Eli5-artikelreeks: de mens in softwaremodernisering en AI-implementaties

De integratie van kunstmatige intelligentie in de enterprisearchitectuur dwingt technologieleiders hun moderniseringsstrategieën te heroverwegen. Nu de verschuiving plaatsvindt van traditionele digitale transformatie naar AI-gestuurde workflows, worden de menselijke en operationele uitdagingen de echte knelpunten.

De enterprisearchitectuur heroverwogen voor het agentic tijdperk

Bron: McKinsey

Samenvatting. Technologieleiders staan bij het moderniseren van de enterprise-IT-architectuur met agentic AI voor een keuze: incrementele verandering of volledige transformatie. Bij incrementele integratie wordt agentic AI bewust in de loop van de tijd aan bestaande systemen toegevoegd. Een allesomvattende transformatie vraagt om een complete herziening van de enterprisearchitectuur om agentic workflows te ondersteunen.

Beoordeling en inzichten. Het artikel presenteert een volledige transformatie als een haalbare optie. Wij vinden dat voor de meeste organisaties bijzonder optimistisch. Alles tegelijk aanpakken gaat voorbij aan de complexe menselijke en operationele realiteit van een onderneming.

De realiteit van vendor lock-in. Een volledige transformatie is vaak juridisch onmogelijk. Veel enterprisearchitecturen zitten vast in meerjarige leverancierscontracten, zoals een tienjarige overeenkomst met Microsoft, waardoor het kernsysteem niet kan worden aangeraakt, zelfs niet als het team dat wil. Een gebruikersgerichte AI-laag erbovenop bouwen is vaak de enige realistische weg vooruit.

De valkuil van de overdracht door een bureau. Het werkt nooit wanneer een externe partij een nieuw systeem bouwt, overdraagt en vertrekt. De echte waarde van het inschakelen van een extern team zit in het overdragen van institutionele kennis over processen, testen en security aan de eigen medewerkers. Als het interne team het plan niet steunt of de nieuwe architectuur niet begrijpt, zal het gemoderniseerde systeem uiteindelijk falen.

Verborgen bedrijfsregels achterhalen. Legacysystemen zitten vol specifieke compliance- en governancevalkuilen die nergens gedocumenteerd staan. Deze kennis is niet te achterhalen door alleen naar de code te kijken. Ze moet rechtstreeks worden opgehaald bij de mensen die de huidige systemen onderhouden, voordat zij met pensioen gaan of vertrekken.

Hoe agentic AI helpt de systemen te herstellen die niet vervangen kunnen worden

Bron: Noordwest Quantum

Samenvatting. Veel belangrijke systemen die vitale workflows verwerken, zijn te sterk verouderd om gepauzeerd of vervangen te kunnen worden. Amazon traint AI-agents op high-fidelity simulaties van deze legacysystemen, zodat ze de eigenaardigheden, vertragingen en onzichtbare afhankelijkheden ervan leren kennen. Door die eigenaardigheden achter de schermen af te handelen, wordt de agent in feite een universele interface die klanten voor uiteenlopende taken kunnen gebruiken zonder de oude infrastructuur te ontmantelen.

Beoordeling en inzichten. Kritieke legacysoftware behouden en tegelijkertijd AI inzetten om de gaten te overbruggen, is een zeer praktische strategie. Lagen bouwen bovenop legacysystemen brengt een eigen reeks fascinerende uitdagingen met zich mee voor het dagelijks werk van software engineers.

De drievoudige mentale belasting. Het bedienen van deze AI-systemen verandert de rol van een engineer van het uitvoeren van taken naar het aansturen van een AI. Als de AI niet de juiste tooling en guardrails meekrijgt, moet de engineer voortdurend bijsturen en de output beoordelen, wat drie keer de normale mentale belasting oplevert en tot massale burn-out leidt.

Het 80/20-collegamodel. Om deze cognitieve uitputting te voorkomen, zouden organisaties de AI eerder als een collega dan als een eenvoudig hulpmiddel moeten behandelen. Het systeem moet zo worden ontworpen dat de AI tachtig procent van de taken autonoom afhandelt. Bij de resterende twintig procent klopt de AI bij de engineer aan voor richting, vergelijkbaar met het ontvangen van een direct bericht op Slack.

Beleefdheid bepaalt de codekwaliteit. Het blijkt dat de manier waarop een LLM wordt aangesproken, rechtstreeks van invloed is op de kwaliteit van de output. Omdat deze modellen hun trainingsdata van het internet halen, sluit een denigrerende toon aan bij de kwalitatief mindere, snerende reacties die op forums te vinden zijn. Een beleefde, wetenschappelijke benadering van de AI haalt juist hoogwaardigere, professionele antwoorden naar boven.

Engineers zijn de beste orkestrators. Een niet-engineer geeft misschien een vage prompt als maak het schaalbaar, wat de AI op talloze manieren verkeerd kan interpreteren. Een engineer begrijpt de backendcontext en kan expliciet om een gesharde database vragen, waardoor die veel beter is toegerust om agentic workflows te beheren en goed te keuren.

Volledige video-aflevering: De mens in softwaremodernisering en AI-implementaties

De eerste stap om de moderniseringsreis te starten

Softwaremodernisering en architecturale herbouw vormen de kern van Eli5. Wij lossen complexiteit op en leveren directe bedrijfswaarde door te focussen op pragmatische, cloud-native transities.

Voordat de keuze valt om het legacysysteem in te kapselen, een nieuw SaaS-product aan te schaffen of met AI maatwerktools te bouwen, is volledig inzicht in het huidige technologielandschap essentieel.

Klaar om een gratis brainstormsessie in te plannen over de legacy stack? Dat is de essentiële eerste stap om technische schuld om te zetten in een schaalbare, modulaire toekomst.