Modernizacja starego kodu z AI idzie szybciej tam, gdzie praca polega na czytaniu, opisywaniu i przepisywaniu: model językowy sprawnie streści moduł, którego nikt nie otwierał od lat. Nie zdecyduje jednak, które reguły biznesowe zachować, nie przeniesie bezpiecznie danych i nie weźmie odpowiedzialności za wynik. Dlatego AI w modernizacji aplikacji jest narzędziem w rękach doświadczonego programisty, a nie jego zastępstwem.

Modernizacja starego kodu z AI: co realnie idzie szybciej

Cztery rodzaje pracy, w których różnica jest największa.

  • Czytanie i opisywanie starego kodu. Model przechodzi przez procedury w Delphi, Visual Basicu czy starym .NET i opisuje zwykłym językiem, co robią: skąd biorą dane, co liczą, gdzie zapisują. Programista dostaje mapę, zamiast samodzielnie przekopywać się przez wszystkie pliki.
  • Odtwarzanie dokumentacji. Z kodu i struktury bazy powstaje opis modułów, tabel i zależności. To punkt wyjścia do rozmowy z ludźmi, którzy systemu używają, a nie gotowa prawda.
  • Pisanie testów porównawczych. Zanim cokolwiek zmienisz, potrzebujesz testów, które zapisują, jak stary system zachowuje się dziś: dla takich danych wejściowych taki wynik. AI pisze je szybko i w dużej liczbie. Potem ten sam zestaw uruchamia się na nowym kodzie i porównuje wyniki.
  • Tłumaczenie fragmentów na nowy język. Funkcję liczącą rabat albo sprawdzającą numer dokumentu da się przełożyć niemal mechanicznie. Im mniejszy i lepiej odgraniczony fragment, tym lepszy wynik.

Wspólny mianownik: to prace żmudne, w których człowiek się męczy i myli, a wynik da się sprawdzić.

Czy AI może samo przepisać starą aplikację?

Nie w sposób, któremu można zaufać bez sprawdzenia. Model przełoży kod na nowy język, ale przełoży też błędy, obejścia i martwe fragmenty, bo nie wie, które z nich są celowe.

Typowa sytuacja: w procedurze fakturowania jest warunek, który dla jednego kontrahenta liczy termin płatności inaczej niż dla reszty. W kodzie nie ma komentarza. Może to pozostałość po umowie sprzed lat, a może reguła, na której do dziś opiera się współpraca z ważnym klientem. Model opisze, że taki warunek istnieje. Nie powie, czy ma zostać.

Model potrafi też napisać kod, który wygląda poprawnie i przechodzi pobieżny przegląd, a w rzadkim przypadku liczy inaczej niż oryginał. Bez testów porównawczych takiej różnicy nikt nie zauważy do pierwszego zamknięcia miesiąca.

Czego AI nie zrobi za ludzi

  1. Decyzje o regułach biznesowych zaszytych w kodzie. Które wyjątki są nadal potrzebne, a które można usunąć, wie tylko firma. Ktoś musi usiąść z listą znalezionych reguł i przy każdej zdecydować.
  2. Migracja danych. Stare bazy mają duplikaty, pola używane niezgodnie z nazwą i rekordy, które łamią własne zasady. Przeniesienie ich wymaga decyzji i wielu prób z liczeniem rekordów. AI pomoże napisać skrypty, ale za to, że po migracji zgadzają się salda, odpowiada człowiek. Kolejność prac opisujemy w poradniku migracja danych ze starego systemu.
  3. Odpowiedzialność za wynik. Ktoś podpisuje się pod tym, że nowy system liczy tak jak stary. Tego podpisu nie da się przekazać modelowi.
  4. Bezpieczeństwo. Kod pisany przez AI bywa podatny tak samo jak kod pisany w pośpiechu: brak kontroli uprawnień, hasła w kodzie, niesprawdzane dane wejściowe. Dochodzi pytanie, dokąd trafia kod źródłowy i próbki danych wysyłane do modelu.

AI skraca czas pisania. Nie skraca czasu potrzebnego na upewnienie się, że to, co napisane, jest dobre.

Dlaczego potrzebny jest doświadczony programista i testy

Bo ktoś musi wiedzieć, o co zapytać i czemu nie wierzyć. Doświadczony programista dzieli system na fragmenty, które da się bezpiecznie przenieść, rozpoznaje, kiedy opis od modelu jest zbyt gładki, i wie, gdzie w starych aplikacjach zwykle leżą pułapki: zaokrąglenia, daty, kodowanie polskich znaków, operacje na stanach.

Testy są drugą połową tej pary. Porządek pracy wygląda tak:

  1. Testy porównawcze opisują zachowanie starego systemu.
  2. AI pomaga przełożyć fragment na nowy kod.
  3. Te same testy uruchamia się na nowym kodzie.
  4. Różnice ogląda człowiek i decyduje: błąd w tłumaczeniu czy błąd starego systemu, którego nie chcesz przenosić.
  5. Fragment trafia do użytkowników, a stary system działa równolegle, dopóki wyniki się zgadzają.

Bez kroków 1, 3 i 4 dostajesz szybko napisany kod o nieznanej jakości.

Jeśli Twój system nie ma dokumentacji ani autora, zacznij od poradnika stary system bez dokumentacji.

Modernizacja z AI pod nadzorem ludzi

Stare systemy przenosimy etapami w ramach modernizacji starych aplikacji: stary system działa, dopóki nowy nie pokaże na tych samych danych, że robi to samo. Jeśli ktoś u Ciebie zaczął już przepisywać aplikację z pomocą AI i utknął na danych, wdrożeniu albo integracjach, od tego jest wsparcie dla projektów budowanych z AI, które zaczynamy od przeglądu kodu. Zanim nowy kod trafi do użytkowników, zleć testy bezpieczeństwa aplikacji, szczególnie gdy duża jego część powstała z pomocą modelu.