Mainframe i granica kompetencji GenAI

Gartner prognozuje, że ponad 70% projektów wyjścia z mainframe'a rozpoczętych w 2026 nie dowiezie zakładanych korzyści. Winą obarcza przecenianie tego, co potrafią narzędzia generatywnej AI. Czytana jak nagłówek, prognoza jest kolejną statystyką porażek w roku, który ich nie skąpi. Czytana jak eksperyment, daje więcej: czysty test na to, gdzie kończy się kompetencja modelu, a zaczyna cudza robota. Kod legacy jest bliski najgorszemu przypadkowi, jaki dałoby się dla tego narzędzia zaprojektować, a powody są dość konkretne, żeby sprawdzić je na ofercie leżącej na twoim biurku.

Modele językowe potrafią programować. Ograniczenie leży gdzie indziej: rozkład, na którym je wytrenowano, i rozkład pracy, którą mają wykonać, nie mają ze sobą prawie nic wspólnego. A droga połowa migracji nigdy nie była tą połową, której model dotyka.

Co dokładnie mówi prognoza

18 czerwca 2026 Gartner opublikował komunikat prasowy ze zdaniem, które poszło w świat szybko. Ponad 70% projektów wyjścia z mainframe'a rozpoczętych w 2026 nie dowiezie zakładanych korzyści, z powodu przeceniania możliwości narzędzi generatywnej AI. Wskazany analityk to Alessandro Galimberti, VP Analyst. Newsroom Gartnera zwraca 403 przy dostępie automatycznym, więc pracuję na trzech serwisach branżowych, które cytują komunikat dosłownie: IT-Online, DIGIT i TechEdgeAI. Traktuj poniższe brzmienie jako relacjonowane, nie czytane u źródła.

W tym zdaniu siedzą trzy zastrzeżenia. Wszystkie trzy giną przy opowiadaniu dalej.

To prognoza, nie pomiar. Nie ma opublikowanej próby, nie ma metody, nie ma operatu losowania. To stanowisko analityka zbudowane na kontakcie z klientami. Taki gatunek jest uprawniony, tylko nie należy go czytać jak badania.

Mianownik jest wąski. Projekty rozpoczęte w 2026 — nie migracje w ogóle, nie dorobek wcześniejszych podejść, nie wskaźnik zaobserwowany po fakcie.

Próg jest miękki. „Nie dowiezie zakładanych korzyści” to nie „zawali się” i nie „zostanie skasowany”. Projekt może wylądować, działać i nadal rozminąć się z własnym uzasadnieniem biznesowym o dystans, którego nikt nie chce zapisać.

Do pierwszej liczby dospawuje się drugą z tego samego komunikatu i nie powinno się tego robić. Do 2030 roku, prognozuje Gartner, 75% dostawców działających na rynku wyjścia z mainframe'a zmieni model biznesowy albo zakończy działalność. To przewidywanie o czystce po stronie podaży. Inny mianownik, inne zjawisko. Dodanie go do 70% daje zdanie bez desygnatu.

Własna rekomendacja Gartnera jest węższa i ciekawsza niż „GenAI nie działa na legacy”. Jak podano, Galimberti opisuje rosnącą lukę między marketingową obietnicą GenAI a jej realną zdolnością do przekształcania i migrowania złożonego kodu legacy. Rekomendacja, która z tego wynika, to ta połowa, którą się ucina: dla wielu klientów mainframe'owych GenAI da się użyć skuteczniej do modernizacji na miejscu niż do przyśpieszenia zejścia z platformy. To samo narzędzie, inne zadanie. Kto relacjonuje tylko pierwszą połowę, przekręca źródło.

Ta teza dotyczy doboru zadania, a nie siły instrumentu.

Krąg zakreślony wokół narzędzia

Rama Buffetta pochodzi z listu do akcjonariuszy Berkshire Hathaway z 1996 roku: „Musisz umieć ocenić spółki jedynie w obrębie swojego kręgu kompetencji. Rozmiar tego kręgu nie ma wielkiego znaczenia; znajomość jego granic jest natomiast niezbędna”. Munger rozwijał ją razem z nim przez dekady. Napisano ją o inwestowaniu i o inwestorze.

Przesuń ją o krok. Przyłóż do instrumentu, nie do człowieka.

Użyteczne pytanie o model językowy brzmi: gdzie leży jego krawędź. Wyznacza ją rozkład danych treningowych zestawiony z rozkładem pracy. Model wytrenowany w przeważającej części na współczesnym, otwartym, otestowanym kodzie jest wewnątrz swojego kręgu, kiedy pisze współczesny, otwarty, otestowany kod. Park mainframe'owy leży poza tym kręgiem na niemal każdej osi naraz: język, środowisko uruchomieniowe, idiom, epoka i brak czegokolwiek, o co dałoby się oprzeć sprawdzenie odpowiedzi.

Trzy kolejne ramy nazywają konkretne części tego problemu. Każda ma autora.

Płot Chestertona. G.K. Chesterton, The Thing (1929), rozdział „The Drift from Domesticity”. Reformator, który zastaje płot w poprzek drogi i nie widzi, po co tam stoi, nie zasłużył sobie na prawo do usunięcia go. Najpierw musi pójść i się dowiedzieć. Każda dziwna linijka w czterdziestoletnim kodzie jest takim płotem: obejście błędu sterownika, wymóg regulacyjny z 1987 roku, kolejność, na której po cichu opiera się jakieś zadanie wsadowe niżej w łańcuchu. Płot wciąż stoi. Drogi nikt już nie pamięta.

Prawo Hyruma. Zaobserwował je Hyrum Wright w Google około 2011 roku; nazwane i opublikowane zostało w książce Software Engineering at Google (O'Reilly, 2020), napisanej wspólnie z Titusem Wintersem i Tomem Manshreckiem. Przy dostatecznej liczbie użytkowników API nie ma znaczenia, co obiecujesz w kontrakcie: na każdym obserwowalnym zachowaniu twojego systemu ktoś się oprze. Konsekwencja dla migracji jest dotkliwa i rzadko wyceniana. Przepisanie, które idealnie zgadza się ze spisaną specyfikacją, wciąż może zepsuć robotę użytkownikom. Kontraktem de facto jest zachowanie obserwowane: format daty, kolejność rekordów, czas odpowiedzi, dokładna treść komunikatu o błędzie, który parsuje jakiś skrypt niżej w łańcuchu.

Kod legacy to kod bez testów. Michael Feathers, Working Effectively with Legacy Code (Prentice Hall, 2004). Definicja jest celowo brutalna, a metoda z niej wynika. Zanim cokolwiek zmienisz, obłóż to testami charakteryzującymi, które utrwalają zachowanie faktyczne, a nie zamierzone. Ta definicja nazywa problem prawdy odniesienia po imieniu. Bez testów nie ma do czego porównać tego, co model wypluje.

Pod tym wszystkim leży twardy sufit. Twierdzenie Rice'a (H.G. Rice, Transactions of the AMS 74(2), 1953) mówi, że każda nietrywialna własność semantyczna języka rozpoznawalnego przez maszynę Turinga jest nierozstrzygalna. Równoważność funkcjonalna dwóch programów jest taką własnością. Po ludzku: „udowodnij, że nowy system robi to samo co stary” nie jest, w przypadku ogólnym, zadaniem, które zamkniesz dowodem. Zostaje testowanie różnicowe na prawdziwym ruchu, czyli praca równoległa. To czas kalendarzowy i koszt operacyjny, nie licencja na model.

Złóż te cztery rzeczy razem, a wyłania się kształt problemu. Specyfikacją jest kod. Kontraktem jest zachowanie obserwowane. Wyroczni nie ma. A równoważności nie rozstrzygnie się argumentem.

Dlaczego składnia to mała część

Migracja wygląda na problem tłumaczenia. COBOL na wejściu, Java na wyjściu. Właśnie to ujęcie sprawia, że GenAI wygląda na oczywisty przyśpieszacz — tłumaczenie to rzecz, którą te modele robią dobrze i którą łatwo pokazać.

Rozłóż tę pracę na części. Działająca aplikacja mainframe'owa to co najmniej cztery rzeczy ułożone jedna na drugiej.

1. Tekst. Składnia i przepływ sterowania. Spisany, czytelny maszynowo, kompletny.
2. Zachowanie, którego nikt nie spisał. Okna czasowe, kolejność wsadów, semantyka ponowień, ścieżka błędu narosła incydent po incydencie, powód, dla którego jedno pole jest dopełniane akurat tak.
3. Sprzężenie z otoczeniem. CICS, JCL, VSAM, DB2, harmonogram, runbook operatora, zadanie, które musi się skończyć, zanim ruszy następne.
4. Kontrakt behawioralny ze wszystkim, co niżej w łańcuchu, w sensie Hyruma, razem z odbiorcami, których listy nikt nie ma.

W repozytorium leży tylko warstwa pierwsza. Pozostałe trzy istnieją jako konsekwencje, nie jako artefakty. Model czyta warstwę pierwszą bezbłędnie, a resztę może wyłącznie wywnioskować.

Po czterdziestu latach poprawek specyfikacją jest kod. To nie metafora. Dokument, który kiedyś opisywał zamiar, odjechał od tego, co działa, bo każdy incydent produkcyjny dokładał gałąź, a każdy regulator regułę. Prawdziwe zachowanie systemu to zbiorczy osad tych zmian i mieszka dokładnie w jednym miejscu.

Dwa strukturalne powody czynią z tego trudny przypadek dla modelu i oba da się sprawdzić.

Pierwszy to rozkład. COBOL jest, w języku uczenia maszynowego, językiem niskozasobowym o odrębnych wzorcach logiki. To nie moje ujęcie; mówi to wprost praca SEDCoT z 2026 roku, która wskazuje tę własność jako powód, dla którego modele ogólnego przeznaczenia wypadają na tłumaczeniu COBOL-a poniżej optimum. Kompetencja degraduje się systematycznie poza rozkładem. Tutaj praca leży poza rozkładem we wszystkich kierunkach naraz.

Drugi to asymetria. Wygenerowanie kodu, który wygląda poprawnie, jest tanie. Udowodnienie, że zachowuje się identycznie, jest drogie, a twierdzenie Rice'a mówi, że w przypadku ogólnym nie ma skrótu. Ta część pracy, którą AI skraca, nie jest więc tą, która kosztuje. Tłumaczenie kupisz w jedno popołudnie. Wyroczni nie kupisz.

To ten sam kształt co argument w ROI nie mieszka w modelu. Model jest jednym stanowiskiem w łańcuchu, a łańcuch biegnie tak: ustal prawdę odniesienia, wyciągnij reguły, wygeneruj kod, zbuduj testy, puść pracę równoległą, przełącz, potem utrzymuj. GenAI potrafi zjeść jedno stanowisko w całości i zostawić koszt sumaryczny mniej więcej tam, gdzie był, bo ograniczenie siedzi na stanowiskach, które nigdy nie pokazują się w demie.

Co mierzą benchmarki, a czego nie

Dowody na tę granicę są nietypowo dobre jak na pytanie postawione tak niedawno i wskazują spójny kierunek. Cytuje się je też źle, więc jednostka analizy waży tyle samo co liczba.

Zacznij od łatwego przypadku. Pracę „Lost in Translation: A Study of Bugs Introduced by Large Language Models while Translating Code” opublikowali na ICSE 2024 Pan i współpracownicy z IBM Research oraz UIUC. Przetestowali 1700 próbek kodu w pięciu językach wysokozasobowych, na trzech benchmarkach, dwóch prawdziwych projektach i ponad 10 000 testów. Udział tłumaczeń poprawnych wyniósł od 2,1% do 47,3%, zależnie od modelu. Zespół ręcznie zaklasyfikował 1748 błędów do 15 kategorii pomyłek tłumaczeniowych. To i C, i Java, i Python — obfite dane treningowe i kod, który już ma testy. Najżyczliwsza możliwa wersja tego zadania.

Teraz nieżyczliwa. COBOL-Coder (Dau i współpracownicy, arXiv:2604.03986, 5 kwietnia 2026) ocenił modele na COBOLEval, czyli adaptacji HumanEval do COBOL-a. GPT-4o osiągnął 41,8% kompilowalności przy 16,4 pass@1. Bazowe modele otwarte (CodeGemma, CodeLlama, StarCoder2) w większości nie wyprodukowały programu, który w ogóle się kompiluje. Model zaadaptowany do dziedziny doszedł do 73,95% kompilowalności przy 49,33 pass@1, a na tłumaczeniu z Javy na COBOL do 34,93 pass@1 tam, gdzie modele ogólne miały wynik bliski zeru. Najwięcej waży tu zastrzeżenie metodologiczne. To samodzielne funkcje w stylu HumanEval, nie moduły produkcyjne wpięte w CICS, JCL, VSAM i DB2. Skoro na funkcjach zabawkowych wychodzi 16,4%, dla prawdziwego parku jest to dolne ograniczenie trudności, nie górne.

Najostrzejszy wynik daje AgentModernize (Ahmed i Galib, arXiv:2605.17535, 17 maja 2026). Naiwne podejścia bazowe — tłumaczenie jednym promptem i chain-of-thought — zachowały działanie systemu w 0,0% przypadków, na każdym scenariuszu i każdym testowanym modelu bazowym. Wieloagentowy układ zbudowany wokół jawnego artefaktu pośredniego, grafu specyfikacji behawioralnej, wyciągnął 91,2% reguł wzorcowych przy najlepszym błędzie behawioralnym 8,1%. Wniosek samych autorów jest tym, co trzeba stąd wynieść: wąskim gardłem jest generowanie kodu, nie wydobywanie wiedzy. Czytanie jest tanie. Dowodzenie równoważności nie.

Kierunek poprawy też jest konkretny. SEDCoT (Entin i współpracownicy, arXiv:2607.04092, 5 lipca 2026) raportuje co najmniej 12% zysku wobec najlepszego wcześniejszego wyniku. Wziął się z wykonania symbolicznego i z generowanych zestawów testów; do tego delta debugging minimalizował kontrprzykłady. Granicę przesunęła maszyneria do dowodzenia, nie maszyneria do pisania.

Tymczasem zadania polegające na czytaniu, a nie na przepisywaniu, wypadają dobrze. Diggs i współpracownicy (LLM4Code 2025 przy ICSE, arXiv:2411.14971) uznali dokumentację wygenerowaną przez LLM dla MUMPS-a i IBM Assembly Language Code za w zasadzie wolną od halucynacji, kompletną, czytelną i użyteczną wobec prawdy odniesienia. Asembler był trudniejszy z tej dwójki. Ich własne zastrzeżenie zasługuje na równe miejsce: żadna metryka automatyczna nie korelowała mocno z jakością komentarza, więc nie ma taniego sposobu na zmierzenie, czy dokumentacja jest dobra — poza człowiekiem, który ją przeczyta. COBRAIN (EASE 2025) wyciągnął z COBOL-a reguły biznesowe z precyzją 1,0 przy czułości 0,746 wobec regułowego narzędzia COBREX, a wobec prawdy odniesienia osiągnął F1 0,73 kontra 0,59. W badaniu zrozumiałości z 28 uczestnikami ponad 80% wolało wynik LLM-a.

Należy tu jeszcze jeden wynik, z zupełnie innego ustawienia. METR przeprowadził badanie z randomizacją na 16 doświadczonych programistach open source, na 246 zadaniach w ich własnych dojrzałych repozytoriach (arXiv:2507.09089, lipiec 2025). Z narzędziami AI z początku 2025 roku byli o 19% wolniejsi, a po fakcie szacowali, że narzędzia przyśpieszyły ich o 20%. METR nie przedstawia tego wyniku jako prawa o AI i produktywności, bo prawem nie jest: to migawka z jednego kontekstu, zrobiona na małej próbie i na narzędziach, które od tamtej pory się zmieniły. To najbliższy dostępny odpowiednik sytuacji, w której głęboki kontekst mieszka poza kodem, i zostawia jedną lekcję, która przenosi się dalej. Przyśpieszenie znane wyłącznie z samooceny nie jest dowodem.

Tabela dzieli się na dwoje. Gdzie zadaniem jest czytać, opisać albo wydobyć, wyniki są dobre. Gdzie zadaniem jest przepisać i zasłużyć na zaufanie, wyniki są słabe. Poprawiają się, kiedy ktoś dokręci do tego aparaturę weryfikacyjną.

Co masz na stanie

Zanim ocenisz ofertę, dobrze wiedzieć, z czym ma się ona zmierzyć. Liczby o skali, które wszyscy cytują, są słabe, a tę słabość trzeba powtarzać za każdym razem, gdy się ich używa.

W obiegu są dwie. Reuters podał w 2017 roku około 220 miliardów linii COBOL-a w użyciu, 43% systemów bankowych zbudowanych na nim i 95% transakcji kartą w bankomacie, które go dotykają. To dziennikarska kompilacja danych branżowych bez opublikowanej metody liczenia. Druga to „ponad 800 miliardów linii w codziennym użyciu” i pochodzi z ankiety Micro Focus z 2022 roku, na 1104 respondentach z 49 krajów. To dostawca mierzący percepcję, nie audyt repozytoriów. Obie są rzędami wielkości, nie pomiarami, i tak trzeba je podpisywać, ilekroć trafiają na slajd.

Liczby audytowane są lepsze i gorsze zarazem. Amerykańskie GAO (Government Accountability Office) podało w lipcu 2025 roku (GAO-25-107795), że agencje objęte ustawą CFO Act wskazały 69 systemów legacy. GAO wyodrębniło 11 najbardziej krytycznych: od 23 do 60 lat, około 754 milionów dolarów rocznie na utrzymanie. Osiem z jedenastu działa na przestarzałych językach; system Departamentu Skarbu na COBOL-u i asemblerze. Siedem pracuje ze znanymi podatnościami. Cztery chodzą na sprzęcie albo oprogramowaniu bez wsparcia. Kompletny plan modernizacji miały tylko trzy z jedenastu, a dwa nie miały żadnego.

Kanonicznym przypadkiem jest Individual Master File w amerykańskim IRS. Ma ponad 60 lat i jest napisany w asemblerze i COBOL-u; projektowano go jeszcze na IBM System/360. Program jego wymiany, CADE, porzucono w 2009 roku. CADE-2 wciąż go nie zastąpił i nie zapowiada się na to przed 2030. W marcu 2025 IRS poinformował GAO, że wstrzymał programy modernizacyjne na czas rewizji priorytetów. To mniej więcej dwadzieścia lat podejść, wszystkie sprzed istnienia GenAI.

Jeden komercyjny punkt odniesienia, ile kosztuje zrobienie tego porządnie. Commonwealth Bank of Australia wymieniał swoją centralną platformę bankową przez pięć lat, kosztem powyżej miliarda dolarów australijskich (około 750 milionów dolarów amerykańskich po kursie z 2017 roku). Trzymaj tę liczbę obok każdej propozycji obiecującej migrację w dwa kwartały, bo narzędzia się poprawiły.

Jedna narracja wymaga sprostowania, bo to jej najczęściej używa się do budowania presji czasu. „Wszyscy programiści COBOL-a przechodzą na emeryturę” jest dowodem słabszym, niż sugeruje pewność siebie tego zdania, a najlepsze dostępne dane wskazują w drugą stronę. BMC Mainframe Survey 2025 to dwudziesta edycja, na ponad 1100 respondentach. Grupa wiekowa 18–49 lat urosła w niej z 53% w 2018 roku do około 80% w 2025, a pokolenie Z z 1% do 15%. W tej samej ankiecie 97% oceniało platformę pozytywnie, 93% planowało dalsze inwestycje, a alternatywy rozważało tylko 3%, wobec 10% wcześniej. Około 75% traktowało GenAI jako inicjatywę strategiczną, ale tylko jakieś 30% pozwoliłoby AI wykonywać zadania samodzielnie. Ta ankieta pyta własnych klientów dostawcy mainframe'ów, więc ma oczywisty interes we wniosku „mainframe żyje”. Miej przed oczami obie te stronniczości naraz.

Zdanie trafne jest węższe i trudniejsze. Kurczy się liczba ludzi, którzy pamiętają, dlaczego dana linijka tam jest. To inny problem niż brak programistów COBOL-a i rekrutacją się z niego nie wyjdzie.

Jedną liczbę chciałbym tu wstawić i nie mogę. Nie ma niezależnego publicznego źródła, które podawałoby, jaki odsetek parków mainframe'owych ma sensowne pokrycie testami regresji. To ta jedna statystyka, która w całym tym wywodzie waży przy decyzji najwięcej, i nikt jej nie policzył.

Jak czytać ofertę modernizacji

Ramy powyżej sprowadzają się do krótkiego przesłuchania. Żadne z tych pytań nie wymaga technicznej głębi, żeby je zadać, a jakość odpowiedzi oddziela plan od broszury.

1. Skąd weźmiecie prawdę odniesienia? Praca równoległa na ruchu produkcyjnym? Nagrane wejścia i wyjścia? Czy specyfikacja, której nikt nie widział?
2. Jakie pokrycie mają testy, które już istnieją — nie te, które zamierzacie wygenerować? Jeśli zerowe, kto podpisuje oświadczenie, że wyjścia są równoważne?
3. Jak wykryjecie różnice, które nie są błędami funkcjonalnymi? Czasy, kolejność wsadów, przepustowość, formaty komunikatów. To pytanie z prawa Hyruma i na nie odpowiada się najgorzej.
4. Kto po naszej stronie zna ten system? Ile osób, ile lat stażu i kiedy odchodzą?
5. Jaka jest jednostka w waszych benchmarkach? Funkcja w stylu HumanEval czy moduł produkcyjny z CICS i JCL, z danymi w VSAM? W przepaści między nimi mieszka większość marketingu.
6. Co jest miarą sukcesu w umowie? Przetłumaczone linie czy transakcje przechodzące pracę równoległą bez rozjazdu? Tylko jedno z tego jest wynikiem biznesowym.
7. Big bang czy przyrostowo? Z działającym oryginałem i drogą powrotną, czy jeden weekend na przełączenie?
8. Który krok łańcucha AI realnie skraca i jaki udział w obecnym budżecie ma ten krok?

Największy ciężar niesie pytanie pierwsze, a na to, co się dzieje, kiedy zostaje bez odpowiedzi, jest przykład ostrzegawczy. System MiDAS w stanie Michigan rozstrzygnął automatycznie 22 427 spraw o wyłudzenie zasiłku dla bezrobotnych między październikiem 2013 a sierpniem 2015. Stanowy Office of the Auditor General podał w lutym 2016 wskaźnik błędu 93% dla odwołań złożonych między październikiem 2013 a czerwcem 2015, a 20 965 decyzji następnie uchylono. Dziesiątkom tysięcy ludzi naliczono poczwórne kary; ściągano je z wynagrodzeń i ze zwrotów podatku. MiDAS był regułowy, nie uczył się maszynowo, i nazwanie go porażką AI byłoby błędem. Przenosi się wzorzec: automatyzacja wdrożona na skalę tam, gdzie prawdy odniesienia nigdy nie zweryfikowano.

Druga połowa odpowiedzi to miejsca, w których GenAI w programie legacy naprawdę się sprawdza. Własna rekomendacja Gartnera — modernizacja na miejscu zamiast przyśpieszania migracji — wskazuje ten sam zestaw zadań, który wspierają badania.

Wzorzec w prawej kolumnie jest ten sam, który Feathers opisał w 2004 roku. Narzędzie jest mocne wszędzie tam, gdzie działający system może być własnym sędzią, i słabe wszędzie tam, gdzie człowiek musi poświadczyć równoważność z niczego.

Granice i kontrargument, który waży

Trzy zarzuty mają realną siłę i czytelnik z parkiem mainframe'owym powinien mieć w głowie wszystkie trzy.

Pierwszy: granica się przesuwa i przesuwa się właśnie teraz. Między kwietniem a lipcem 2026 pchnęły ją co najmniej trzy opublikowane prace: COBOL-Coder, AgentModernize, SEDCoT. Prognoza Gartnera dotyczy projektów rozpoczętych w 2026 roku, nie trwałej własności technologii. Czytanie jej jako wyroku na GenAI to pomyłka, której lepiej uniknąć. Jest użyteczniejsza wersja tej tezy i da się ją obalić. Granica przesuwa się, jak widać, przez maszynerię weryfikacyjną — wykonanie symboliczne, generowane zestawy testów, delta debugging, jawne artefakty pośrednie — a nie przez skalę modelu. Jeśli kolejny duży zysk na tłumaczeniu COBOL-a przyniesie większy model ogólnego przeznaczenia bez doczepionej aparatury weryfikacyjnej, mechanizm opisany tutaj jest błędny.

Drugi: większość tych porażek będzie miała zwyczajne przyczyny. Flyvbjerg i Budzier pisali w Harvard Business Review we wrześniu 2011 roku o 1471 przebadanych projektach IT. Średnie przekroczenie kosztu wyniosło 27%. Ale jeden na sześć był czarnym łabędziem, ze średnim przekroczeniem kosztu 200% i harmonogramu blisko 70%. Rozkład ma gruby ogon, więc średnia nic nie mówi o ryzyku. Migracja TSB z kwietnia 2018 czyni tę myśl namacalną. Około pięciu milionów klientów przeniesiono z systemów Lloyds w jeden weekend. Bankowość oddziałowa, telefoniczna, internetowa i mobilna stały się niedostępne dla dużej części bazy 5,2 miliona klientów, a ataki oszustów szły w szczycie na poziomie 70 razy wyższym niż normalnie. Kary regulacyjne wyniosły 48,65 mln funtów: FCA 29,75 mln plus PRA 18,9 mln, po 30-procentowym rabacie ugodowym, a bez niego 69,5 mln. Do tego doszły rekompensaty na 32,7 mln funtów, a całkowity raportowany koszt sięgnął około 366 mln funtów. Niezależny przegląd Slaughter and May, opublikowany w listopadzie 2019 roku, wskazał na skalę i tempo migracji oraz na brak oceny zdolności głównego dostawcy IT. Zakres, tempo, nadzór nad dostawcą i przełączenie na raz. Nigdzie żadnej AI. Sporo projektów, których dotyczy prognoza Gartnera, rozminęłoby się z korzyściami z modelem w pokoju albo bez niego. Przypisanie wszystkiego GenAI zasłania przyczyny, które już tam były.

Trzeci: granica kompetencji jest znakomitym alibi. „AI tego nie potrafi” nie znaczy „więc zostawiamy to w spokoju”, a ześlizg z pierwszego zdania w drugie to najdroższy dostępny ruch. Jedenaście systemów GAO kosztuje w utrzymaniu około 754 milionów dolarów rocznie, siedem ze znanymi podatnościami, cztery na sprzęcie albo oprogramowaniu bez wsparcia. IRS próbuje od czasów sprzed 2009 roku i w marcu 2025 wstrzymał się ponownie. Koszt nieruszania się jest mierzalny, kumuluje się i jest większy niż koszt ostrożnego ruszenia. Modernizacja na miejscu to realna opcja. Przyrostowa wymiana z pracą równoległą i drogą powrotną to realna opcja. Kolejna dekada wstrzymanych programów, uzasadniona trafną obserwacją o granicach modelu, opcją nie jest.

Jest czwarta granica i dotyczy samej kotwicy. Prognoza Gartnera nie ma opublikowanej próby, nie ma metody, nie ma operatu losowania, a ja czytałem ją przez trzy źródła wtórne, bo źródło zwraca 403. Zbiega się z badaniami powyżej i to ma swoją wagę. Pomiarem nie jest i nie należy jej cytować jako pomiaru — również w esejach, które się z nią zgadzają.

Zamknięcie

Zadaj ofercie modernizacji dwa pytania. Który krok pracy narzędzie usuwa? I kto podpisuje oświadczenie, że nowy system robi to samo co stary? Jeśli nikt w pokoju nie umie wskazać tej osoby, nie kupujesz migracji. Kupujesz tłumaczenie i nadzieję, że wyjdzie.

Bibliografia

1. primaryGartner, „Gartner Predicts More Than 70% of Mainframe Exit Projects Will Fail Due to Overestimation of Generative AI's Capabilities” (komunikat prasowy, 18 czerwca 2026) — prognoza 70%, prognoza 75% o czystce wśród dostawców i rekomendacja „modernizacja na miejscu”; analityk Alessandro Galimberti. (Newsroom zwrócił 403 przy dostępie automatycznym; brzmienie zweryfikowane przez źródła wtórne poniżej.)
2. primaryWarren Buffett, list do akcjonariuszy Berkshire Hathaway (1996) — krąg kompetencji; „znajomość jego granic jest natomiast niezbędna”.
3. primaryG.K. Chesterton, The Thing (1929), rozdział „The Drift from Domesticity” — płot w poprzek drogi.
4. primaryTitus Winters, Tom Manshreck i Hyrum Wright, Software Engineering at Google (O'Reilly, 2020) — prawo Hyruma, zaobserwowane przez Hyruma Wrighta: na każdym obserwowalnym zachowaniu systemu ktoś się oprze.
5. primaryMichael Feathers, Working Effectively with Legacy Code (Prentice Hall, 2004) — kod legacy jako kod bez testów; testy charakteryzujące utrwalają zachowanie faktyczne, a nie zamierzone.
6. primaryH.G. Rice, „Classes of Recursively Enumerable Sets and Their Decision Problems”, Transactions of the American Mathematical Society 74(2) (1953) — nietrywialne własności semantyczne, w tym równoważność programów, są nierozstrzygalne.
7. primaryRangeet Pan i in., „Lost in Translation: A Study of Bugs Introduced by Large Language Models while Translating Code”, ICSE 2024 — 1700 próbek, pięć języków, 2,1–47,3% poprawnych tłumaczeń, 1748 zaklasyfikowanych błędów. (arXiv:2308.03109 · DOI 10.1145/3597503.3639226)
8. primaryA.T.V. Dau i in., „COBOL-Coder: Domain-Adapted Large Language Models for COBOL Code Generation and Translation” (arXiv:2604.03986, 5 kwietnia 2026) oraz P. Entin i in., „SEDCoT: Enhancing LLM-Based COBOL Code Translation via Symbolic Execution and Delta Debugging” (arXiv:2607.04092, 5 lipca 2026) — wyniki na COBOLEval, COBOL jako język niskozasobowy i zyski z maszynerii weryfikacyjnej.
9. primaryS.N. Ahmed i M. Galib, „AgentModernize: Preserving Business Logic in Legacy Modernization with Multi-Agent LLMs and Behavioral Specification Graphs” (arXiv:2605.17535, 17 maja 2026) — 0,0% zachowania działania dla naiwnych podejść bazowych; wąskim gardłem jest generowanie kodu, nie wydobywanie wiedzy.
10. primaryC. Diggs i in., „Leveraging LLMs for Legacy Code Modernization: Challenges and Opportunities for LLM-Generated Documentation”, LLM4Code 2025 przy ICSE (arXiv:2411.14971), oraz „LLM vs Rule-Based — The COBRAIN Tool and An Empirical Study on Extracting Business Rules from COBOL”, EASE 2025 (DOI 10.1145/3756681.3756982) — wyniki dla dokumentacji i wydobywania reguł, z zastrzeżeniem autorów, że żadna metryka automatyczna nie koreluje z jakością.
11. primaryMETR, „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity” (10 lipca 2025) — badanie z randomizacją, 16 programistów, 246 zadań, 19% wolniej wobec samooceny 20% szybciej. (arXiv:2507.09089)
12. primaryU.S. GAO, „Information Technology: Agencies Need to Plan for Modernizing Critical Decades-Old Legacy Systems”, GAO-25-107795 (17 lipca 2025), oraz „Information Technology: IRS Is Developing a New Modernization Framework”, GAO-25-107611 — 11 systemów krytycznych, 754 mln dolarów rocznego utrzymania i kalendarium Individual Master File w IRS.
13. primaryTSB Bank / Slaughter and May, „Independent Review of TSB's 2018 migration to a new IT platform” (19 listopada 2019), oraz FCA, „TSB fined £48.65m for operational resilience failings” (20 grudnia 2022) — skala, tempo, ocena dostawcy, kary i rekompensaty.
14. primaryBent Flyvbjerg i Alexander Budzier, „Why Your IT Project May Be Riskier Than You Think”, Harvard Business Review (wrzesień 2011) — 1471 projektów, średnie przekroczenie kosztu 27%, jeden na sześć z przekroczeniem 200%.
15. secondaryIT-Online, „Overestimating GenAI will see mainframe exit projects fail” (23 czerwca 2026); DIGIT, „Orgs are overestimating GenAI when it comes to mainframe exits” (22 czerwca 2026); TechEdgeAI, „Mainframe Exit Projects Face GenAI Reality Check” (18 czerwca 2026) — trzy serwisy cytujące komunikat Gartnera dosłownie; podstawa każdego cytatu z Gartnera powyżej.
16. secondaryLiczby o skali parku, wszystkie słabe, użyte wyżej wyłącznie jako rzędy wielkości: Reuters przez CNBC, „Banks scramble to fix old systems as IT 'cowboys' ride into sunset” (11 kwietnia 2017) — liczby 220 mld linii / 43% / 95% oraz koszt Commonwealth Bank of Australia, dziennikarska kompilacja bez opublikowanej metody liczenia; The Stack, „There's over 800 billion lines of COBOL in daily use” — ankieta Micro Focus z 2022 roku, 1104 respondentów z 49 krajów, dostawca mierzący percepcję; TechChannel, „Mainframers Are Getting Younger: BMC Survey” — BMC Mainframe Survey 2025, ponad 1100 respondentów, sponsorowana przez dostawcę, na samodobierającej się próbie jego własnych klientów.
17. secondaryGovTech, „Michigan Integrated Data Automated System Experiences 93 Percent Error Rate” (o raporcie Michigan Office of the Auditor General, luty 2016), oraz Ford School STPP, „Cahoo v. SAS — MiDAS explainer” (2024) — 22 427 spraw rozstrzygniętych automatycznie, 20 965 uchyleń; system regułowy, nie uczenie maszynowe.