert kell átlátni és összefüggéseiben elmagyarázni. Mi ezt a képességet ötvözzük a mérnöki tapasztalattal — az alábbiak a saját, bevált módszertanunk lépései.

Gyorsabb rendszertérképezés. Milyen részekből áll a rendszer, mi mihez kapcsolódik, hol vannak a fő üzleti folyamatok?

Jobb átláthatóság. Az AI a rendszer különböző, egymástól elszigetelt részeit egyetlen koherens képbe rendezi.

Automatikus dokumentáció. Modulleírások, betanító anyag, folyamatmagyarázatok. Ez nem egyszeri, hónapokig tartó dokumentációs projekt, hanem ismételhető, alacsony költségű tevékenység, amely a rendszer változásával együtt frissíthető.

Tudáskinyerés. Az MI nemcsak azt mondja meg, mi van a rendszerben, hanem el is magyarázza. Lefordítja a szakzsargont és a kódba zárt üzleti logikát hétköznapi nyelvre.

Függőségek feltárása. Az AI gyorsan megmutatja, hogy egy tervezett változtatás mit érint még.

Gyorsabb betanítás. Az új munkatárs nem hónapokig régészkedik, hanem egy érthető rendszertérképpel és magyarázatokkal kezd. A betanítási idő hetekre vagy napokra rövidülhet.

A folytatásban egy valós projekt tapasztalatain keresztül mutatjuk meg, hogyan működik ez a gyakorlatban. Egy négygenerációs ipari szoftvert tártunk fel AI-támogatott módszertannal.

Olvasd el a 2. részt → hamarosan…