Modernizar sistemas legados con IA: de acelerador a migrador

Todo banco tiene un sistema que nadie quiere tocar. Funciona, procesa millones en operaciones y está escrito en una tecnología que cada año domina menos gente. La documentación está desactualizada, las reglas de negocio viven en el código y en la memoria de dos o tres personas. Modernizarlo es urgente; detenerlo es impensable.

He participado en proyectos donde ese dilema era el centro de todo, como la fusión de los cores de dos bancos sin interrumpir la operación. Lo que aprendí ahí sigue vigente: la modernización no es un problema de tecnología nueva, es un problema de conocimiento, riesgo y secuencia. La IA generativa no cambia esa naturaleza, pero sí cambia el costo de resolver cada una de esas tres partes.

El verdadero cuello de botella: entender lo que existe

En una modernización, la mayor parte del esfuerzo no está en escribir el sistema nuevo. Está en entender el viejo: qué hace realmente, qué reglas aplica, qué casos raros resuelve y de qué depende. Ese trabajo de arqueología es lento, caro y propenso a omisiones.

Aquí la IA aporta su primer valor, como acelerador del entendimiento:

• Explicar código heredado en lenguaje claro, módulo por módulo.
• Extraer reglas de negocio implícitas (validaciones, cálculos, condiciones especiales) y proponerlas como catálogo verificable.
• Mapear dependencias: qué programas llaman a cuáles, qué tablas usan, qué procesos batch encadenan.
• Reconstruir documentación que se perdió hace años.

Ojo: todo esto son hipótesis que el equipo debe validar. Un modelo puede interpretar mal una regla con total seguridad. La diferencia es que validar una hipótesis bien escrita es mucho más rápido que descubrirla desde cero.

La estrategia sigue siendo la del estrangulamiento

El patrón que mejor funciona para modernizar sin detener la operación sigue siendo el estrangulamiento (strangler fig): rodear el sistema heredado con una capa que intercepta las llamadas y, poco a poco, desviar funcionalidades hacia componentes nuevos hasta que el viejo pueda apagarse.

1. Poner una fachada delante del sistema heredado. Una capa media de APIs gobernada es ideal para esto: los consumidores dejan de hablar directo con el legado.
2. Elegir una capacidad acotada y reconstruirla en el componente nuevo.
3. Ejecutar en paralelo y comparar resultados entre el sistema viejo y el nuevo.
4. Desviar el tráfico cuando los resultados coinciden de forma sostenida.
5. Repetir hasta vaciar el sistema heredado.

La IA no reemplaza este patrón. Lo acelera en cada paso.

Tres niveles de uso de la IA en la migración

Nivel 1: acelerador del equipo

El equipo sigue escribiendo el sistema nuevo, pero con asistencia: generación de código en el stack destino, pruebas, scripts de datos, documentación. Es el nivel de menor riesgo y el que más rápido devuelve valor.

Nivel 2: traductor asistido

La IA propone la traducción de módulos completos del lenguaje heredado al nuevo (por ejemplo, de procedimientos almacenados o lenguajes antiguos a servicios modernos). Las personas revisan, ajustan y, sobre todo, verifican equivalencia funcional. Aquí la calidad depende de tener buenas pruebas.

Nivel 3: migrador supervisado

Agentes que toman un módulo, lo analizan, lo traducen, generan pruebas de equivalencia, ejecutan ambas versiones con los mismos datos y reportan diferencias. Las personas definen el alcance, aprueban cada paso y deciden el corte.

Es el nivel más ambicioso y el que más preparación exige. Pocos bancos están listos hoy, pero es hacia donde va la práctica.

Pruebas de equivalencia: la pieza que no se negocia

La pregunta central de toda migración es: ¿el sistema nuevo hace exactamente lo mismo que el viejo en todos los casos que importan? Sin una respuesta medible, ninguna velocidad compensa el riesgo.

• Datos de referencia: conjuntos de entradas reales (anonimizadas) con sus salidas esperadas, tomadas del sistema heredado.
• Ejecución en paralelo: el nuevo componente recibe el mismo tráfico y se comparan resultados sin afectar la operación.
• Casos límite: fines de mes, cierres, feriados, montos extremos, reversos. La IA ayuda a encontrarlos en el código heredado; el equipo decide cuáles son críticos.
• Criterio de corte explícito: cuántos días de coincidencia, con qué volumen y qué tolerancia.

La IA genera pruebas en cantidad; el equipo garantiza que sean las pruebas correctas.

Riesgos específicos de usar IA en migraciones

• Traducción literal. Migrar línea por línea reproduce los defectos de diseño del sistema viejo en tecnología nueva. Hay que decidir qué se rediseña, no solo qué se traduce.
• Reglas mal interpretadas. Un cálculo de intereses o una regla de redondeo mal entendida puede tener impacto financiero real. Toda regla crítica requiere validación de negocio.
• Datos sensibles. El código heredado suele contener datos de prueba reales o referencias a información de clientes. Usar modelos externos sin controles es un riesgo de cumplimiento.
• Falsa sensación de avance. Generar mucho código rápido no es lo mismo que migrar. El avance se mide en capacidades desviadas a producción, no en líneas escritas.

Una hoja de ruta realista

1. Inventario asistido del sistema heredado: módulos, dependencias, reglas, volumen de uso.
2. Priorización por valor y riesgo: empezar por capacidades valiosas pero acotadas, no por el corazón del core.
3. Fachada de integración para desacoplar consumidores.
4. Piloto con IA en nivel 1 y 2, midiendo tiempo, defectos y retrabajo frente a la línea base.
5. Pruebas de equivalencia automatizadas antes de cualquier corte.
6. Escalar a nivel 3 solo cuando el proceso de verificación sea confiable.

Cierre

La IA no convierte una modernización imposible en trivial. Lo que hace es bajar el costo de entender, traducir y verificar, que son justamente las tres tareas que hacían inviables muchas migraciones. El patrón de estrangulamiento, las pruebas de equivalencia y el gobierno del cambio siguen siendo la columna vertebral.

Con IA, el sistema que "nadie quiere tocar" deja de ser un callejón sin salida y pasa a ser un proyecto con secuencia, métricas y fecha de apagado. Esa es la diferencia que importa.