El equipo de dirección la empresa ficticia XYZ Inc era optimista cuando se embarcó en un viaje para migrar a cloud sus numerosos sistemas heredados utilizando herramientas de IA generativa de última generación. La asociación con un proveedor líder de soluciones de IA prometía eficiencia y reducción de costes; sin embargo, había que ayudar a las mencionadas herramientas a gestionar la complejidad y especificidad de los sistemas de XYZ, lo que provocaba frecuentes intervenciones manuales. Los plazos se revisaban constantemente y el proyecto se salió del presupuesto a los seis meses de la migración. Lo que se suponía que iba a ser un proceso ágil se convirtió en una maraña de gastos inesperados y de retrasos. ¿Cómo pudo ocurrir?

La experiencia de esta compañía ficticia contradice la afirmación de McKinsey de que “el uso de IA generativa está reduciendo los esfuerzos de migración a la nube entre un 30% y un 50% cuando se hace correctamente”. Por supuesto que el uso de la IA para procesos de migración tiene ventajas, como el desarrollo de aplicaciones netamente nuevas y la refactorización de aplicaciones. Sin embargo, la IA generativa no nos librará de los efectos de la escasez de talento y tampoco disminuirá los plazos de los proyectos de migración.

Promesas y peligros

A primera vista, el uso de grandes modelos lingüísticos (LLM) para la migración a la nube suena como una bala de plata. En teoría, estos modelos pueden comprender la infraestructura de un sistema y producir los scripts necesarios para facilitar la migración. Sin embargo, la suposición de que la IA generativa puede homogeneizar los diversos e intrincados paisajes de la TI empresarial es una idea que hay que revisar. He aquí por qué:

• Cada proyecto de migración a la nube es único. Sus complejidades exigen herramientas y procesos específicos adaptados a ámbitos problemáticos concretos. La IA generativa rara vez tiene en cuenta la naturaleza a medida de estos requisitos, lo que conduce a soluciones a medias que requieren una intervención humana sustancial para corregirlas.
• Muchas empresas operan con sistemas heredados. Los flujos de trabajo suelen tener matices y no están documentados. Normalmente hay que ayudar a los LLM a interpretar con precisión estas complejidades, lo que provoca lagunas en el proceso de migración. Estas pueden requerir costosas reescrituras e intensas sesiones de depuración, lo que anula el propósito de utilizar la IA en primer lugar.
• Las empresas de sectores regulados se enfrentan a estrictos requisitos de cumplimiento. Aunque la IA generativa puede ayudar a identificar posibles problemas de cumplimiento, la validación final a menudo requiere supervisión humana para garantizar que las recomendaciones basadas en IA cumplen las normas reglamentarias, lo que puede añadir complejidad y costes.

No es una solución sencilla

El atractivo de la IA generativa reside en la promesa de automatización y eficiencia en torno a esta tecnología. Si la migración a la nube fuera un escenario de ‘talla única’, funcionaría. Pero cada empresa se enfrenta a retos diferentes basados en su pila tecnológica, sus requisitos empresariales y su entorno normativo. Esperar que un modelo generativo de IA gestione todas las tareas de migración sin problemas es poco realista.

Sospecho que en el momento en que se establezca una cadena de herramientas de migración de IA para ayudar en la migración, el retraso y el coste de esa cadena de herramientas borrarían cualquier beneficio potencial. Si se piensa en ello, se pueden encontrar otros ejemplos en la industria de TI en los que alguna tecnología elimina un valor en lugar de añadirlo, casi la mitad de las veces, según mi experiencia.

El éxito de las migraciones a la nube depende de herramientas especializadas y de la experiencia humana. Por ejemplo, las herramientas personalizadas abordan problemas específicos que surgen durante la migración. Las pruebas sintéticas en tiempo real y los marcos de infraestructura como código son indispensables para gestionar las minucias de las tareas de migración.

Además, la supervisión humana sigue siendo necesaria. Los profesionales cualificados aportan conocimientos críticos que la IA no puede reproducir. Su experiencia es esencial para superar retos imprevistos y garantizar la integridad del proceso de migración.

El coste real de la IA generativa

Más allá de la inversión inicial en herramientas de IA, los costes ocultos que implica el uso de esta tecnología para la migración a la nube se acumulan rápidamente. Por ejemplo, la ejecución de modelos de IA generativa suele requerir importantes recursos informáticos, lo que puede resultar caro. Además, mantener los modelos de IA generativa actualizados y seguros exige una sólida gestión de API y medidas de ciberseguridad. Por último, los modelos de IA generativa precisan un perfeccionamiento y reentrenamiento continuos para seguir siendo relevantes, lo que conlleva costes constantes.

Estos factores conducen a menudo a una situación muy similar a la de la empresa inventada en este artículo. La IA generativa, aunque valiosa en ciertos aspectos, aún no es la panacea para las complejidades de la migración a la nube.

Seguro que muchos piensan: “Otra vez Linthicum agua la fiesta a la IA generativa y acaba con la ilusión de usar esta como un multiplicador de fuerza para la gente que hace migraciones a la nube”. Una estrategia empresarial de éxito tiene que ver con lo que funciona bien y lo que hay que mejorar. Todos entendemos que la IA es una herramienta poderosa y lo ha sido durante décadas, pero debe considerarse con cuidado, una vez que haya identificado el problema específico que está buscando resolver.

La migración a la nube es un proceso complejo y polifacético que exige soluciones adaptadas a las necesidades específicas de cada empresa. Aunque la IA generativa es prometedora, confiar demasiado en ella puede conducir a mayores costes y complejidades en lugar de a la simplificación. La clave del éxito de la migración reside en un enfoque equilibrado, que aproveche la IA allí donde destaque, al tiempo que se apoya en herramientas especializadas y en la experiencia humana para navegar por el espinoso escenario de la transición a la nube.

Al comprender las limitaciones y las aplicaciones realistas de la IA generativa, las empresas podrán planificar mejor sus estrategias de migración, evitar las trampas de la automatización excesiva y garantizar una transición a la nube más fluida y rentable.