人工智能能进 IT 变现 ： 更快、更便宜、更好(汉)

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-figureout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共同完成 ，代表了麦肯锡科技和QuantumBlack（麦肯锡的AI部门）的观点。 2024年12月 在几乎所有大型组织的核心，存在着一个巨大的“锚”，拖慢了业务的发展：遗留IT系统中的技术债务。这些系统往往是在几十年前构建的，成为了公司及其各领域功能的技术基石。据估计，美国500强公司所使用的软件中，有近70%是在20年前甚至更早之前开发的。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 技术债务传统上一直被视为“IT问题”，企业管理层往往选择将问题一拖再拖。原因众所周知 ：这太过昂贵（常常需要数亿美元），耗时过长（五到七年），过于破坏现有流程，投资回报率不明确，而当前系统基本能够正常运作。 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会和风险——生成AI(genAI)to云 to 机器人技术——需要现代技术基础。实际上， 技术使业务转型的价值中有约71%得以实现。2这些老化的企业系统的构建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领域的进展，正在根本性地重新调整现代化工legacy技术和减少技术债务的成本与收益，并作为一系列更大变化的一部分。IT如何运作考虑一家领先金融机构的交易处理系统，三年前其成本远超过1亿美元。 现代化转型如今还远远不够，目前仅有不到一半的现代化工作者使用生成式人工智能。这种转变使得许多原本因为成本过高或耗时过多而不具可行性的现代化努力突然变得可行。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追踪其对利润和损失结果（在许多情况下占总投资支出的40%到50%）的影响。 尽管仍处于早期阶段，我们的经验表明，利用通用人工智能（genAI）可以大幅减少手动工作，从而将技术现代化的时间线加速40%到50 %，并减少40%与技术债务相关的成本，同时提高输出质量。然而，这种价值更多地取决于其使用方式，而非技术本身，特别是在以下几个方面的重点应用上： —改善业务成果。转换旧代码为现代技术语言merely将技术债务从遗留系统转移到现代系统。要避免这种“边编码边加载”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（同时在各个环节中接受人类监督）的通用人工智能代理队伍，已被证明能在IT现代化努力中带来显著改进（详见侧栏“LegacyX”）。 —专注于缩放值。多智能体模型的价值在于将其工业化，以便于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？ 传统IT系统渗透到每一个行业，往往作为关键操作的支撑基础。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十万亿美元的交易。在美国，保险行政系统管理着每年保费超过1.9万亿美元的保单。1福利管理平台助力每年向数百万美国公民分配超过830亿美元的社会服务和福利资金。2 —与现代渠道的兼容性有限。legacy技术通常不与要求实时数据和高级连接的现代渠道兼容。 —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市场上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，加之有限的自动化能力以及往往依赖手动测试的过程，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：运行遗留系统的机会成本往往高于现代系统的成本。例如，对于一家大型欧洲银行而言，其70%的IT容量用于维护遗留系统。 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 在核心层面，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，重新架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，简化传统IT系统的现代化改造并利用生成式AI交付业务价值。它采用一系列专门的代理。 为了处理端到端的工作流程，重点在于理解遗留系统的意图，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 公司倾向于以简单粗暴的方式使用生成式AI，例如，直接将遗留代码输入生成式AI工具，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。这种陷阱类似于许多公司在云计算早期阶段所陷入的情况，当时的重点是“迁移和重塑”，即把现有应用程序迁移到云端而遗留问题仍未得到解决。 当恰当应用时，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）在几分钟内转化为简单的英语流程描述。一家金融服务公司在采访了多位专家以补充有限的文档后，将采访记录输入生成式AI模型，为其提供了更好的指导。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、哪些部分需要更新以及哪些部分可以废弃。 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。而是应该致力于改进系统和流程，以便业务能够创造更多的价值。这意味着利用生成式人工智能来理解现有的代码，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通用人工智能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（如图表所示）。 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，每个代理具有独特的角色和专长，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、设计和运行测试案例，以及根据人类实时反馈优化结果。 然而，真正的价值在于协调各方完成不仅是一系列任务，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）的安全设计代理合作，共同开发安全、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是非常重要的。例如，建设性的反馈循环允许代理审查和改进彼此的工作 。通用人工智能代理还可以编程以自我学习解决问题，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，使经理能够迅速识别问题来源并进行处理。类似地 ，组织可以开发专门的代理自动测试和修复其他代理生成的内容，基于识别出的伦理和偏见问题 。 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。产品负责人、工程师和架构师等专家需要理解遗留系统的目的，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。 并且使用生成式AI代理生成代码，以及自动化发现和转换过程。结果是在代码现代化效率和测试方面提高了超过50%，同时编程任务的速度加快了超过50%。 专注于缩放值 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工具。这很重要，但与之相比 ，更重要的是解决更大的问题和机遇：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能解决一个问题；我需要一种能力来解决数百个问题。” 技术领导力应专注于开发一个中心化的、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。这一能力的两个主要组成部分为： 一家长期试图现代化其大型机系统的银行公司在采用协调生成AI代理的方法后，真正体验到了这一方法的力量。当该公司部署了一大批生成AI代理后，能够在迁移至Java、AngularUI和PostgreSQL目标状态的过程中，成功迁移并改进了多个大型机组件。该公司原本计划现代化2万行代码，并估计需要700到800小时完成迁移。而采用协调生成AI方法后，这一估计时间减少了40% 。例如，在关系映射步骤上，所需时间从30到40小时大幅减少至大约5小时。 —工厂。一个工厂是由一群人员开发和管理多个生成式AI代理以执行特定端到端过程的团队 。工厂的目标是标准化并简化构成生成式AI代理开发、部署和管理的各种过程。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等。组织应在成熟早期阶段考虑开发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），并构建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，以确定他们在哪些服务和能力上具有共性需求，然后对这些元素进行标准化并通过平台提供。一支专门的专家团队应负责监督该平台的开发和管理，并密切跟踪使用情况 ，以具体的KPI（关键绩效指标）为准，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倡议，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，因而难以提供显著的价值。 —专注于你最大的问题。小规模的举措导致小规模的结果。生成式AI有潜力从根本上重新定义现代化工系统和减少技术债务的成本效益。识别最大的 大多数复杂的技术问题——这些问题涉及数亿美元的成本、跨年度的时间线，并且承担了大量