AI ఆధారిత లెగసీ IT ఆధునీకరణ ఆర్థిక పరీక్షను ఎదుర్కొంటోంది

ఆధునీకరణ ఇంకా పూర్తికాని పని

సంస్థలు దశాబ్దాలుగా పాత సాంకేతిక వ్యవస్థలను ఆధునీకరిస్తున్నాయి. మెయిన్‌ఫ్రేమ్‌లు మరియు ఇతర లెగసీ వ్యవస్థలు web services, microservices, virtualization, cloud, x86 ఆధారిత Windows మరియు Linux సర్వర్లతో అనుసంధానించబడ్డాయి. అయినప్పటికీ ఆధునీకరణ ఖరీదైనది, నెమ్మదైనది, ఎప్పటికీ పూర్తికానిదిగా కనిపిస్తుంది.

Agentic AI సమన్వయం, ఆటోమేషన్ అందించగలదని విక్రేతలు చెబుతున్నారు. కానీ ZDNET విశ్లేషణ ప్రకారం ఈ ప్రతిపాదన ఇంకా ప్రారంభ దశలోనే ఉంది.

AI పాల్గొనగలదా అనేది ప్రశ్న కాదు; ఆలస్యం, అదనపు ఖర్చు, పరిమిత కార్యకలాప మెరుగుదల మరియు స్పష్టతలేని వ్యాపార విలువను మార్చగలదా అనేదే ప్రశ్న.

స్వీకరణ ఇంకా పరిమితం

IT సేవల సంస్థ Kyndryl నిర్వహించిన 2,000 మంది సీనియర్ IT నిర్ణయాధికారుల సర్వేను ZDNET పేర్కొంది. కేవలం 10% మంది ఆధునీకరణకు Agentic AI ఉపయోగిస్తున్నామని చెప్పారు.

లెగసీ వాతావరణాన్ని ఆధునీకరించడం ఒక సాంకేతిక మార్పు మాత్రమే కాదు. అందులో అప్లికేషన్లు, ప్రక్రియలు, ఆధారాలు మరియు వెంటనే ఆపలేని పాత వ్యవస్థలు ఉంటాయి.

వినియోగం తక్కువగా ఉండటం వల్ల AI డెలివరీ, ఖర్చు నియంత్రణ లేదా కొలిచగల ఆవిష్కరణ ప్రయోజనాలను మెరుగుపరుస్తుందా అనేది నిర్ధారించడం కష్టం.

ఫలితాలు ఏకరీతిగా లేవు

Kyndryl ఫలితాల ప్రకారం, సుమారు సగం సంస్థలు మెరుగైన IT కార్యకలాపాలను నివేదించాయి. సగానికి తక్కువ సంస్థలు ఆవిష్కరణ ప్రయోజనాలు పొందాయి. 18% సంస్థలు పరిమిత లేదా స్పష్టతలేని విలువను తెలిపాయి.

దాదాపు సగం మంది షెడ్యూల్ ఆలస్యం మరియు ఖర్చు పెరుగుదలను తెలిపారు. అందువల్ల AI ఏజెంట్లు సాంకేతిక సామర్థ్యం మాత్రమే కాకుండా కార్యకలాపాలు, ఆవిష్కరణ, సమయం మరియు ఖర్చులో మెరుగుదల చూపాలి.

AIని ఏకీకృత పొరగా ప్రచారం చేస్తున్నారు

AI ఏజెంట్లు అప్లికేషన్లు, మౌలిక వసతులు మరియు బృందాల మధ్య పనిని అనుసంధానించవచ్చు. కానీ సమన్వయం మాత్రమే ఆర్థిక ప్రయోజనాన్ని నిరూపించదు. ఆధునీకరణ విలువ అమలు తర్వాతి ఫలితాలపై ఆధారపడి ఉంటుంది.

మునుపటి విధానాలు సాధించని ఫలితాలను ఏజెంట్లు అందిస్తారా అనేదే ప్రశ్న. AI పరిష్కారంగా మారవచ్చు లేదా మరో వాగ్దానంగా మిగిలిపోవచ్చు.

సాంకేతిక నాయకులకు ఆచరణాత్మక పరీక్ష

తక్షణ పాఠం సంయమనం. AI సామర్థ్య ప్రదర్శనను, ప్రాజెక్టు ఆర్థిక ఫలితాలు మెరుగుపడ్డాయనే ఆధారాన్ని సంస్థలు వేరు చేయాలి.

• IT కార్యకలాపాలు మెరుగుపడ్డాయా?
• కొత్త సాంకేతిక నిర్మాణం మాత్రమే కాకుండా ఆవిష్కరణ ప్రయోజనం వచ్చిందా?
• ఆలస్యం మరియు అదనపు ఖర్చులు తగ్గాయా?
• స్పష్టమైన విలువ కనిపిస్తున్నదా?

AIని దశాబ్దాల సమస్యకు తదుపరి పరిష్కారంగా చూపుతున్నప్పుడు ఈ ప్రశ్నలు కీలకం. Kyndryl గణాంకాలు అవకాశంతో పాటు అతిశయోక్తి ప్రమాదాన్ని కూడా చూపిస్తున్నాయి.

ఈ కథనం ZDNET రిపోర్టింగ్ ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.