Il futuro del mainframe nell’era dell’AI

I mainframe avranno un posto nel futuro dell’AI? Per molte imprese che utilizzano questa tipologia di hardware la risposta è affermativa.

Anche se, 60 anni fa, la piattaforma mainframe non è stata creata per eseguire carichi di lavoro AI, l’86% dei leader aziendali e IT intervistati da Kyndryl [in inglese] affermano che stanno implementando, o prevedono di implementare, strumenti o applicazioni di intelligenza artificiale sui loro mainframe. Inoltre, nel breve termine, il 71% sostiene di utilizzare già gli insight guidati dall’AI per assistere i propri sforzi di modernizzazione delle loro macchine.

L’esecuzione dell’AI sui mainframe è una tendenza ancora agli inizi, ma lo studio suggerisce che molte aziende non intendono abbandonare questa tecnologia, anche se l’intelligenza artificiale crea nuove esigenze di elaborazione, osserva Petra Goude, global practice leader per core enterprise e zCloud presso la società globale di servizi IT gestiti Kyndryl [in inglese].

Molti clienti di quest’ultima sembrano pensare a come unire i dati mission-critical sui loro mainframe con gli strumenti di AI, sottolinea. Oltre a utilizzare l’AI con le iniziative di modernizzazione, quasi la metà degli intervistati [in inglese] prevede di utilizzare l’AI generativa per sbloccare i dati critici del mainframe e trasformarli in informazioni utili.

“O si spostano i dati verso il modello [AI] che in genere oggi viene eseguito nel cloud, o si spostano i modelli sulla macchina dove girano i dati”, aggiunge. “Credo che vedremo entrambe le cose”.

Nel frattempo, l’intelligenza artificiale può anche aiutare le aziende a modernizzare le loro strategie mainframe, sia che si tratti di assistere lo spostamento dei carichi di lavoro nel cloud, sia che si tratti di convertire il vecchio codice mainframe o di formare i lavoratori sulle tecnologie legate a big iron, aggiunge Goude.

Per la maggior parte degli utenti, la modernizzazione del mainframe [in inglese] significa mantenere alcuni carichi di lavoro mission-critical in sede e spostare altri carichi di lavoro nel cloud, racconta Goude. La grande maggioranza degli intervistati prevede di spostare alcuni carichi di lavoro dal mainframe [in inglese], ma quasi altrettanti affermano di considerare i mainframe importanti per le loro strategie aziendali.

Goude vede un numero maggiore di leader aziendali e IT che abbracciano un ambiente IT ibrido rispetto agli anni passati, quando molte organizzazioni adottavano un approccio “tutto o niente” [in inglese].

“L’indagine sta consolidando il fatto che il mondo IT è ibrido”, afferma. “Si tratta di scegliere il giusto carico di lavoro nella giusta piattaforma. Come si fa a fare la scelta giusta per qualsiasi applicazione?”.

L’AI assiste il codice

Per Lisa Dyer, vice president senior del prodotto presso Ensono, un MSP che lavora con i mainframe, i risultati dell’indagine di Kyndryl sembrano verosimili. La manager vede un interesse significativo da parte dei clienti nell’utilizzo dell’AI per aiutare gli sforzi di modernizzazione dei mainframe.

La stessa Ensono utilizza l’intelligenza artificiale per aiutare i clienti nella modernizzazione, tiene a precisare. L’AI può essere particolarmente utile per tradurre o aggiornare il codice sui mainframe dei clienti, rileva, scrivendo, per esempio, frammenti di nuovo codice o tradurre il vecchio COBOL in linguaggi di programmazione moderni come Java.

“L’AI può essere una tecnologia di assistenza”, prosegue Dyer. “La vedo in termini di aiuto per ottimizzare modernizzare e rinnovare il codice, nonché assistere gli sviluppatori nella sua manutenzione”.

Il fatto che gli utenti di mainframe si rivolgano all’AI per aiutare a modernizzare la piattaforma ha un suo senso, aggiunge Chris Dukich, CEO dell’azienda tecnologica di marketing digitale Display Now, che ha lavorato con aziende che si rivolgono all’AI per navigare nelle complessità della modernizzazione del mainframe.

“Molte istituzioni sono disposte a ricorrere all’intelligenza artificiale per migliorare i sistemi obsoleti, in particolare i mainframe”, afferma. “L’AI riduce l’onere di diverse fasi di lavoro, come la riscrittura del codice o la sostituzione dei database, snellendo l’intera fase di aggiornamento”.

Spostare l’AI nel mainframe

Come Goude di Kyndryl, sia Dyer che Dukich hanno assistito ai primi sforzi per eseguire carichi di lavoro AI sui mainframe. Quest’anno, decine di aziende sembrano essere nella fase pilota o di proof-of-concept, indica Dyer, con un maggiore slancio in arrivo con la prossima generazione di big iron [in inglese].

Molte organizzazioni hanno i loro dati mission-critical che risiedono su questo tipo di piattaforma, e potrebbe essere sensato eseguire i modelli di AI dove sono archiviati questi dati, dice Dyer. In alcuni casi, questa può essere un’alternativa migliore rispetto allo spostamento delle informazioni critiche su altri hardware, che potrebbero non essere altrettanto sicuri o resilienti, aggiunge.

“Avete sia i dati dei vostri clienti che quelli che io chiamo i dati operativi sul mainframe”, spiega. “E vedo il valore di poter sviluppare ed eseguire i modelli direttamente lì, perché non occorre spostare i dati, ha una latenza molto bassa, un’alta velocità di trasmissione e tutti quelle caratteristiche necessarie a certe tipologie di applicazioni AI”.

Molti utenti di mainframe con grandi insiemi di dati vogliono conservarli, e l’esecuzione dell’intelligenza artificiale su di essi è la prossima frontiera, aggiunge Dukich.

“La relativa affidabilità, sicurezza e scalabilità dei mainframe li rende refrattari ai cloud concorrenti e li rende molto utili nel lavoro analitico e decisionale agevolato dall’AI”, conclude.