Inteligencia artificial generativa, una opción prácticamente inviable para salir del 'mainframe'

Durante años se ha persistido en la idea de que el mainframe tiene los días contados, pero la realidad vuelve a mostrar lo contrario. Frente a la narrativa, el futuro de estos sistemas centrales de alto rendimiento -muy extendidos en sectores críticos, hiperregulados y con gran volumen de transacciones, como banca, sanidad o retail, entre otros-, parece asegurado.

A día de hoy, resisten incluso el vertiginoso impulso de la inteligencia artificial generativa. De hecho, las compañías que están intentando recurrir a esta tecnología para que les ayude a migrar código heredado a plataformas alternativas no obtendrán resultados convincentes, según un estudio de la consultora Gartner.

En concreto, más del 70% de los proyectos de migración iniciados en 2026 no alcanzarán los beneficios previstos debido, tal y como reza el documento, a “la sobreestimación de las capacidades de las herramientas de IA generativa”.

En cualquier caso, el número de compañías que está optando por este tipo de transformación radical ha empezado a disminuir considerablemente en los últimos tiempos. “Hay ya un reconocimiento general de la casi imposibilidad de abandonar estos sistemas con costes y riesgos aceptables”.

Los autores del análisis, titulado ‘Demasiado grandes para fracasar: por qué es probable que los proyectos de migración de mainframes fracasen en la era de la IA generativa’, concluyen que, para la mayoría de las grandes empresas, el enorme volumen y la complejidad de interconexión de los datos hacen que la migración total sea una imposibilidad tanto física como financiera.

Por su parte, añaden que este escenario se da en un contexto en el que la inteligencia artificial generativa todavía tiene muchas limitaciones para la conversión automatizada de código heredado.

Asimismo, “tampoco se están teniendo en cuenta las capacidades únicas del mainframe, como garantizar el mismo rendimiento y capacidad de procesamiento una vez saldada la reubicación”.

Modernización frente a sustitución

Por el contrario, la firma de análisis sí reconoce que los mainframes pueden llegar a suponer una importante fuente de deuda técnica y que la inteligencia artificial puede ayudar en su detección y solución. Pero, más que apostar por un cambio hacia otras plataformas, plantea su modernización y convivencia con otras tecnologías.

De hecho, prevé que para 2030 el 75% de los proveedores que opera en este mercado de salida habrá modificado sus modelos de negocio o incluso habrán desaparecido.

El error de las compañías que se han dejado llevar por estas alternativas pasa por “la fuerte demanda de los inversores de capacidades de inteligencia artificial como único indicador de la salud financiera de un proveedor a largo plazo, lo que obliga a estos a implementarla incluso donde no es necesaria”.

Esta presión, añade el documento, también choca con las preocupaciones para encontrar personal cualificado que opere estas herramientas.

Sin embargo, la consultora es clarividente en cuanto a su análisis: “Dejarse seducir por promesas mágicas, ignorando un enfoque inteligente de la plataforma, conlleva una enorme deuda y un riesgo empresarial crítico”.

Incluso, advierte: “Las consecuencias de un error de cálculo son inmensas. Una mala toma de decisiones en materia de migración no se limita solo a sobrecostes, sino que supone una amenaza para la continuidad operativa y empresarial”.  

Un debate que viene de lejos

La inteligencia artificial generativa ha reavivado una conversación que se empezó a gestar allá por 2010, cuando este tipo de dispositivos empezaron a antojarse arcaicos y “poco innovadores” para muchos expertos.

Sin embargo, según los datos de las principales firmas de análisis, y tal y como recogía DISRUPTORES – EL ESPAÑOL en este reportaje, el 78% de los CIOs asegura que los mainframes son más seguros que las tecnologías modernas.

Es más, en España, hace escasos dos años, hasta el 80% de las organizaciones mantenía su core de negocios en este tipo de sistemas.