Agenti AI promettono migrazione del codice, resta il problema della verifica

Prima di una modernizzazione con agenti AI, serve una risposta netta: chi verifica che il business continui a funzionare come prima. Non bastano ipotesi, servono prove raccolte con test, osservabilità e giudizio umano¹.

Molte aziende rimandano da anni gli interventi sui sistemi core. Progetti lunghi, investimenti alti, rischi operativi. L’AI riapre il dossier, ma non elimina la necessità di validare ogni passo¹.

Cosa fanno oggi gli agenti. Leggono grandi codebase. Ricostruiscono la logica di business. Propongono migrazioni verso nuovi stack. Generano documentazione. Suggeriscono scenari di test. Individuano dipendenze. Offrono ai decisori più contesto, utile nei legacy dove la conoscenza vive nel codice e non nei documenti¹.

Qui sta il punto critico: garantire che, dopo la migrazione, l’azienda operi come prima. Tecnologia e agenti producono proposte. La verifica richiede altro: osservare, misurare, confrontare con aspettative esplicite. Per i sistemi critici, la fonte indica requisiti chiari: testing esteso, osservabilità adeguata, giudizio umano e una metodologia di avanzamento basata su evidenze raccolte passo dopo passo¹.

Questo impone una valutazione iniziale della capacità di verifica. Se mancano test affidabili o metriche pertinenti, la modernizzazione espone a rischi non accettabili. Prima si definiscono i controlli, poi si muovono i pezzi. La documentazione generata dagli agenti può aiutare, ma non sostituisce i presidi: servono specifiche chiare e verificabili. I risultati devono riflettere dati e processi reali¹.

A febbraio 2026 il tema è tornato centrale. Anthropic ha pubblicato due contributi sulla modernizzazione dei legacy con AI. Nello stesso mese, dopo un articolo sul COBOL, è entrato anche nell’agenda di Reuters. Segnale di attenzione verso approcci agentici applicati a codebase storiche¹.

Per dare concretezza, la fonte chiede un metodo che produca evidenze osservabili e decisioni umane informate. Una checklist minima aiuta a impostare il lavoro¹:

• Aspettative esplicite: elencare funzioni e risultati attesi del sistema, con criteri di accettazione misurabili¹.
• Test estesi: costruire o rafforzare suite che coprano i comportamenti critici, non solo i casi comuni¹.
• Osservabilità adeguata: definire metriche e segnali utili a confrontare esecuzioni vecchie e nuove, in ambienti controllati¹.
• Avanzamento per evidenze: procedere per passi, raccogliere dati a ogni iterazione, confrontarli con le aspettative e decidere se continuare¹.
• Giudizio umano: rivedere le proposte degli agenti e i risultati dei test prima di ogni passaggio sostanziale¹.
• Documentazione aggiornata: usare l’output degli agenti come supporto, verificandolo contro dati e processi effettivi¹.

Senza questi elementi, un progetto di modernizzazione non dovrebbe partire. Con questi elementi, gli agenti possono accelerare la comprensione dei sistemi e preparare il terreno, ma la scelta di procedere poggia su prove, non su promesse¹.

La pressione crescerà con l’attenzione esterna sul tema. Chi struttura ora test, osservabilità e decisioni tracciabili potrà valutare gli agenti con più lucidità, e fermarsi in tempo quando le evidenze non bastano¹.