您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[麦肯锡]:用于 IT 现代化的 AI : 更快、更便宜、更好 - 发现报告
当前位置:首页/其他报告/报告详情/

用于 IT 现代化的 AI : 更快、更便宜、更好

2024-12-04Barr Seitz麦肯锡赵***
用于 IT 现代化的 AI : 更快、更便宜、更好

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,但只有当公司学会如何构建和协调数百个这样的代理时。 这篇文章由AaronBawcom和MattFitzpatrick与ChiWaiCheung、DanCollins和DanteGabrielli共同撰写 ,代表了麦肯锡科技和QuantumBlack(麦肯锡的AI部门)的观点。 2024年12月 在几乎每一个大型组织的核心,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IT系统中的技术债务。这些大型系统往往是在几十年前构建的,构成了公司及其各个部门和技术基础的基石。高达70%的Fortune500公司所使用的软件是在20年或更早之前开发的。1(请参阅侧栏“什么是遗留系统,以及它们如何阻止组织?”)。 使这些老化系统现代化并支付费用 技术债务传统上被视为一个“信息技术问题”,企业领导人通常选择暂时搁置这个问题。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),过于破坏现有流程 ,投资回报不明确,而且当前的系统基本能够正常运行。 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的核心能力,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遇和风险,都将要求企业进行信息技术系统的现代化改造。生成AI(genAI)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Aging企业系统的开发和维护程序员即将退休的事实,更加迫切地凸显了现代化的必要性 。 新的AI发展,特别是通用AI的进步,正在从根本上重新调整现代化改造遗留技术并作为更大范围变化的一部分减少技术债务的成本和收益 。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。 现代化转型现在还不到总需求的一半,尤其是在使用生成式人工智能的情况下。这种转变使得许多过去因成本过高或耗时过多而不具备可行性的现代化努力变得突然可行。并且随着这一能力的提升, 衡量和跟踪技术债务的直接成本并且可以跟踪其对利润和损失结果的影响(在许多情况下,这一影响占总投资支出的40%到50%),公司可以追踪他们创造的价值。 虽然目前还处于早期阶段,但我们经验表明,利用通用人工智能(genAI)可以大幅减少手动工作量,从而将技术现代化的时间线加速40 %至50%,同时减少40%由技术债务引起的成本,并提高输出质量。然而,这种价值更多地取决于其使用方式,而不仅仅是技术本身,特别是在以下几个方面的关注点上: —改善业务成果。将旧代码转换为现代技术语言仅仅是从一个遗留系统转移到了一个现代系统,但依然会带来技术债务的问题。避免这种“代码和负担”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 。 —启用自主GeneAI代理。构建并培训一支能够独立且协作工作的生成式人工智能代理军队,在多种端到端流程中接受人类监督,已被证明能够在IT现代化努力中带来显著改进(参见侧栏“LegacyX”)。 —专注于缩放值。多智能体模型的价值在于将其工业化,使其能够扩展并在业务的多个领域中应用,并持续偿还技术债务。 1NiaBatten,“即使它'没有崩溃',也要修复它:传统技术的价格”,TechRadar,2023年10月11日。 2AamerBaig,SvenBlumberg,ArunGundurao,andBaselKayyali,"打破技术债务的恶性循环,实现业务现代化“,麦肯锡,2023年4月25日。 什么是遗留系统,它们如何阻碍组织? 遗留信息技术系统渗透到每一个行业,通常作为关键运营的支柱。例如,在金融服务领域,核心银行业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 管理的保费政策价值达1.9万亿美元。1利益管理平台促进每年超过830亿美元的 社会服务和福利资金惠及数百万美国公民。2 —与现代渠道的兼容性有限。传统技术通常不易于与要求实时数据和高级连接的现代渠道集成。 —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。 —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人才市场不受重视的过时系统和语言的企业。 —弹性风险:缺乏对系统工作原理的理解,加之自动化能力有限且往往依赖手动测试过程,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: —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。 —运行成本高:运行遗留系统的成本往往显著高于现代系统的成本。例如,对于一家大型欧洲银行而言,其80%的IT资源被用于维护遗留系统 。 1保险业年度报告,美国财政部联邦保险办公室,2024年9月。 2“项目:公共福利支出”,州和地方背景资料,城市研究所,2024年4月26日。 一代AI代理如何改善代码和业务成果 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 切换到更容易使用的编程语言,过渡到提供更多功能的现代框架,重构系统以创建模块化结构,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(GenAI)的能力来实施这些变化,提高云程序的ROI,and LegacyX LegacyX是麦肯锡的能力, 由QuantumBlack驱动,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。它采用了一系列专门的代理。 为了处理端到端的工作流程,重点关注Legacy系统的意图以开发更好的流程并加快现代化进程,采用可重复的过程。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。 偿还技术债务需要关注上述三个领域。 改善业务成果 公司倾向于以一种粗暴的方式使用生成性人工智能(genAI),例如,直接将现有代码输入生成性人工智能工具并将其转换为现代语言。然而,这种“代码和加载”的方法实际上将你的技术债务迁移到了现代环境中。这种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“迁移和重塑”,即简单地将现有应用程序迁移到云中而遗留问题仍未得到解决。 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)转化为简单的英语过程描述,仅需几分钟。一家金融服务公司采访了多位专家以补充有限的文档,并将采访记录输入生成式AI模型,为其提供更多指导。这种清晰性不仅帮助工程师理解系统正在执行什么操作,还允许业务专家确定真正所需的内容。通过这种方式,业务和工程专家可以合作确定他们想要什么、需要更新什么以及可以丢弃什么。 遗产技术现代化的目标不应是尽可能转换尽可能多的代码行。而是应该通过改进系统和流程来使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,确定什么是必要的以产生商业价值,并随后现代化那些对于实现这一目标所必需的过程。 启用自主genAI代理 我们以前写过,在软件开发中,使用genAI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生成型AI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)。 3“利用生成式AI提升开发人员的生产力“,麦肯锡,2023年6月27日。 Exhibit 这种自主代理方法的核心在于部署大量专门化的AI代理,每个代理具有不同的角色和专长,并协作完成复杂任务。他们能够执行的任务包括数据分析、协调复杂的集成、设计并运行测试案例,以及根据来自人类的实时反馈来优化结果。 然而,真正的价值在于协调各方完成不仅仅是任务,而是整个软件开发过程。例如,数据映射和存储代理进行数据分析、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)的安防设计代理协同工作,以开发安全、可靠且有效的代码。 为了确保通用人工智能代理能够产生正确的结果 ,实施一系列控制措施至关重要。例如,建设性的反馈循环允许代理相互审查和改进彼此的工作 。通用人工智能代理还可以编程使其能够自学解决问题,或者在无法解决时将问题上报给人类经理。一些通用人工智能代理甚至可以直接向经理提问。为每个通用人工智能代理分配唯一的ID,使管理者能够迅速识别问题的来源并进行处理。同样,组织可以开发专门的代理自动测试并修复 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。结果是代码现代化效率和测试提高了超过50%,编码任务的速度也提高了超过50%。 专注于缩放值 其他代理输出中发现的伦理和偏见问题。生成人工智能所引发的兴奋情绪促使公司投入大 量时间评估和选择相关工具。这非常重要,但与之相比,更重要的是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CIO最近所说:“我不希望有一种工具来解决一个单一的问题;我需要一种能力来解决数百个问题。” 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,确定对企业重要的业务流程,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且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程。这种能力由两个主要组成部分构成: 一家长期试图现代化其主框架的银行公司在部署大量生成式AI代理后,感受到了有组织的生成式AI代理方法的实际力量。当它部署了一大群生成式AI代理时,该银行能够作为向Java、AngularUI和PostgreSQL目标状态迁移的一部分,迁移并改进了多个主框架组件。该公司希望现代化2万行代码,并估计需要700至800小时才能完成迁移。采用有组织的生成式AI方法将这一估计时间减少了40%。例如,关系映射步骤所需的时间从30到40小时缩短到了大约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(genAI)代理以执行特定端到端流程的团队。工厂的目标是标准化和简化构成genAI代理开发、部署和管理的各种流程。工厂会开发一套标准化的工具和方法,例如监控、可追溯性、文档管理以及大型语言模型访问。组织应在成熟度早期阶段考虑开发5至10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。第一步是反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。 为企业级服务(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),以及一个包含可加载以执行特定任务的通用人工智能(GenAI)代理库。公司应理想地开发一到两个通用人工智能工厂 ,以确定他们共同使用的具体服务和能力类型,然后标准化这些元素并通过平台提供。一支专门的专家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KPIs(关键绩效指标)为依据,例如服务或功能的使用情况。 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项目历来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。这意味着需要审查所有正在进行的提案和项目,以确定通用人工智能(genAI )如何降低成本和缩短时间线。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,因为这些能力可能有限或只是辅助性的,因而难以带来显著的价值。 —专注于你最大的问题。小规模举措带来小规模成果。通用人工智能(GenAI)有潜力根本性地重新定义现代化工系统和减