AI Product | Igor Akimov

Запостил вчера свою библиотеку проверки транспортных данных gtfs.guru в канал всяких инженеров транспортных. Напоминаю, что с помощью ИИ переписал практически 100.000 строк кода от гугла и контрибьюторов c Java на Rust и сделал все в 10-100 раз быстрее не притрагиваясь к коду вообще! В итоге получил жидкие комментарии в стиле "вот ходют тут всякие, мы все равно любим джава" :)))) Ну ок, пойдем тогда к бизнесу, они лучше умеют считать деньги. А сегодня попалась рекламная PDF-ка от Антропик, где они конечно же расхваливают свои инструменты, но делятся похожим подходом переписывания легаси кода. Зачем вообще трогать работающее, есть прям статистика: - 17.3 часа в неделю средний разработчик тратит на техдолг вместо фич, то есть половину рабочего времени (McKinsey) - 70% организаций называют техдолг главным блокером инноваций (Protiviti) - 250 млрд строк COBOL в продакшене, специалистов всё меньше - Legacy-системы не получают патчи безопасности → растущие риски Предлагают три направления модернизации: 1. Архитектура – монолит → микросервисы. Даёт независимый деплой компонентов, fault isolation (падение одного сервиса не роняет всё), автоскейлинг по нагрузке. 2. Стек – устаревшие языки → современные. Рекомендации: COBOL → Java, Perl → Python, VB6 → C#/.NET. Бонусом получаешь экосистему библиотек, нормальный тулинг и возможность нанимать людей. 3. Практики – waterfall → CI/CD. Автотесты, IaC, GitOps. Деплой из раза в квартал в несколько раз в день. Как начинать – пошаговый план: Сигналы что пора: команда тратит >40% времени на maintenance, найм на legacy-позиции занимает месяцы, новым людям нужно длительное обучение на устаревших языках. Недели 1-2: Выбрать low-risk изолированную систему – batch-отчёты, standalone калькуляторы, периферийные интеграции. Провести "code archaeology" – маппинг зависимостей, документирование бизнес-правил из старых подпрограмм. Недели 3-4: AI-анализ legacy-кода, извлечение бизнес-логики, генерация документации. Proof of concept – модернизация одной подпрограммы с side-by-side сравнением результатов. Недели 5-8: Полная миграция первой системы. Параллельный запуск – новый код работает рядом со старым, сравниваем выходные данные. К 8-й неделе – cutover на прод. Месяц 3+: Масштабирование. Параллельные команды на разных системах, переиспользование паттернов конвертации, общие библиотеки утилит. Четыре уровня зрелости: Ad hoc – легаси трогают только когда горит: уходит последний COBOL-разработчик или регулятор требует. Документации нет, знания в головах уходящих людей. Planned – ежегодные проекты миграции с бюджетами, но каждый проект изобретает велосипед заново. Базовый инвентарь кода есть, ROI-анализа нет. Systematic – выделенные команды, стандартные процессы, метрики. Плейбуки для типовых паттернов (batch→streaming, декомпозиция монолита). Каждая подпрограмма задокументирована, зависимости замаплены. Optimized – AI проактивно сканирует системы и предлагает модернизацию с ROI-анализом. Непрерывная фоновая модернизация: удаление мёртвого кода, оптимизация запросов, рефакторинг. Люди занимаются стратегией, рутинные трансформации автоматизированы. Критически важно перед стартом: Если есть юнит-тесты – отлично, можно валидировать что новый код делает то же самое. Если тестов нет – сначала пишем тесты для критичных модулей с помощью domain-экспертов, и только потом мигрируем. Иначе рискуете потерять бизнес-логику, которая нигде не документирована. Вот именно по такому процессу у меня работа и шла. Сначала максимум тестовых датасетов, потом юнит-тесты для Java, потом переписывание помодульно на Rust с проверкой, потом интеграционные вещи и проверка на реальных данных (мои любимые - это маршруты Германии, Швейцарии и США). Короче, все работает (и работало даже на прошлых версиях ИИ, сейчас вообще как по маслу пойдет). Так что не ссыте, делайте рефакторинг. Могу кстати эту историю осветить чуть подробнее на вебинаре, если останется время. https://luma.com/nsab713l Всяких легаси-систем вокруг просто гигантское количество.