الذكاء الاصطناعي
#IBM
#COBOL
خسارة 40 مليار دولار لـ IBM: حقيقة تحديث COBOL بالذكاء الاصطناعي
شهدت شركة [[IBM]] يوم الثلاثاء خسارة هائلة بلغت حوالي 40 مليار دولار من قيمتها السوقية، في أكبر انخفاض ليوم واحد تشهده الشركة منذ 25 عاماً. جاء هذا التراجع بعد إعلان شركة [[Anthropic]] عن أدوات جديدة تسمح لنموذجها Claude بقراءة وتحليل وترجمة لغة COBOL القديمة إلى لغات حديثة مثل Java و Python. اعتبر المستثمرون هذا الإعلان تهديداً وجودياً لأعمال IBM في مجال أنظمة المين فريم.
لكن رد الفعل السريع هذا، بحسب الخبراء، مبني على سوء فهم جوهري للأسباب التي تدفع الشركات إلى تشغيل أنظمة المين فريم في المقام الأول.
تُعد لغة COBOL التي طورتها IBM بعمر 66 عاماً، حيث صُممت في عام 1959، وتعمل على أنظمة IBM mainframes، ولا تزال تدعم أنظمة معالجة المعاملات. ويُقدر وجود حوالي 250 مليار سطر من أكواد COBOL قيد الإنتاج النشط، وفقاً لمشروع Open Mainframe. ومع تقاعد المهندسين الذين كتبوا هذه الأكواد، وصعوبة قراءة الأجيال الجديدة لها، أصبحت فجوة المهارات هذه واحدة من أغلى المشكلات غير المحلولة في تكنولوجيا المعلومات المؤسسية لعقود. وقد عملت IBM على معالجة هذه المشكلة بواسطة الذكاء الاصطناعي منذ عام 2023 على الأقل، عندما أطلقت أداة watsonx Code Assistant for Z للمساعدة في ترحيل COBOL إلى Java الحديثة.
تقول Anthropic إن أداة Claude Code يمكنها الآن تحليل قواعد بيانات كاملة، وتحديد الاعتمادات المخفية، وإنشاء ترجمات عملية للأكواد التي لا يستطيع معظم المهندسين قراءتها اليوم. وبالنسبة للشركات التي تشغل COBOL على منصات موزعة – مثل بيئات Windows و Linux وغيرها من البيئات غير المين فريم – فإن هذه القدرة مفيدة حقاً وتزداد عمليتها.
الحاجز الحقيقي لم يكن تقنياً قط
صرح مات برايزر، المحلل في شركة Gartner، لموقع VentureBeat قائلاً: «لقد كانت مشكلة تحديث COBOL محلولة تقنياً منذ فترة. المشكلة الحقيقية هي أن تكاليف التحديث عالية والعائد على الاستثمار (ROI) منخفض.»
وقد قدمت أمازون وجوجل أدوات ترحيل COBOL المدعومة بالذكاء الاصطناعي لسنوات. استهدفت خدمتا AWS Transform و Google Cloud Platform المشكلة ذاتها: تقليل الاحتكاك للعملاء الذين يتطلعون إلى نقل أحمال عمل المين فريم إلى السحابة.
أوضح راج جوشي، نائب الرئيس الأول في Moody's Ratings، لموقع VentureBeat: «هذا في الأساس مصدر آخر للمنافسة. IBM عاشت دائماً في مجال شديد التنافسية. على الهامش، هذا الأمر سلبي بلا شك. يوجد منافس قوي آخر. لكن IBM تعايشت مع هذه التهديدات.»
ويشير ستيف ماكدويل، كبير المحللين في NAND Research، إلى الحجة الهيكلية: «التطبيقات لا تعمل على أنظمة المين فريم لأنها مكتوبة بلغة COBOL. بل تعمل عليها لأن أنظمة المين فريم توفر مستوى من الحتمية وقابلية التوسع والموثوقية لا يمكن للخوادم العامة أن تضاهيه.»
المسألة أعمق من مجرد تحديد المواقع في السوق. قال برايزر: «أدوات الذكاء الاصطناعي التوليدي (GenAI) مفيدة، لكن طبيعتها غير الحتمية تعني أن الكود الناتج غير متناسق – نفس العملية سيتم تنفيذها بطرق مختلفة في أجزاء مختلفة من الكود. تجمع الأدوات الرائدة بين النهج الحتمي وغير الحتمي. لكن أياً من هذا لا يحل مشكلة العائد على الاستثمار.»
ما لا تحله ترجمة COBOL
صرح ستيفن توماسكو، مدير الاتصالات في IBM، لموقع VentureBeat قائلاً: «ترجمة COBOL هو الجزء السهل. العمل الحقيقي يكمن في إعادة تصميم بنية البيانات، واستبدال بيئات التشغيل، وسلامة معالجة المعاملات، والأداء المعزز بالأجهزة الذي بُني على مدى عقود من الاقتران الوثيق بين البرمجيات والأجهزة. هذه هي المشكلة التي قضت IBM عقوداً في تعلم حلها، والذكاء الاصطناعي هو أقوى أداة لدينا للقيام بذلك على الإطلاق.»
وفقاً لـ IBM، استخدم كل من Royal Bank of Canada، والمؤسسة الوطنية للتأمين الاجتماعي، وبنك ANZ أداة watsonx Code Assistant for Z لتسريع تحديث أكواد COBOL دون الحاجة إلى التخلي عن أنظمة IBM Z.
هذا لا يعني أن Anthropic ليس لديها موطئ قدم تنافسي. فبالنسبة للشركات التي تشغل COBOL خارج أنظمة المين فريم – على الأنظمة الموزعة وبيئات Windows و Linux – تدخل Claude Code مساحة تكون فيها التكامل العمودي لـ IBM أقل ميزة. قال ماكدويل: «تتفهم IBM تكنولوجيا المين فريم بمستوى لا يمكن للآخرين مضاهاته. إذا كنت أبحث فقط عن COBOL، سأستخدم أداة watsonx من IBM. ومع ذلك، تتمتع Anthropic بانتشار أوسع ضمن العديد من فرق التطوير، حيث يجعل المورد الواحد الأمر يستحق العناء.»
ماذا يجب أن يفعله المشترون من الشركات؟
سيقضي كبار مهندسي البيانات والبنية التحتية الأسابيع القادمة في الإجابة على أسئلة المديرين التنفيذيين الذين رأوا العناوين وافترضوا أن المشكلة الصعبة قد حُلت. لكنها لم تحل.
قال جوشي: «إنها COBOL، ولكن هناك العديد من التطبيقات المرتبطة بها. لا يمكنك تحويل ملايين الأسطر ثم تكون جاهزاً للانتقال إلى السحابة. إنها عملية تقييم مخاطر ضخمة، واعتمادات، وكل تلك الأمور.»
السؤال الأكثر فائدة للمشترين هو ما إذا كانت ضجة هذا الأسبوع تخلق فرصة. يعتقد برايزر أنها تفعل.
قال برايزر: «يجب عليهم استخدام المناقشات الناتجة على مستوى مجالس الإدارة والمساهمين لمراجعة مبادرات التحديث المؤجلة ومعرفة ما إذا كان أي منها يحقق الآن عائداً على الاستثمار.»
كان ماكدويل صريحاً بشأن المسألة التنافسية. قال: «هل ستأخذ Anthropic أعمالاً من أداة IBM؟ نعم، بالطبع. لكنني سأندهش إذا كانت هذه الأداة تحقق إيرادات كبيرة لـ IBM.»
حذر شيراج ميهتا، المحلل في Constellation Research، من أن قادة تكنولوجيا المعلومات لا يجب أن يتفاعلوا عاطفياً أو يعيدوا صياغة الاستراتيجية بين عشية وضحاها.
قال ميهتا لموقع VentureBeat: «تعاملوا مع هذا كسبب لتشغيل مشروع تجريبي صغير ومحدد لقياس النتائج، وليس كسبب للتخلص من البائعين واستبدالهم.»
يقترح ميهتا أن تختار الشركات جزءاً تطبيقياً أو سير عمل محدد النطاق جيداً بمدخلات ومخرجات واضحة، وتقييم الأساليب بموضوعية: جودة تحديد الاعتمادات، جودة توثيق منطق العمل المستخلص، تغطية الاختبارات وفحوصات التكافؤ، وتراجعات الأداء والموثوقية.
في رأي ميهتا، التذكير الأكبر هو أن التحديث أكثر من مجرد تحويل الكود. الأجزاء الصعبة هي استخلاص المعرفة المؤسسية، وإعادة صياغة العمليات والضوابط، وإدارة التغيير، واحتواء المخاطر التشغيلية في الأنظمة التي لا يمكن أن تتعطل. يمكن للذكاء الاصطناعي أن يضغط عمل «التحليل والترجمة»، لكنه لا يزيل عبء الحوكمة والمساءلة.
واختتم ميهتا قائلاً: «الفرق التي ستفوز ستتعامل مع الذكاء الاصطناعي كمسرّع ضمن برنامج تحديث منضبط، مع نقاط تفتيش قابلة للقياس وحواجز حماية للمخاطر، وليس كزر تحويل سحري.»
الأسئلة الشائعة
جاءت الخسارة بعد إعلان Anthropic عن أدوات جديدة لترجمة COBOL، مما دفع المستثمرين للاعتقاد بأنها تهدد أعمال IBM في أنظمة المين فريم.
لا، يرى الخبراء أن الترجمة هي الجزء الأسهل. التحدي الحقيقي يكمن في إعادة تصميم بنية البيانات، واستبدال بيئات التشغيل، وضمان سلامة معالجة المعاملات.
تشمل التحديات الحقيقية استخلاص المعرفة المؤسسية، وإعادة صياغة العمليات والضوابط، وإدارة التغيير، واحتواء المخاطر التشغيلية، بالإضافة إلى التكاليف المرتفعة والعائد المنخفض على الاستثمار.
يُنصح بعدم التفاعل العاطفي وإجراء مشاريع تجريبية صغيرة ومحددة النطاق لقياس النتائج. يجب اعتبار الذكاء الاصطناعي مسرّعاً ضمن برنامج تحديث منضبط، وليس حلاً سحرياً.
التعليقات 0
سجل دخولك لإضافة تعليق
لا توجد تعليقات بعد. كن أول من يعلق!