AI zmienia ekonomię modernizacji systemów
Ogłoszenie możliwości modernizacji systemów w COBOL przez modele od Anthropic wywołało natychmiastową reakcję rynku, w tym spadki wyceny spółek kojarzonych z tradycyjną infrastrukturą mainframe, takich jak IBM. Nie chodziło o nagłe porzucenie COBOL ani o utratę kompetencji przez dostawców. Rynek zinterpretował sygnał jako zmianę struktury kosztów w całym segmencie usług IT, a nie jedynie poprawę produktywności programistów.
COBOL jako symbol wielkich budżetów
COBOL od dekad stanowi fundament systemów bankowych, ubezpieczeniowych i administracyjnych, odpowiadając za przetwarzanie transakcji i krytyczne procesy finansowe. Modernizacja takich środowisk oznaczała dotąd wieloletnie programy, ogromne zespoły konsultingowe i budżety liczone w setkach milionów dolarów. Model przychodowy był prosty: liczba specjalistów pomnożona przez godziny pracy i czas trwania projektu, co utrwalało liniową zależność między wysiłkiem a kosztem.
Automatyzacja analizy jako punkt zwrotny
Najbardziej kosztownym etapem transformacji legacy nie było pisanie nowego kodu, lecz zrozumienie starego – analiza logiki biznesowej, mapowanie zależności i identyfikacja lat narastających modyfikacji. Współczesne modele językowe potrafią analizować całe repozytoria, rekonstruować architekturę i wykrywać wzorce. Przejęcie warstwy odkrywania przez AI podważa fundament modelu konsultingowego opartego na czasie pracy.
Silnik analityczny nad złożonością
Systemy legacy charakteryzują się brakiem dokumentacji i wiedzą rozproszoną wśród wąskiej grupy ekspertów. Dla modeli AI wielomilionowe bazy kodu stają się zbiorem wzorców do analizy, a nie barierą poznawczą. W efekcie powstaje nowa warstwa operacyjna – AI jako silnik analityczny nad kodem, skracający cykle decyzyjne i redukujący zakres ręcznej translacji.
Zmiana logiki wyceny
Jeżeli projekty modernizacyjne stają się krótsze i wymagają mniejszych zespołów, struktura przychodów ulega kompresji. Oznacza to presję na marże oraz rewizję mnożników wyceny firm usługowych. Inwestorzy coraz częściej oceniają, czy AI jest dodatkiem, czy rdzeniem modelu operacyjnego, co bezpośrednio wpływa na percepcję ryzyka i potencjału wzrostu.
Model AI-native jako standard
Środowiska startupowe, w tym inicjatywy takie jak Y Combinator, wskazują na rosnące znaczenie firm projektowanych od początku wokół agentów AI. Zmiana polega na przejściu z modelu „oprogramowanie + czas specjalistów” do modelu „rezultat generowany przez inteligencję”. W takim podejściu wartość nie wynika z liczby osób zaangażowanych w projekt, lecz z jakości i skuteczności systemu.
Konsekwencje dla firm usługowych
Model oparty na FTE znajduje się pod rosnącą presją, ponieważ automatyzacja redukuje zapotrzebowanie na duże zespoły transformacyjne. Konieczne staje się budowanie własnych warstw automatyzacji i integracja AI z istniejącymi workflow. Przewaga konkurencyjna przesuwa się z liczby konsultantów na jakość narzędzi i pipeline’ów opartych na AI.
Nowa rola zespołów developerskich
Rola programistów ewoluuje z implementacji w kierunku architektury, walidacji i kontroli jakości. Znajomość narzędzi AI staje się kompetencją bazową, a umiejętność projektowania systemów współpracujących z modelami językowymi zyskuje strategiczne znaczenie. Wartość przesuwa się w stronę projektowania złożoności, a nie ręcznego jej przetwarzania.
