Morgan Stanley ha deciso di affrontare una delle più spinose problematiche del software aziendale: la modernizzazione del codice legacy. Questo tipo di codice, spesso scritto decenni fa in linguaggi oggi obsoleti come Cobol o Perl, rappresenta un ostacolo significativo all’adozione di nuove tecnologie e può comportare rischi di sicurezza e inefficienze operative.
A differenza delle Big Tech, che non sono ancora riuscite a fornire soluzioni completamente efficaci in quest’ambito, Morgan Stanley ha scelto una strada autonoma, realizzando internamente un proprio strumento di intelligenza artificiale: DevGen.AI.
Indice degli argomenti:
DevGen.AI: un progetto Morgan Stanley basato su GPT
A gennaio 2025, la banca d’investimento ha lanciato DevGen.AI, una soluzione costruita internamente e basata sui modelli GPT di OpenAI. Lo strumento è progettato per tradurre il codice legacy in specifiche in linguaggio naturale, che i programmatori possono utilizzare come base per riscrivere il codice in linguaggi moderni.
“Abbiamo scoperto che realizzarlo noi stessi ci ha fornito alcune funzionalità che non vediamo in alcuni prodotti commerciali”, ha spiegato Mike Pizzi, responsabile globale di tecnologia e operazioni di Morgan Stanley. “Ma abbiamo visto l’opportunità di partire in vantaggio fin dall’inizio.
Risultati concreti: 9 milioni di righe di codice e 280mila ore risparmiate
I risultati ottenuti da DevGen.AI nei primi mesi di utilizzo sono impressionanti. Lo strumento ha già analizzato oltre 9 milioni di righe di codice legacy, consentendo un risparmio stimato di 280mila ore di lavoro per gli sviluppatori della banca.
Secondo Pizzi, i tool AI commerciali eccellono nella scrittura di nuovo codice, ma spesso mancano di competenze nei linguaggi più datati o poco diffusi, oppure in linguaggi personalizzati da singole aziende. Per questo motivo, Morgan Stanley ha optato per un approccio interno, formando DevGen.AI direttamente sul proprio patrimonio di codice sorgente.
Un supporto trasversale per 15mila sviluppatori
DevGen.AI è oggi a disposizione dei circa 15mila sviluppatori di Morgan Stanley in tutto il mondo. Le sue funzionalità sono molteplici: dalla conversione del codice legacy in specifiche leggibili in inglese, all’isolamento di sezioni di codice per richieste normative, fino alla riscrittura automatica di porzioni ridotte di codice in linguaggi moderni.
Tuttavia, secondo Pizzi, “Quando si tratta di traduzione completa, la tecnologia ha ancora margini di miglioramento”.
Lo strumento può tecnicamente convertire il codice, ad esempio, da Perl a Python, ma non sempre riesce a ottimizzarlo secondo le best practice del nuovo linguaggio. È proprio per questo motivo che la supervisione umana rimane fondamentale nel processo.
La vera forza di DevGen.AI di Morgan Stanley: le specifiche in inglese
Il vero punto di forza di DevGen.AI, secondo Pizzi, risiede nella capacità di tradurre il codice legacy in una “mappa” descrittiva del suo funzionamento, espressa in inglese semplice. Questo processo era finora possibile solo grazie a un numero sempre più ristretto di sviluppatori esperti in linguaggi antichi o altamente specifici.
“Con queste specifiche, qualsiasi sviluppatore può quindi riscrivere il vecchio codice come nuovo codice in un linguaggio di programmazione moderno,” ha affermato Pizzi. In questo modo, anche programmatori non esperti nei vecchi linguaggi possono contribuire alla modernizzazione dei sistemi.
Nessuna riduzione del personale, ma più efficienza e AI
L’iniziativa non comporta una riduzione del personale tecnico. Al contrario, Pizzi sottolinea come l’obiettivo sia scrivere più codice e sviluppare più applicazioni basate sull’intelligenza artificiale, per contribuire alla crescita del business e all’automazione dei flussi di lavoro.
“La tecnologia è in continua evoluzione. Oggi, con l’intelligenza artificiale, questo aspetto diventa ancora più importante”, ha dichiarato Pizzi. Attualmente, Morgan Stanley ha centinaia di use case basati sull’AI già in produzione, ma per farli funzionare in modo efficiente serve un’architettura moderna, standardizzata e ben progettata.
Conclusione: un modello per l’AI enterprise
L’esempio di Morgan Stanley dimostra come l’adozione strategica dell’AI, combinata con un approccio interno e personalizzato, possa risolvere problemi tecnologici profondi e strutturali. In un contesto in cui gli strumenti commerciali non sempre offrono la flessibilità richiesta dalle imprese, l’autonomia nello sviluppo può fare la differenza.
Il caso di DevGen.AI non solo evidenzia il potenziale dell’intelligenza artificiale nei processi IT complessi, ma anche il valore di una visione tecnologica proattiva, capace di anticipare i limiti delle soluzioni standardizzate e creare reali vantaggi competitivi.
