Cómo mapear 30 años de COBOL antes de pedirle a una IA que lo modernice

Paso 1 — Construye un inventario que pueda reconciliarse. Empieza por programas, copybooks, jobs, versiones de compilador, opciones, librerías, propietarios, entornos y frecuencia de ejecución. Extrae datos desde repositorios, catálogos y sistemas reales; no dependas solo de una wiki. Asigna IDs estables para reconciliar nombres duplicados o artefactos que cambiaron de ubicación. Marca campos desconocidos explícitamente. La IA puede ayudar a clasificar y resumir, pero no debe rellenar huecos con suposiciones. El primer entregable valioso es un mapa que la organización reconoce como suficientemente completo para decidir, acompañado de cobertura y áreas todavía inciertas.

Paso 2 — Dibuja dependencias técnicas y de negocio. Relaciona llamadas entre programas, archivos, tablas, colas, pasos batch, ventanas operativas y consumidores aguas abajo. Añade también contratos humanos: reportes que finanzas espera a cierta hora, archivos que otro equipo procesa y tolerancias históricas que nunca llegaron a documentación formal. Usa trazas de ejecución para validar el grafo cuando sea posible. Prioriza dependencias activas sobre referencias muertas. Un agente puede proponer relaciones a partir del código, pero cada edge relevante debería tener procedencia. Modernizar una pieza sin conocer quién depende de su comportamiento es una invitación a una regresión silenciosa.

Paso 3 — Crea un baseline de comportamiento antes de cambiar nada. Selecciona transacciones y jobs representativos, captura entradas, salidas, tiempos, errores esperados y reconciliaciones. Donde existan reglas financieras, produce casos dorados con resultados conocidos. Este baseline sirve para validar una recompilación, una optimización binaria o una remediación de source. No intentes demostrar equivalencia con unos pocos ejemplos felices: incluye límites, datos históricos y condiciones que activan excepciones. Si no puedes observar qué significa “funciona igual”, todavía no estás listo para delegar cambios importantes a una herramienta automática, por sofisticada que sea.

Paso 4 — Prioriza con una matriz de valor y riesgo. Puntúa criticidad, costo de CPU, frecuencia de cambios, deuda conocida, versión de compilador, complejidad de dependencias, testabilidad y disponibilidad de expertos. Un programa caro y bien probado puede ser mejor piloto que uno pequeño pero misterioso. Separa objetivos: mejorar rendimiento, actualizar compilador, eliminar una incompatibilidad o rediseñar arquitectura son proyectos distintos. Asigna un outcome medible a cada ola. La IA puede sugerir clusters de trabajo, pero el negocio decide el orden. Evita que “más antiguo” sea el criterio automático de prioridad.

Paso 5 — Usa la IA sobre issues acotados y exige diff más pruebas. Entrega al agente un problema específico: opción incompatible, warning, dependencia obsoleta o patrón que impide el upgrade. Pide una propuesta localizada, explicación y tests. Ejecuta compilación y baseline sobre el cambio. Si la modificación cruza más componentes de los previstos, escálala a revisión más profunda. Conserva el source original y un plan de rollback. La asistencia es más segura cuando el agente resuelve una unidad verificable dentro de un mapa conocido. Reescribir módulos completos puede tener sentido después, pero no debería ser el primer experimento en un sistema cuya semántica apenas estás descubriendo.

Paso 6 — Expande solo cuando el piloto produce evidencia. Después de una ola, registra rendimiento, defectos, esfuerzo, hallazgos inesperados y conocimiento nuevo sobre dependencias. Actualiza el mapa antes de elegir el siguiente conjunto. Si una optimización entrega valor sin requerir una migración completa, captura ese beneficio y úsalo para financiar etapas posteriores. En Goatify, aplicaríamos el mismo método a automatizaciones legacy: discovery, mapa, baseline, piloto, receipt y expansión. El mensaje al cliente es más creíble que “modernizamos todo con IA”: primero reducimos incertidumbre, luego demostramos un cambio pequeño que funciona y solo entonces escalamos la intervención.