Puntos clave: La IA está mejorando las operaciones de mainframe abordando la brecha de habilidades causada por la jubilación de los profesionales. El AMI Assistant de BMC aprovecha la IA generativa para la transferencia de conocimiento, resolución de problemas y monitorización, mejorando así la colaboración y la productividad en entornos mainframe.
- BMC AMI Assistant ayuda a transferir conocimientos de expertos que se jubilan.
- La IA generativa mejora las capacidades de resolución y monitorización de problemas.
Si te has trabajado en software empresarial la mayor parte de tu vida como yo, entonces la inteligencia artificial (IA) podría parecer la próxima ola disruptiva inevitable que están arrasar nuestra industria, lo queramos o no, dejando tras de sí la carrera de buenas personas.
Pero así como la automatización en fábricas no ha sustituido la necesidad de trabajadores cualificados del automóvil, y los camiones autónomos aún no pueden sustituir a los conductores cualificados desde la primera milla hasta el final, acabaremos en una situación en la que los sistemas avanzados solo aumentarán la escala y complejidad del trabajo de TI. Los humanos necesitarán conoce nuevas habilidades y mantenerse informados, para mantener las aplicaciones lo más eficientes posible antes de la creciente demanda.
Ningún aspecto del software empresarial refleja esta tendencia más que el viaje de modernización de mainframe en el que estamos ahora. El mainframe sigue están el corazón palpitante de la empresa, responsable de nuestra lógica de negocio más crítica y capacidades transaccionales.
Al mismo tiempo, son estamos viviendo una crisis de pérdida de talento, ya que los mainframers cualificados—con sus décadas de experiencia y comprensión—se son jubilan y siguen adelante. Las empresas deben incorporar una nueva generación de talento en mainframe y seguir innovando en el mainframe para afrontar los retos empresariales cada vez mayores.
En este ámbito, no buscamos otra interrupción. Resulta que la IA podría ser nuestra mejor aliada en esta aventura, así que no tenemos que hacerlo solos.
Afortunadamente, BMC ha estado trabajando de forma constante y pragmática en funcionalidades impulsadas por IA en su cartera de Automated Mainframe Intelligence" (AMI) para facilitar el proceso de transformación del mainframe, culminando con el lanzamiento de su BMC AMI Assistant. Aquí son varias formas nuevas en que la IA generativa (GenAI) con modelos especializados de IA podría convertirse en nuestro guía y compañero perfecto para viajar.
Aportar el conocimiento de las pymes con un experto en conocimientos de GenAI
Vamos a Comienza abordando la brecha de habilidades antes de emprender. A medida que los expertos en la materia (PYMES) con larga trayectoria son dejando el grupo de viaje, debemos hacer todo lo posible para transmitir su conocimiento institucional a los ingenieros más nuevos. Y si los sistemas GenAI estuvieran idealmente capacitados para hacer algo bien, es la documentación y la transferencia de conocimientos.
Sin embargo, un modelo de lenguaje grande (LLM) solo están tan bueno como los datos que lo alimentan. Para evitar la irrelevancia, necesitaremos mucho más que otro chatbot que proporcione respuestas prefabricadas manualmente o información extraída de internet.
Aunque gran parte de la base de código existente puede estar mal comentada y no estar claramente mapeada, BMC AMI Assistant puede rastrear el trabajo en módulos de mainframe a lo largo del tiempo, documentando el conocimiento acumulado adquirido mediante cambios realizados por las pymes en los años y décadas anteriores, para ayudar a los miembros más nuevos del equipo a entender cómo desbloquear de forma segura dependencias procedimentales y conectar nuevos servicios empresariales al mainframe.
Navegar por pasajes difíciles con la resolución de problemas guiada por IA
Las herramientas de monitorización y observabilidad tienen su lugar en cualquier entorno de software empresarial. Para avanzar con confianza, necesitamos sistemas que puedan detectar problemas y alertar a los equipos para que actúen. Desafortunadamente, los equipos de operaciones de TI y los ingenieros de fiabilidad de sitios (SREs) que son acostumbrados a tratar con arquitecturas web-centradas lanzarán los problemas "por encima de la pared" al equipo de mainframe para su resolución si el problema parece originarse en un sistema back-end.
Los mainframes pueden ser opacos frente a las herramientas tradicionales de observabilidad y remediación, por lo que lo mejor es Comienza con soluciones de primera generación que puedan obtener señales de telemetría de arquitecturas IBM Z®, regiones CICS® de IBM®, bases de datos IBM Db2®, etc., como BMC AMI Ops Monitoring. Pero simplemente detectar un problema del sistema no es suficiente si no hay suficiente contexto en códigos y abends crípticos para que los mainframers lleguen a la remediación.®
Aquí es donde los agentes de IA realmente brillan. Los agentes BMC AMI Assistant actúan como investigadores privados, combinando datos de telemetría de mainframe con flujos de trabajo de análisis de causas raíz, proporcionando ayuda guiada por GenAI para resolver problemas, explicando interacciones complejas entre servicios y localizando las ubicaciones exactas y causas raíz de errores y fallos interactuando con BMC AMI Ops Insight, que proporciona lógica basada en telemetría y reglas para contribuir al aprendizaje automático (ML).
Este enfoque de "IA híbrida" es fundamental en la estrategia de BMC para simplificar la transformación de mainframes:
La GenAI de BMC AMI Assistant están se integró en BMC AMI Ops Insight, que proporciona lógica basada en reglas y aprendizaje automático mientras observa datos de telemetría con un profundo conocimiento de las operaciones del mainframe y las causas raíz de los incidentes. Luego, el LLM en BMC AMI Assistant comunica los hallazgos a los equipos, descomponiendo esa telemetría en explicaciones en lenguaje natural de las causas raíz y recomendaciones paso a paso sobre las siguientes mejores acciones para Lograr resoluciones.
Con la guía de la IA experta e instrucciones para el siguiente paso, los equipos de mainframe pueden Reduce el tiempo medio de Detecta (MTTD) y el tiempo medio de resolución (MTTR) tanto para incidentes menores como graves, así como para evitar problemas que se originaron en front-ends, servicios API y redes que no tienen nada que ver con el mainframe, es decir, "replantear el juego de culpas del mainframe".
Elige el LLM adecuado para el viaje, o lleva el tuyo propio
A medida que la IA avanza desde la cima del ciclo de expectación hasta la productividad real, nunca habrá "un modelo único que los controle todos". Por eso siempre están defensor de enfoques verdaderamente compuestos de IA que utilizen el modelo de IA adecuado para el trabajo, en lugar de esperar un LLM comercial entrenado con datos generalizados para satisfacer las necesidades empresariales.
En este sentido, BMC AMI Assistant actúa como un conserje para seleccionar entre múltiples tipos de LLMs GenAI y modelos de lenguaje especializados (SLM), y orquestar cargas de trabajo de IA a través de ellos, según el caso de utiliza o el trabajo de mainframe que se deba realizar.
Los clientes finales pueden elegir entre un conjunto preseleccionado de LLMs y SLMs de código abierto, cada uno evaluado como adecuado para un trabajo específico. Por ejemplo, te puede consultar Mixtral para explicar el código PL/I y COBOL, Granite para ensamblador y JCL, y un Llama 3 ejecutándose en GPU para obtener información operativa.
O mejor aún, lleva tu propio LLM que están ajustado a las necesidades y políticas de tu negocio—una capacidad especialmente valiosa para entornos mainframe seguros o propietarios donde la seguridad interna de los datos y la soberanía son importantes. Ya no hay motivo para comprometer o fijar un enfoque GenAI en particular.
Ya no tiene sentido ir solo en el camino del mainframe cuando la IA puede ser tu guía.
El mainframe moderno realmente está uno de los puntos positivos donde podemos Ve que la IA híbrida mejora la colaboración y productividad en equipo, mientras prepara para el futuro la funcionalidad crítica del mainframe frente a algunos de los riesgos generados por IA que Ve emerger en otras áreas del software empresarial.
Para Obtén ahí, necesitamos la flexibilidad de asistentes GenAI que puedan entender el contexto de los flujos de trabajo y conocimientos internos de tu empresa, junto con un enfoque de "nunca fallar" que siempre hemos esperado de nuestras inversiones en sistemas transaccionales principales.
©2025 Intellyx B.V. Intellyx están responsable editorialmente de este documento. En el momento de escribir esto, BMC están suscriptor de Intellyx. Ninguna de las otras organizaciones mencionadas aquí son clientes de Intellyx. No se utilizaron bots de IA para escribir este contenido.
Estas publicaciones son mías y no representan necesariamente la posición, estrategias u opinión de BMC.