Modernizzare il core banking con la Generative AI
Quando i vantaggi si trasformano in risultati
Modernizzazione scalabile del core banking con minore rischio
La banca ha dimostrato di poter modernizzare ampie porzioni dei propri sistemi core attraverso un modello scalabile e ripetibile, capace di ridurre il rischio di programma nel lungo periodo.
La GenAI accelera la modernizzazione legacy su larga scala
La GenAI ha accelerato attività di modernizzazione che i metodi manuali non sarebbero in grado di sostenere su questa scala, tra cui documentazione, testing e affinamento del codice su milioni di righe.
Time-to-market più rapido con sistemi core cloud-ready
La trasformazione rafforza la capacità dell’istituto finanziario globale di competere con i player digital native, migliorando il time-to-market, riducendo i costi infrastrutturali e abilitando una scalabilità cloud-ready.
La GenAI abilita la trasformazione legacy su larga scala automatizzando ciò che i metodi manuali non possono gestire: documentazione completa, testing e affinamento del codice su scala enterprise.
La sfida
Perché le banche moderne hanno bisogno di un nuovo approccio alla modernizzazione IT
Molti dei sistemi fondamentali della banca erano stati progettati decenni fa per supportare le attività di filiale e back office. Oggi, questi sistemi devono sostenere servizi digitali always-on, canali mobile e nuove modalità di interazione con i clienti. Con la crescita dei volumi, il mainframe è diventato sempre più costoso da scalare e mantenere.
La banca si trovava inoltre ad affrontare una sfida strutturale comune a tutto il settore: i workload legacy erano fortemente interconnessi, rendendo ogni cambiamento complesso e dispendioso in termini di tempo. Con le competenze COBOL sempre più difficili da reperire, mantenere ed evolvere questi sistemi generava rischi operativi e di delivery. Gli approcci manuali alla modernizzazione legacy non erano praticabili per milioni di righe di codice interdipendenti. L’istituto finanziario globale aveva bisogno di una architettura moderna, progettata per scalabilità cloud, flessibilità e resilienza nel lungo periodo.
Engagement
Modernizzazione potenziata dall’AI con GFT e GenAI: combinare conversione deterministica e AI nello sviluppo software
GFT e la banca internazionale hanno adottato un approccio strutturato alla modernizzazione, combinando conversione deterministica del codice e accelerazione AI-driven attraverso la GenAI — includendo, tra gli altri strumenti, Wynxx, la piattaforma AI-driven di GFT progettata per accelerare il Software Development Life Cycle (SDLC). Il lavoro si è articolato in quattro aree principali che hanno guidato concretamente il percorso di modernizzazione.
- Strategia di modernizzazione: Il lavoro è iniziato con una fase di discovery e analisi approfondita per comprendere dipendenze, complessità e requisiti architetturali. Strumenti deterministici hanno convertito il codice COBOL in Java, preservando la logica di business core e creando le basi per un funzionamento distribuito.
- Ruolo della Generative AI: La GenAI ha fornito un’automazione essenziale su attività che altrimenti avrebbero richiesto un’estesa analisi manuale. Ha generato documentazione della logica legacy, creato scenari di test a supporto della validazione end-to-end e migliorato la leggibilità e manutenibilità del Java convertito. Ha inoltre contribuito alla modernizzazione dei processi batch, supportando pattern di runtime basati su Python. In tutte queste aree, i team hanno potuto avanzare più rapidamente e mantenere coerenza su larga scala.
- Evoluzione architetturale: GFT ha evoluto l’architettura distribuita per supportare questa trasformazione cloud-native, migliorando contesti di esecuzione, accesso ai dati, gestione delle code e componenti runtime.
- Un modello unificato: Il progetto ha definito un approccio alla modernizzazione che la banca internazionale può applicare a molteplici iniziative, garantendo coerenza man mano che il programma si estende.
I vantaggi
Un percorso collaudato verso la modernizzazione dell’intera banca
Il progetto ha confermato che una modernizzazione di questa scala è realizzabile e sostenibile con la giusta combinazione di automazione, evoluzione architetturale e supporto dell’AI. Il cliente ha validato la possibilità di migrare una parte significativa del proprio patrimonio legacy utilizzando questo modello, riducendo il rischio di programma nel lungo periodo e creando allineamento per le future iniziative di modernizzazione.
La documentazione, il testing e l’affinamento assistiti dall’AI hanno migliorato velocità e chiarezza del percorso di modernizzazione per i team di engineering. L’architettura aggiornata offre maggiore scalabilità, resilienza ed efficienza, supportando un time-to-market più rapido e costi infrastrutturali più contenuti. Il progetto è stato riconosciuto internamente, sia dall’istituto finanziario globale sia da GFT, come una iniziativa di modernizzazione di riferimento.
Con queste basi, la banca è ora nella posizione di estendere la modernizzazione ad altri sistemi ed esplorare ulteriori opportunità di affinamento assistito dall’AI del codice modernizzato.
Conclusione
I risultati di un programma di modernizzazione IT accelerato dall’AI
I programmi di modernizzazione globale richiedono molto più di una semplice migrazione del codice. Dipendono da automazione capace di ridurre lo sforzo manuale, evoluzione architetturale in grado di supportare la scalabilità e supporto AI-driven per accelerare attività complesse senza compromettere accuratezza o governance. Il progetto dimostra come l’AI nello sviluppo software possa abilitare una modernizzazione a un livello che i metodi legacy non possono raggiungere.
Grazie alla partnership con GFT, il cliente bancario ha costruito una piattaforma future-ready e un percorso ripetibile di modernizzazione bancaria, rafforzando la capacità della banca di innovare, scalare e offrire servizi digitali affidabili a milioni di clienti in tutto il mondo.
