Las aplicaciones empresariales obsoletas pueden nublar su visión de la IA

Las aplicaciones de software obsoletas están creando obstáculos para la adopción de la IA en muchas organizaciones, y la capacidad limitada de retención de datos es una de las principales causas, según los expertos en TI.

Las aplicaciones de hace décadas diseñadas para retener una cantidad limitada de datos debido a los costes de almacenamiento de la época tampoco se integran fácilmente con las herramientas de IA, afirma Brian Klingbeil, director de estrategia del proveedor de servicios gestionados Ensono.

Además, el coste de mantener un software obsoleto, con un número cada vez menor de ingenieros de software familiarizados con las aplicaciones, puede ser elevado, afirma. Dado que las aplicaciones heredadas absorben una parte importante del presupuesto de TI de una organización, hay menos dinero disponible para nuevas iniciativas, lo que ralentiza aún más la adopción de la IA. Según la encuesta sobre la opinión del CIO de CIO.com de 2023, las organizaciones gastaban en ese momento una media del 12,8% de sus presupuestos de TI en deuda tecnológica.

El problema de la retención de datos es un gran desafío porque los datos recopilados internamente impulsan muchas iniciativas de IA, dice Klingbeil. Con capacidades actualizadas de recopilación de datos, las empresas podrían encontrar un ‘tesoro’ de datos del que podrían alimentarse sus proyectos de IA.

“Si la aplicación en sí es heredada, con código defectuoso almacenado en diferentes lugares, todo tipo de problemas pueden provenir de la propia aplicación”, añade. “Lo que tienen en común las aplicaciones heredadas es que tienden a haber sido escritas cuando el almacenamiento costaba mucho dinero, y ahora el almacenamiento es básicamente gratuito”.

Preocupaciones de los clientes sobre las aplicaciones antiguas

En Ensono, Klingbeil dirige un consejo asesor de clientes, con CIO de los sectores bancario y de seguros bien representados. Los problemas que las aplicaciones heredadas crean para los proyectos de IA han sido un tema de conversación reciente con esos directores de sistemas de la información, dice.

La banca y los seguros son dos sectores que todavía utilizan mucho los mainframes, y Ensono gestiona mainframes para varios clientes. Aunque el hardware y el software siguen siendo importantes para estas organizaciones, y podrían tener un futuro con la IA, las empresas que dependen de los mainframes están perdiendo su experiencia interna a medida que los trabajadores de TI más veteranos se jubilan.

“Estas aplicaciones antiguas que se han creado en mainframe no deberían sustituirse necesariamente”, afirma Klingbeil. “Puede ser que el mainframe funcione perfectamente, o que sea caro o arriesgado cambiarlo, o que no merezca la pena. Pero se pueden modernizar”.

Klingbeil y Ensono han visto de primera mano los desafíos que presentan las aplicaciones heredadas para la IA. Al crear una herramienta basada en el aprendizaje automático para predecir las necesidades de mantenimiento de sus clientes, Ensono descubrió que sus clientes utilizaban varias aplicaciones antiguas para recopilar tickets de incidencias, pero esas aplicaciones almacenaban los datos de las incidencias en formatos muy diferentes, con tipos de datos recopilados incoherentes, afirma.

Otros líderes de TI ven los mismos desafíos que las aplicaciones heredadas crean para la IA. El director de Datos y Análisis de una gran empresa le dijo recientemente a Jeremiah Stone, director de Tecnología del proveedor de plataforma de integración como servicio (iPaaS) SnapLogic, que sus datos no estaban en condiciones de ser útiles para la IA debido a la mala gestión de sus aplicaciones en los últimos años.

“En muchos casos, las aplicaciones obsoletas bloquean por completo la adopción de la IA”, afirma Stone. “El secreto a voces entre los CIO es que una gran parte de la inversión en IA se destina a socios de servicios que elaboran estrategias de modernización o actualizan sistemas obsoletos”.

Stone calificó las aplicaciones obsoletas como un “problema de varios billones de dólares”, incluso después de que las organizaciones hayan pasado la última década centrándose en modernizar su infraestructura para hacer frente a los macrodatos.

“Estamos en plena transición”, afirma Stone. “Realmente no hemos empezado a actualizar y normalizar las aplicaciones de datos semiestructurados y no estructurados más amplias que impregnan los procesos empresariales y que son exactamente los datos y flujos de negocio que más pueden beneficiarse de las últimas oleadas de innovación en IA”.

Modernizar por etapas

Para solucionar el problema, los CIO deben primero hacer un inventario de su infraestructura de TI existente e identificar las áreas con mayor necesidad de modernización, recomienda Stone.

“En última instancia, seguirá habiendo una mezcla de sistemas antiguos y nuevos, una situación que requiere estrategias de integración sólidas para evitar el caos de datos y las soluciones aisladas”, afirma. “El objetivo es crear canales de integración que conecten a la perfección diferentes sistemas y fuentes de datos”.

Los CIO deben centrarse en los proyectos de modernización de software que más importan, añade Justice Erolin, director de Tecnología de la empresa de desarrollo de software BairesDev. Los CIO deben identificar las aplicaciones que afectan directamente a sus iniciativas de IA y trabajar primero en ellas.

En algunos casos, las empresas pueden modernizar sus aplicaciones empresariales adoptando middleware y API para conectar los sistemas heredados con las tecnologías más recientes, en lugar de reescribir todo el código, añade.

“Esto permite la extracción e integración de datos en modelos de IA sin tener que reescribir plataformas enteras”, afirma Erolin.

Los CIO también deberían utilizar lagos de datos para agregar información de múltiples fuentes, añade. Los modelos de IA pueden acceder a los datos que necesitan sin depender directamente de aplicaciones obsoletas.

Ingeniería de datos para salvar la brecha entre la IA y las ‘apps’ heredadas

Sin embargo, algunos líderes de TI no creen que las aplicaciones obsoletas sean un gran obstáculo para los proyectos de IA.

Aunque puede ser complicado extraer datos de software heredado, un problema mucho mayor está en el siguiente paso, dice Robert Cloutier, director de Ingeniería de Datos e IA en Nexapp, un proveedor de soluciones de redes, IoT y computación de vanguardia. Una vez extraídos los datos, los equipos de TI deben interpretarlos y alinearlos con los requisitos específicos de las aplicaciones basadas en IA.

“El camino hacia la utilización eficaz de la IA no consiste únicamente en superar los obstáculos técnicos de la integración”, afirma. “Se trata de salvar la brecha entre los datos en bruto y los conocimientos prácticos”.

Algunas aplicaciones empresariales más antiguas recopilan y guardan una cantidad limitada de datos, pero otras tienen todo tipo de información que puede ser valiosa para la organización, añade Cloutier. En algunos casos, los responsables de TI dudan en aprovechar esos datos porque no saben cómo extraerlos, pero la experiencia en ingeniería de datos adecuada puede resolverlo.

“Esos viejos sistemas llevan décadas funcionando, así que hay un montón de información valiosa que se puede aprovechar”, afirma. “Hay tesoros ahí dentro que ni siquiera quieren abordar porque quieren cambiar el sistema, o todos los datos heredados, y entonces hay que esperar años”.