Itaú Unibanco, gli agenti AI per spegnere il mainframe entro il 2028

Itaú Unibanco, la più grande banca del Brasile, sta usando agenti AI per smontare uno dei lavori più ingrati dell'IT: migrare dal mainframe i sistemi batch scritti in COBOL. Insieme a GFT Technologies ha costruito uno strumento, Batch2Cloud, che riduce fino al 70% i tempi di migrazione. La banca dice di essere in linea per spegnere i mainframe entro la fine del 2028.

Il caso conta per chi guida l'IT perché mostra dove l'AI genera più valore in un progetto di modernizzazione. Non è nello scrivere codice nuovo. È nel capire quello vecchio.

Il contesto: il costo nascosto è la comprensione

Il COBOL è un linguaggio del 1959. Douglas Santos, responsabile della piattaforma mainframe di Itaú, ha spiegato che la banca ha miliardi di righe di codice con documentazione scarsa. Chi le ha scritte, in gran parte, è andato in pensione.

Prima di riscrivere qualsiasi cosa, qualcuno deve scoprire che cosa fa il programma. In un caso di studio pubblicato da AWS, Itaú riferisce che i suoi ingegneri passavano il 50% del tempo ad analizzare il codice esistente. Un altro 30% se ne andava nella creazione manuale dei test. Resta poco tempo per la migrazione vera e propria.

Itaú non è un'eccezione. Secondo AWS, le grandi istituzioni finanziarie destinano il 70-85% del budget IT alla manutenzione dei sistemi datati. Stime di DXC indicano che 45 delle 50 maggiori banche al mondo usano applicazioni mainframe per operazioni critiche. Sempre secondo AWS, il 71% dei team mainframe lamenta carenza di personale.

Cosa ha fatto Itaú

La banca ha messo gli agenti AI sulla parte dei sistemi che ha resistito più a lungo alla migrazione: i sistemi batch. Sono le routine programmate che eseguono chiusure, regolamenti e riconciliazioni. Da decenni girano su mainframe.

Batch2Cloud è stato sviluppato con GFT. Secondo le due aziende, nella fase iniziale ha ridotto fino al 70% i tempi di migrazione e ha accelerato la consegna dei progetti fino a 3,3 volte. GFT precisa il riparto dei compiti. Gli agenti gestiscono attività ripetitive, analisi, generazione del codice e validazione. I team di specialisti restano responsabili di decisioni tecniche, architettura e governance.

Altri passaggi del percorso mostrano guadagni simili, secondo Santos:

• la scoperta delle applicazioni è passata da tre mesi a due settimane, con AWS Transform e Kiro, gli strumenti AI di Amazon per lo sviluppo;
• l'estrazione delle regole di business, che richiedeva settimane di interviste agli esperti, ora richiede ore;
• nelle applicazioni in cui gli strumenti sono stati usati dall'inizio alla fine, il tempo di migrazione per applicazione è sceso di circa il 75%.

Più del 70% dei servizi di business della banca gira già su AWS.

Il nodo del controllo: la regola persa

Fare più in fretta non azzera il rischio di sbagliare. La fonte ricorda il caso TSB: nel 2022 i regolatori britannici hanno multato la banca per 48,65 milioni di sterline, dopo che una migrazione di piattaforma nel 2018 aveva bloccato l'accesso ai conti dei clienti.

Il codice bancario datato contiene decenni di regole sulle transazioni, calcoli degli interessi e requisiti normativi. Un codice generato che dimentica una sola eccezione può sbagliare il prezzo di un prestito o far fallire un pagamento.

Per questo Itaú ha costruito un framework di validazione. Serve a confermare che ogni regola di business critica sia sopravvissuta all'estrazione prima della ricostruzione. Il codice prodotto dall'AI passa dagli stessi controlli di qualsiasi altra modifica. Secondo la banca, ha superato al primo tentativo la pipeline di sicurezza e qualità.

Un quadro ancora disomogeneo

Pochi istituti sono avanti come Itaú. Danske Bank ha usato agenti AI per modernizzare un'applicazione mainframe di circa 140.000 righe in 583 file. AWS le attribuisce un'accelerazione complessiva del 60%. Altri dati mostrano che l'AI è già entrata nei team tecnici anche dove i sistemi centrali non si sono mossi. Un rapporto di PYMNTS Intelligence indica una adozione del 25% nell'orchestrazione delle API e nell'integrazione tra i servizi finanziari. Il 30% cita qualità e frammentazione dei dati come primo ostacolo.

Va letto con cautela un aspetto: i risultati più forti arrivano dalle dichiarazioni della banca e dei suoi fornitori, GFT e AWS. Sono numeri utili come ordine di grandezza, non benchmark indipendenti.

Cosa può imparare un manager

• Parta dalla comprensione, non dalla riscrittura. In Itaú l'80% del tempo ingegneristico andava in analisi e test manuali. È lì che l'AI libera più capacità.
• Misuri la fase di scoperta. Passare da tre mesi a due settimane cambia la pianificazione dell'intero portafoglio applicativo. Se non sa quanto costa oggi capire un'applicazione, non può valutare il ritorno.
• Estragga le regole prima di toccare il codice. Itaú ha validato ogni regola critica prima della ricostruzione. Una checklist di regole di business verificabile è la protezione contro l'errore alla TSB.
• Tenga le decisioni nelle mani di persone. Gli agenti fanno analisi, generazione e validazione. Architettura e governance restano ai team specialistici.
• Scelga un perimetro delimitato. I sistemi batch sono routine con input e output definiti. È un buon candidato per un primo progetto di migrazione assistita dall'AI.
• Chieda numeri al fornitore, ma verifichi sui suoi sistemi. Un "fino al 70%" è un massimo. Faccia un pilota su un'applicazione sua prima di impegnare il piano.