AI 的最佳投资回报率目前是修复旧代码，而不是编写新代码

我参加的每个 AI 产品演示都以相同的方式开始：一个空白的提示框，一个用简单英语的请求，几分钟后就有一个可用的应用程序。这是一个真正令人印象深刻的技巧。但是我认为，这是目前企业 AI 领域中最不令人感兴趣的事情。

更重要的工作发生在一个远不那么光鲜的地方：在十五年前的代码库中，没有人愿意触碰，代码是由十年前离开公司的工程师编写的，业务逻辑是没有人完全理解的。绝大多数 AI 报道都把这个问题搞反了。遗留代码不是技术债务，它是积累的业务智慧：几十年的决策，以软件的形式编码，做出这些决策的人早已离开了公司。

绿地开发占据了主导地位。旧代码得到的资金是勉强的，而且通常没有足够的理解来有效地使用它。

真正的短缺不是开发人员，而是记忆

这不是一个孤立的问题。2025 年的一项 Pegasystems 研究，由 Savanta 公司在全球 500 多名 IT 决策者中进行，估计平均每个全球企业每年浪费超过 $370 万 来尝试高效地现代化遗留系统，其中近 134 万美元与缓慢、资源密集的转型项目有关。

我们最近与一家电池分销公司合作，该公司运行着超过 15 个遗留应用程序，这种情况是二十年来通过并购、一次性集成和工程师解决今天的问题而积累起来的。在这些代码中，有定价规则、库存阈值和分销约束，代表了多年的机构决策，这些决策只在没有人完全绘制的逻辑中写下来。

很容易把这称为一个人才问题：雇佣更多的开发人员，迁移得更快。但是，你不能仅仅通过雇佣更多的人来解决这样一个问题：理解为什么一个模块以某种方式工作的那个人在 2014 年离开了公司。大多数企业都面临着记忆短缺的问题，而不是人才短缺的问题。直到最近，还没有真正的方法来解决这个问题。

AI 实际改变了什么

我们没有将代码生成工具指向旧代码库，并告诉它重写一切；这大致是你如何默默地删除你不知道存在的业务逻辑。相反，我们使用 AI 代理来完成不光鲜的基础工作：跟踪 15 多个应用程序如何相互连接，表面化嵌入逻辑的决策，这些决策从未在其他地方写下来，并将其作为组织可以查询的上下文，而不是仅仅存在于一名工程师的头脑中。这与其他 AI 厂商现在公开记录的内容一致：Anthropic 关于使用 Claude Code 现代化 COBOL 系统的指导 描述了相同的顺序，首先自动化探索和分析阶段，而不是直接跳转到重写。

代理不根据生成的代码量进行评估。它们根据能够表面化和保留的机构知识量进行评估。工程师们与代理一起在实际迁移和测试生成中工作，检查代理对业务逻辑的解释与系统在生产中的行为是否匹配，而不是仅仅信任它。一个有用的信号我们正在关注：代理对规则的解释是否与我们可以在生产日志中独立验证的模式匹配，还是一个听起来合理的猜测？这两个之间的差距正是遗留现代化项目通常出错的地方。

该项目的原始估计为八个半月。它在四个月内完成，时间缩短了 53%。但是，更加持久的结果不是时间表。以前会在工程师离开公司时蒸发的机构知识变成了组织可以真正保留的东西。

软件工程师花了几十年时间编写软件。接下来的十年可能会花在挖掘软件上，AI 将不再是作者，而是考古学家，仔细重建嵌入代码中的推理，这些代码比写它们的人寿命更长。

不破坏事物的粗略框架

进行得好的项目似乎遵循大致相同的顺序，无论系统是定价引擎还是索赔流水线：

发现：绘制系统的实际连接方式，而不是 2016 年架构图中所说的连接方式。

理解：让代理表面化业务逻辑和背后的假设，以领域专家可以验证的简单语言进行说明。

验证：将代理的解释与实际的生产行为进行交叉检查，而不是仅仅与代码自己的注释进行比较。

转换：仅在前三个阶段成立后，迁移或重建，人类负责签署。

直接跳转到转换，你就不是在现代化。你是在赌博，使用你还不完全理解的逻辑。

为什么这在工程团队之外很重要

机构记忆不仅仅是在高级工程师退休时悄悄消失。它在业务最不愿意的时候成为一个急迫的负债：在 收购 期间，新所有者需要了解他们实际上购买了什么；在 ERP 迁移 期间，旧逻辑需要被正确地转移到新系统中；在 合规性审计或事件响应 期间，需要有人解释系统为什么以某种方式行为，在截止日期前，向一个不会接受“建造它的人在 2014 年离开”的答案的监管机构。

以这种方式处理，遗留现代化不再是一个工程项目，而是一个组织韧性的问题，这意味着不仅仅是 CTO 应该关心。它还关乎 CIO，他们权衡技术人员离职的后果；M&A 团队，他们试图确定收购的价格；以及董事会，他们思考公司运营知识存在何处，除了代码中没有人阅读的部分。

重要的注意事项

没有人会监督这一过程。这种方法最危险的版本是代理对旧业务逻辑的解释被信任而没有经过验证，因为遗留系统正是自信的错误 AI 假设最昂贵的地方。新的微服务的完全自治是一个合理的赌注。2011 年以来没有人触碰过的定价引擎的完全自治不是。价值在于 AI 使得成为理解业务的工程师成为可能，成为理解没有人目前理解的系统的工程师。它不会取代他们。

我认为接下来会发生什么

二十年来，企业将遗留软件视为需要逃避的东西：一个需要勉强资助和尽快现代化的成本中心。我认为 AI 即将揭示许多这些代码实际上是业务构建的最有价值的知识库之一。它只需要能够读取它的东西。研究人员已经记录了这一循环的另一端：2026 年关于 LLM 协助开发的多声文学综述 发现，当前对 AI 加速速度的追求实际上正在创建“快速集成债务”，代码发布速度比理解速度更快。遗留现代化只是账单终于到期，提前了一个世代。

我很想知道其他工程和技术领导者是否看到相同的转变：AI 投资的回报率是在您构建的内容中体现出来，还是在您终于能够理解和保留的内容中体现出来？对于任何尝试过在真正的旧系统、没有文档的系统上运行 AI 代理的人来说，代理的理解在验证中保持不变的地方在哪里，它又在哪里默默地崩溃了？