Conservare la conoscenza degli applicativi legacy grazie all'AI

La conoscenza dei software legacy: spesso non documentata e solo nella testa di poche persone

In molte aziende ci sono ancora applicativi legacy a reggere parti critiche del business: potrebbe essere un’applicazione COBOL che calcola i saldi dei conti da trent’anni, un insieme di stored procedure PL/SQL che governano la logistica di magazzino, o un’applicazione Java EE che gestisce i soci di una cooperativa.

Il problema non è il software in sé, ma che la conoscenza di quel software (le regole di business che implementa, i flussi che orchestra, le eccezioni che gestisce) non risiede nel codice ma nella testa di due o tre persone. Persone che, nella maggior parte dei casi, si avvicinano alla pensione.

Quando se ne vanno, portano via qualcosa di difficilmente quantificabile ma di valore enorme: decenni di logica applicativa che nessun documento ha mai catturato. Ricostruirla costa tempo, denaro e, soprattutto, comporta un rischio operativo reale.

Il risultato pratico è una dipendenza asimmetrica: i sistemi legacy reggono il business, ma la capacità di interpretarli, modificarli o semplicemente capirli è concentrata in un numero ristrettissimo di persone. Questa concentrazione è un rischio che nella maggior parte delle organizzazioni viene sistematicamente sottovalutato, finché non diventa urgente.

Nella pratica quotidiana, la perdita di know-how su sistemi legacy si manifesta in tre scenari ricorrenti:

• Un bug critico si verifica sul sistema legacy: il tempo di diagnosi è sproporzionato rispetto alla correzione, perché nessuno del team attuale conosce la logica del modulo coinvolto.
• L’organizzazione vuole avviare un progetto di modernizzazione o integrazione: nella fase di analisi emerge che nessuno è in grado di documentare con precisione il comportamento del sistema esistente.
• Un nuovo sviluppatore deve prendere in carico il sistema legacy: la curva di apprendimento si misura in mesi, non in settimane.

In tutti e tre i casi, il costo reale è il tempo perso a fare reverse engineering manuale su codice non documentato, i rischi di regressione nelle modifiche, la dipendenza continua dagli unici esperti disponibili.

Un approccio diverso: OmnIA Bridge Discover

La risposta tradizionale a questi problemi è stata quasi sempre la stessa: avviare un progetto di modernizzazione. Sostituire il sistema legacy con qualcosa di nuovo, più manutenibile, più documentato. Un approccio comprensibile, ma che spesso porta con sé una conseguenza paradossale: per modernizzare un sistema che non si capisce, si finisce per riscriverlo senza capirlo davvero. Il rischio di perdere comportamenti critici inoltre, è molto alto.

OmnIA Bridge Discover nasce da una premessa diversa: prima di decidere cosa fare con un sistema legacy (modernizzarlo, mantenerlo, integrarlo) è necessario capirlo. Capire cosa fa, come lo fa, quali regole di business implementa, dove si concentra il debito tecnico.

OmnIA Bridge Discover è il piano di OmnIA Bridge dedicato alla creazione di knowledge base consultabili da sistemi legacy esistenti. Attraverso un processo di analisi semantica multi-agente, il sistema legge il codice sorgente legacy e costruisce una rappresentazione strutturata e interrogabile della conoscenza che contiene.

Gli output concreti al termine dell’analisi sono:

• Un grafo semantico navigabile del codebase: classi, metodi, dipendenze, business rule, tutto collegato e consultabile.
• Un catalogo delle business rule estratte automaticamente, con collegamento al codice sorgente che le implementa.
• Una documentazione tecnico-funzionale generata automaticamente: executive summary, data model, report del debito tecnico.
• Una knowledge base multi-tenant, isolata per progetto, con ricerca ibrida su testo, vettori e grafi.
• Un Domain Expert Agent: un’interfaccia conversazionale in linguaggio naturale per interrogare la knowledge base — senza dover sapere leggere una riga di COBOL.

La knowledge base è esportabile e resta in capo al cliente. Non dipende dalla presenza di Omnia Group: è un asset aziendale che può essere aggiornato, arricchito e consultato nel tempo.

Il punto tecnico più rilevante di OmnIA Bridge Discover è la distinzione tra analisi sintattica e analisi semantica. La maggior parte degli strumenti di analisi del codice opera a livello sintattico: conta le righe, mappa le dipendenze strutturali, identifica i pattern di codice. È utile, ma risponde alla domanda sbagliata: “come è scritto il codice?”, invece di “cosa fa il codice?”

OmnIA Bridge Discover risponde alla seconda domanda: la pipeline di analisi costruisce un grafo semantico su Neo4j che rappresenta non solo la struttura del codice, ma le relazioni logiche tra i componenti: quali business rule sono implementate in quale metodo, quale stored procedure governa quale flusso di processo, quali componenti sono più critici e accoppiati.