Find the Modernization Path That Protects What Matters

Riepilogo

• AI can accelerate code modernization, but it creates durable value only when teams ground its output in application understanding, engineering discipline, and validation.
• Mission-critical COBOL and PL/I applications require more than code conversion. Leaders need to understand dependencies, business rules, transaction behavior, and operational controls before they choose a modernization path.
• The right modernization path depends on business objectives, architecture, risk tolerance, and operational priorities.
• Testing and validation help teams demonstrate that modernized applications still support expected business outcomes. 
   

AI has changed the code modernization conversation

Enterprise leaders no longer ask only whether artificial intelligence can explain code, summarize logic, or accelerate documentation. They ask a harder question: Can AI help modernize mission-critical applications without weakening the business behavior those applications protect?

And we believe that the publication of the Gartner^® Magic Quadrant^™ for AI-Augmented Code Modernization Tools reflects growing market focus on that question.

Our experience points in the same direction. Organizations increasingly recognize that business objectives should drive modernization decisions, not technology constraints. The challenge is not simply choosing a new platform or development model. It is determining how to evolve mission-critical COBOL and PL/I applications while preserving business behavior, architectural integrity, operational continuity, and transaction integrity.

That is why modernization leaders need more than AI-assisted code conversion. They need application understanding, disciplined path selection, deterministic validation, and confidence that essential business behavior will be preserved.

At Rocket Software, we view AI-augmented code modernization as an execution discipline. AI can reduce the time developers, architects, and application owners spend interpreting unfamiliar COBOL and PL/I applications. But AI creates durable value only when modernization leaders ground its output in code facts, structured application models, product documentation, and customer-specific context.

What does Rocket’s Gartner recognition signal for modernization leaders?

Rocket Software was recognized as a Challenger in the 2026 Gartner^® Magic Quadrant^™ for AI-Augmented Code Modernization Tools.  

We see that recognition as part of a larger shift: organizations are looking for practical ways to use AI in modernization without losing the application understanding, testing discipline, and validation that mission-critical environments require.

For organizations that need to modernize code while continuing to serve customers, employees, partners, and constituents, that distinction matters. In our view, Rocket’s position reflects a practical approach to mission-critical modernization: combining AI-assisted analysis with application understanding, automated testing, and validation so organizations can modernize with greater confidence.

The real modernization challenge is not whether organizations can generate new code. It’s whether they can change platforms, tools, and deployment models while preserving the business logic, architectural integrity, transaction behavior, recovery processes, and operational controls that keep core systems running.

Modernization leaders need more than AI-assisted code conversion. They need application understanding, disciplined path selection, deterministic validation, and confidence that business behavior will be preserved.

What should leaders expect from AI-augmented code modernization?

AI-augmented code modernization uses artificial intelligence alongside application analysis, engineering tools, testing, and human review to help teams understand, assess, transform, validate, and maintain existing applications.

Unlike basic code conversion, AI-augmented modernization connects source code to the dependencies, data flows, transactions, operational processes, testing evidence, and business outcomes that shape application behavior. 

What should leaders expect from AI-augmented code modernization?

I leader dovrebbero aspettarsi che l'IA riduca il tempo che gli ingegneri addetti alla modernizzazione dedicano alla comprensione delle applicazioni, non che elimini la necessità di un giudizio ingegneristico. I casi d'uso più efficaci partono dalla comprensione: spiegazione del codice in linguaggio naturale, estrazione delle regole aziendali, analisi delle dipendenze, valutazione dell'impatto e documentazione.

Queste capacità sono importanti perché le applicazioni critiche raramente si rivelano attraverso il solo codice sorgente. Un programma COBOL può connettersi a pianificazioni batch, flussi di transazione, aggiornamenti di file, interazioni con database, riferimenti a copybook, controllo dei job e procedure operative. L'output dell'IA diventa più utile quando l'analisi deterministica mostra come questi elementi si connettono.

Ecco perché Rocket combina l'intelligenza artificiale con l'analisi statica del codice, modelli applicativi strutturati, documentazione del prodotto e contesto specifico del cliente. L'obiettivo non è un'illusione di IA: un output che sembri impressionante ma che produca risultati affidabili e verificabili. L'obiettivo è una comprensione più rapida, con la possibilità di risalire ai programmi, agli elementi dati, alle dipendenze e ai percorsi di esecuzione che determinano il comportamento dell'applicazione.

L'obiettivo non è una messa in scena di intelligenza artificiale. L'obiettivo è una comprensione più rapida, con la possibilità di risalire al comportamento dell'applicazione che i responsabili della modernizzazione devono preservare.

Come dovrebbero le imprese scegliere il percorso di modernizzazione più adatto?

L'intelligenza artificiale può accelerare l'analisi, ma i leader devono comunque prendere una chiara decisione architetturale. La modernizzazione delle applicazioni può assumere diverse forme, tra cui la modernizzazione della piattaforma, il replatforming delle applicazioni, il refactoring del codice e la modernizzazione del linguaggio. L'approccio più adatto dipende dagli obiettivi aziendali, dall'architettura, dalla tolleranza al rischio e dalle priorità operative. L'intelligenza artificiale può aiutare i leader a valutare le opzioni, ma non deve offuscare il percorso.

Un approccio disciplinare condiviso accomuna ogni strategia di modernizzazione: l'analisi delle applicazioni, la comprensione assistita dall'intelligenza artificiale, i test automatizzati e la convalida contribuiscono a garantire che le organizzazioni modifichino ciò che deve essere modificato senza compromettere i processi aziendali da cui dipendono.

Il portfolio di Rocket per la modernizzazione del codice aiuta le organizzazioni a comprendere, modernizzare, testare, convalidare ed evolvere applicazioni COBOL e PL/I mission-critical in ambienti mainframe, distribuiti e cloud. Grazie a soluzioni come Rocket Enterprise Suite e Rocket Visual COBOL, le organizzazioni possono analizzare le dipendenze, estrarre la logica di business, migliorare i flussi di lavoro di sviluppo, automatizzare i test e la convalida e scegliere strategie di modernizzazione allineate agli obiettivi aziendali.

Il filo conduttore di questi percorsi è la disciplina. I responsabili della modernizzazione devono comprendere cosa fa l'applicazione, dove esistono le dipendenze, quali regole aziendali sono più importanti e come dimostreranno che il codice trasformato continua a supportare i risultati attesi.

Perché la validazione definisce la credibilità della modernizzazione?

La credibilità della modernizzazione deriva dalle prove. Sviluppatori, tester, architetti e responsabili del rilascio necessitano di casi di test che riflettano scenari aziendali significativi, test di regressione che confrontino i risultati prima e dopo la modifica e verifiche operative che confermino le prestazioni, il ripristino e il comportamento delle transazioni.

Questo lavoro di validazione trasforma la modernizzazione da una promessa in un processo di ingegneria controllato. L'IA può spiegare cosa esiste, segnalare le aree applicative interessate e documentare ciò che gli ingegneri addetti alla modernizzazione devono esaminare. Gli ingegneri devono comunque verificare che l'applicazione modernizzata mantenga il comportamento previsto prima di implementare le modifiche in produzione.

La credibilità della modernizzazione deriva dalla dimostrazione che l'applicazione si comporta ancora come previsto.

Il valore di questo approccio si riflette nei risultati concreti della modernizzazione. Le organizzazioni che utilizzano le soluzioni di modernizzazione del codice Rocket hanno ottenuto risultati misurabili, tra cui una maggiore produttività degli sviluppatori, cicli di test ridotti, minori rischi legati alla trasformazione, significativi risparmi sui costi operativi e una maggiore fiducia nelle iniziative di modernizzazione, il tutto mantenendo la continuità operativa.

Come fanno i leader della modernizzazione a consolidare questo processo?

La prossima fase di modernizzazione premierà le organizzazioni che considerano l'IA come parte integrante di una disciplina operativa ripetibile, non come una scorciatoia per aggirare la conoscenza applicativa. I leader dovrebbero porsi quattro domande pratiche prima di intraprendere un percorso di modernizzazione:

• Quali comportamenti aziendali deve preservare l'applicazione?
• Quali dipendenze influenzano l'esito delle transazioni, il trasferimento dei dati e le tempistiche operative?
• Stiamo modificando l'ambiente di esecuzione, il flusso di lavoro degli sviluppatori o entrambi?
• Come dimostreremo che l'applicazione modernizzata produce i risultati attesi?

L'intelligenza artificiale può accelerare le risposte a queste domande, ma non può renderle facoltative. La modernizzazione dipende ancora dall'architettura, dal contesto, dalla disciplina ingegneristica e dalla validazione. Per le aziende che gestiscono applicazioni mission-critical, questa è la differenza tra spostare il codice e far progredire il business in modo sicuro, ripetibile e con fiducia.

Leggi il report completo di Gartner

Disclaimer

Source: Gartner, Magic Quadrant^™ for AI-Augmented Code Modernization Tools, by Prasanna Lakshmi Narasimha, Deacon D.K Wan, Erin Khoo, Wei Jin., August 3, 2026.

Disclaimer: Gartner does not endorse any company, vendor, product or service depicted in its publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner publications consist of the opinions of Gartner’s business and technology insights organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this publication, including any warranties of merchantability or fitness for a particular purpose.

Gartner and Magic Quadrant are trademarks of Gartner, Inc., and/or its affiliates.