De fleste virksomheder har systemer som ingen tør røre. Et ERP-system fra 2009. En intern portal der kører PHP 5. En COBOL-batch der afvikler lønnen hver 14. dag, og som ingen nulevende medarbejder har skrevet.
Den typiske reaktion er skam. “Vi burde have migreret for længe siden.” Derefter følger et af to mønstre: enten et dyrt, flerårigt migrationsprojekt – eller ingenting.
Begge dele er dyre.
Problemet med “riv det ned og byg nyt”
Store migrationsprojekter fejler oftere end de lykkes. Det er ikke en kontroversiel påstand – det er veldokumenteret. McKinsey anslog i 2020 at 70% af alle digitale transformationsprojekter ikke opnår deres mål. Standish Groups CHAOS-rapport viser konsekvent at store IT-projekter har en succesrate på under 35%.
Årsagen er sjældent teknisk. Det er organisatorisk. Et system der har kørt i 15 år har akkumuleret tusindvis af implicitte forretningsregler – regler som ingen har dokumenteret, fordi systemet er dokumentationen. Når du river det ned, mister du ikke bare kode. Du mister viden.
Det nye system starter med en blank tavle og bruger de første to år på at genopdage det, som det gamle system allerede vidste.
AI ændrer regnestykket
Generativ AI har introduceret en tredje mulighed: trinvis modernisering.
I stedet for at erstatte et helt system kan AI bruges til at forstå, dokumentere og gradvist transformere eksisterende kode. Ikke teoretisk – det sker allerede.
Forståelse. Moderne sprogmodeller kan læse og forklare legacy-kode i et omfang der var utænkeligt for tre år siden. COBOL, Fortran, Visual Basic 6, klassisk ASP – modeller som Claude og GPT-4 kan ikke bare parse syntaksen, men forklare forretningslogikken bag. Det betyder at den viden der sidder begravet i koden, kan graves frem og dokumenteres – automatisk.
Oversættelse. Kode kan trinvist oversættes fra ét sprog til et andet, modul for modul. Ikke som en big-bang migration, men som en gradvis proces hvor hvert trin kan testes og valideres. Amazon har gjort det internt: de migrerede over 30.000 produktionssystemer fra Java 8 til Java 17 ved hjælp af AI-assisteret kodetransformation. Projektet sparede dem anslået 4.500 udviklingsår.
Integration. I stedet for at erstatte et gammelt system kan det indkapsles. En AI-agent kan fungere som et moderne interface ovenpå et legacy-system – tage imod naturligt sprog, oversætte til de API-kald eller databaseforespørgsler som det gamle system forstår, og returnere svaret i et format som resten af organisationen kan bruge.
Det handler ikke om teknologi
Når en CTO siger “vi har et legacy-problem”, er det sjældent et teknisk problem. Det er et videnproblem. Systemerne fungerer – de kører lønnen, håndterer ordrerne, holder styr på lageret. Problemet er at ingen forstår hvordan de fungerer, og derfor tør ingen ændre dem.
AI løser det problem direkte. Ikke ved at erstatte systemerne, men ved at gøre dem forståelige igen.
En dansk produktionsvirksomhed med et 20 år gammelt ERP-system behøver ikke et nyt ERP-system. Den behøver at vide hvad det nuværende system gør, hvor det kan forbedres, og hvordan det kan forbindes til de systemer der er kommet til siden.
Det er en opgave der tager uger, ikke år. Og den koster en brøkdel af en fuld migration.
Trinvis fremfor total
Den mest effektive moderniseringsstrategi er næsten aldrig “smid det ud og start forfra”. Den er:
- Forstå hvad du har – lad AI dokumentere forretningslogikken i eksisterende systemer
- Prioritér hvad der faktisk giver problemer – ikke alt legacy er dårligt
- Modernisér trinvist – ét modul ad gangen, med tests der sikrer at intet går i stykker
- Integrér i stedet for at erstatte – brug AI-agenter som broer mellem gammelt og nyt
Resultatet er ikke et skinnende nyt system. Det er et system der virker, som organisationen forstår, og som kan udvikle sig i takt med forretningen.
Det er ikke sexet. Men det er det der faktisk virker.
Har du systemer som ingen tør røre? Vi hjælper virksomheder med at modernisere trinvist – uden at rive fundamentet ned.
Læs også:
