该研报探讨了AI原生时代的到来对基幹系统的影响,指出从传统现代化关注‘如何低成本快速迁移’转变为‘如何构建面向AI的原生系统’。核心观点包括AI与基幹系统的协同进化、AI原生开发要求系统具备易连携、易变改、可解释及高安全等特性,并推荐以‘现新比较试験’降低重構成本。研报还提出了‘リホスト×リビルド’两阶段现代化策略,强调业务变革需持续迭代,最终指出规划阶段质量对现代化成败至关重要。
信息技术行业正经历AI原生化转型,日本企业中约61%持有基幹系统,74%大型企业持有,但仅约5%计划在2024年利用生成AI。AI原生化促使现代化目标从低成本迁移转向构建能与AI协同进化的系统,核心要求包括AI易连携、易变改、可解释及高安全。生成AI的应用可重新设计开发流程,大幅降低成本,而‘现新比较试験’和‘リホスト×リビルド’策略成为应对挑战的有效手段。
研报重点分析了AI原生化背景下基幹系统的目标形态与质量保证方法。核心方向包括:1)AI与基幹系统的协同进化,强调系统需具备动态适应性;2)AI原生开发要求,如易连携、易变改、可解释性及高安全性;3)现代化策略,推荐‘现新比较试験’降低重構成本,并采用‘リホスト×リビルド’两阶段策略;4)业务变革循环,强调现代化后需持续优化业务流程;5)规划阶段质量对现代化成败的决定性作用。
当前市场对AI原生化呈现积极态度但进展不一。日本企业基幹系统保有率高,但生成AI应用率仅约5%。主要挑战在于传统系统复杂导致现代化技术难度大(IPA调查60.6%企业提及),同时企业对AI原生化仍处于探索阶段。‘現新比较試験’和‘リホスト×リビルド’策略成为应对高成本重構的有效路径,但整体转型仍需克服技术、成本及人才等多重障碍。
研报提示AI原生化转型需关注多重风险:1)技术风险,如生成AI幻觉可能导致‘現新比较試験’结果偏差,需谨慎评估;2)成本风险,‘リビルド’初期投入大,需通过‘リホスト’阶段平滑过渡;3)业务风险,系统重构后需持续的业务变革循环,否则可能因不适应导致效率下降;4)人才风险,AI原生开发要求新技能,现有团队需培训或招聘。此外,规划阶段判断失误可能导致方向性偏差,增加后期调整成本。