Los equipos empresariales hoy en día envían más código, con más frecuencia, — alimentado en parte por herramientas de codificación impulsadas por la IA como GitHub Copilot y Amazon Q. Más que nunca antes Pero hay un problema. Mientras que la IA ayuda a los equipos empresariales a enviar más, más rápido, los sistemas heredados que han heredado - junto con años o incluso décadas de deuda arquitectónica - A medida que la complejidad aumenta, muchas organizaciones se están volviendo a la modernización, no solo para seguir adelante, sino porque la migración en la nube lo requiere. Se empeoran La realidad es que mientras gran parte de la emoción alrededor de la codificación de IA se centra en proyectos de campo verde y aplicaciones recién construidas, most developers spend their time maintaining and modernizing legacy systems that are filled with outdated code, old frameworks, and accumulated  . La deuda arquitectónica La deuda arquitectónica A los equipos se les ha dado este mandato para modernizar, pero con sus herramientas de IA que tienen poco o ningún contexto de la arquitectura de software existente (o deuda arquitectónica), los problemas como el acoplamiento estrecho, las dependencias confusas y la deriva arquitectónica se exacerban. . Esto lo está haciendo peor Pero hay una respuesta. Porque la modernización no se trata sólo de reescribir el código rápidamente. Y con el enfoque correcto para usar la IA, estos objetivos se pueden alcanzar. reshaping software architecture to support scalability, faster delivery, and cloud-native goals En este artículo, exploraremos cómo permitir Mientras que la mayoría de los artículos se centran en el uso de la IA para codificar, examinaremos ejemplos específicos de cómo la IA puede Porque con las herramientas adecuadas y el contexto correcto, la IA puede proporcionar sugerencias arquitectónicas consistentes y correctas que ayuden, no obstaculizan, los esfuerzos de su equipo. AI-assisted software architecture modernization actively help modernize software architecture Ya sea que estés luchando con un sistema heredado monolítico o navegando por las complicaciones de los microservicios heredados, la IA puede ser un co-arquitecto eficaz y poderoso. El problema con la IA y la arquitectura de software Sabemos que la IA ha transformado la codificación.La mayoría de los desarrolladores confían en los asistentes de codificación de IA en su trabajo diario, utilizando estos agentes de IA como un asistente de codificación inteligente, experimentado e incansable.Agentes de IA ahora pueden escribir (o reescribir) bloques enteros de código, e incluso sistemas enteros si lo pedimos. El problema es que en este uso diario, la IA también está afectando a la arquitectura. Cuando un desarrollador escribe código, está constantemente preguntando, y considerando la respuesta, preguntas como: 
 
 
 
 
 
 
 ¿Cómo organizo mis clases? How should I handle caching? ¿Dónde poner esa lógica de negocio? ¿Cuáles son las dependencias externas? ¿Cómo se adapta esto a nuestra arquitectura de software global? y más Ya sea que los desarrolladores lo sepan o no, los agentes de IA también están haciendo estas preguntas -y implicitamente tomando decisiones de arquitectura- con cada línea de código generado. Además de estas decisiones, se — Especialmente cuando el agente de IA (como es típico) no entiende ningún contexto de la arquitectura. tu inteligente, experimentado e incansable asistente de codificación está tomando decisiones no informadas que en la superficie parecen correctas — pero cuando se ve desde el contexto de la arquitectura de software están añadiendo más deuda, más problemas y más horas de depuración. Esa lógica “redundante”? risk Y para empeorar sus problemas, estos errores no suelen ser inmediatamente evidentes. Con los sistemas legados, la cobertura de código a menudo es menos que ideal. Y incluso entonces, la arquitectura de software no suele anunciar su desintegración en voz alta. Problemas como el acoplamiento estrecho o los módulos no escalables a menudo son invisibles para las herramientas de monitoreo y prueba. Arquitectura de software Drift (la erosión lenta y casi invisible lejos de la arquitectura estructurada y controlada) es particularmente insidiosa. Es una historia familiar: la complejidad del sistema era abrumadora, los intentos de modernización interna tomaron años, y los esfuerzos se paralizaron repetidamente debido a las trampas arquitectónicas ocultas. Architecture drift El banco Fortune 100 En una encuesta reciente, Las empresas experimentan resultados negativos de negocio debido al mal alineamiento entre la arquitectura implementada y los estándares documentados, lo que hace imposible ignorar el coste de estas brechas. El 93% de los encuestados Los problemas arquitectónicos pueden ser menos visibles que los errores de código, pero son mucho más problemáticos. Cómo la IA puede ayudar a modernizar su arquitectura de software Pero no tiene que ser así. La IA no solo puede entender y seguir sus decisiones de arquitectura, sino que también puede ayudar a mejorarlas. , donde los diagramas estáticos y el conocimiento tribal caen escasos y los desarrolladores y arquitectos se quedan en la oscuridad, la IA no es sólo un asistente. brownfield modernization efforts Al igual que las herramientas de IA pueden detectar y recomendar mejoras a nivel de código, la IA puede detectar y reparar problemas arquitectónicos durante sus esfuerzos de modernización si se alimenta de un contexto arquitectónico basado en el análisis del tiempo de ejecución. Usado correctamente y con el contexto de tiempo de ejecución y el análisis estructural basado en dominios preliminares, la IA puede: 
 
 
 
 
 
 Detectar y corregir antipatrones arquitectónicos antes de que se conviertan en críticos Sugerir estrategias de refactorización precisas Prioriza lo que hay que arreglar, conservando el tiempo limitado de un equipo de ingeniería (mientras que los asistentes de codificación ayudan a arreglar problemas a pequeña escala de inmediato) Las dependencias complejas Automatizar la reparación de la deriva arquitectónica, haciendo eficaz la auto-curación del sistema Impulso efectivo para una modernización exitosa Así que sabemos que la IA puede ser nuestro mejor amigo cuando modernizamos los sistemas. El primer paso para el uso efectivo de la IA en la arquitectura de software es el prompting efectivo.Los resultados que obtienes están directamente relacionados con la calidad de tu prompt.Y la calidad de tu prompt suele ser el resultado de dar el contexto de IA y ser específico. Si usted es de alguna manera vago en su prompt, el resultado probablemente será muy equivocado. Entonces, ¿qué es un prompt efectivo? 1. Be specific. No haga clic en "Construir una API REST para gestionar pedidos". Esta prompt, aunque tal vez exageradamente mala, deja un espacio significativo para la interpretación de la IA tanto en arquitectura como en diseño. En su lugar, se apresura específicamente con la dirección arquitectónica: “Construye una API REST de Python para administrar órdenes usando Flask y SQLAlchemy. Estructura la aplicación con: 
 
 
 
 una capa de controlador (rutas de flash) para el manejo de solicitudes HTTP, una capa de servicio para la lógica de negocio, y una capa de repositorio para el acceso a los datos utilizando el SQLAlchemy ORM. 2. Be thorough. No sólo mencione la lógica del código, también incluye requisitos no funcionales. “Extender la API de Python Flask REST para soportar la robustez operativa y el mantenimiento. Incluye lo siguiente: 
 
 
 
 
 Logue cada solicitud HTTP entrante y su estado de respuesta. Logue el tiempo de ejecución de cada solicitud usando el módulo de logging integrado de Python. Los registros deben estar estructurados e incluir un timestamp, punto final, código de estado y latencia. Valida todas las cargas de pago de solicitud entrantes utilizando modelos Pydantic en la capa de controlador.Asegúrese de que los errores de validación devuelvan respuestas de error JSON estandarizadas con mensajes claros y códigos de estado HTTP adecuados. Implemente la lógica de retry con retroalimentación exponencial para errores de base de datos transitorios en la capa de repositorio.Use Tenacity para manejar retries sin duplicar la lógica en la capa de negocio. Asegúrese de que todas las respuestas a errores sigan un esquema JSON consistente, incluyendo código de error, mensaje y detalles opcionales para el borrado. 3. Always be an architect. Comunica tu diseño y objetivos de arquitectura, y cómo deben ser incorporados al sistema. “Desenvolver un sistema de entrega de correo electrónico modular para el sistema de pedidos, diseñado para escalar horizontalmente y que más tarde pueda ser separado en su propio microservicio. 
 
 Separación clara de las preocupaciones: estructura la base de código en capas limpias: 
 
 
 
 La capa de controlador (es decir, las rutas de Flask): acepta y valida las solicitudes de envío de correo electrónico. Layer de servicio: maneja las reglas de negocio como la limitación de tarifas, la plantilla de contenido y las retries. Layer de repositorio: gestiona la persistencia de intentos de envío de correo electrónico, estados y registros de entrega usando SQLAlchemy. 2 La desesperación: 
 
 
 
 No mantenga la sesión o el estado específico de solicitud entre las llamadas. Todos los contextos (por ejemplo, ID de remitente, contenido de correo electrónico, encabezados) deben incluirse en cada solicitud. Persiste todo estado en almacenes externos (base de datos, caché o cola) para mantener los nodos de computación sin estado. Escalabilidad y disponibilidad de microservicios: 
 
 
 
 Diseña cada una de las principales preocupaciones (por ejemplo, envío de la cola, rendimiento de correo electrónico, seguimiento del estado) como un módulo interno que más tarde podría convertirse en un servicio independiente. Evite las implementaciones de código duro: las interfaces deben definirse para cada componente principal (por ejemplo, EmailProvider, EmailQueue, TemplateEngine). Injecte todas las dependencias de servicio y repositorio a través de constructores o un simple contenedor DI. Requisitos no funcionales: 
 
 
 
 Resiliencia: maneja graciosamente los errores de SMTP y retira los fallos utilizando estrategias de retroalimentación. Observabilidad: Logue toda la actividad de correo electrónico con ID de solicitud y metadatos de entrega. Extensibilidad: Facilita el soporte de múltiples proveedores (por ejemplo, SendGrid, SES) detrás de una abstracción de interfaz. Recuerda: las promesas son efectivamente tu arquitectura. Sé específico, agrega contexto, sea completo, siempre. Añade contexto arquitectónico a sus prompts Un lector apto notará que la última declaración incluyó “añadir contexto” ... pero aún no hemos abordado esa necesidad. Para agregar un contexto arquitectónico a nuestros prompts, necesitamos ayuda. , una herramienta que analiza la arquitectura de aplicaciones y proporciona orientación estructural a los asistentes de GenAI en la refactoring. Utilizaremos análisis estáticos y dinámicos combinados con la ciencia de datos para comprender los dominios lógicos de su aplicación e identificar los límites óptimos de esos dominios. Esto a su vez nos permite encontrar problemas arquitectónicos en aplicaciones Java y .NET complejas, como: vFunción 
 
 
 
 
 
 
 Dependencias circulares Anticonceptivos Deuda Técnica Arquitectónica Violaciones de límites de dominio Código muerto y más Luego alimenta esa información a su agente para guiar sus pasos, dándole a sus agentes de IA la información que necesitan para escribir el código que desea. Un ejemplo paso a paso Pasemos por los pasos anteriores para ver cómo proporcionamos el contexto arquitectónico a los asistentes de código. Analyze your app. Comenzando recopilando datos estáticos y dinámicos de su aplicación. usaremos vFunction para identificar dominios lógicos potenciales en su aplicación y sus límites. Esta línea de base permite a la herramienta identificar problemas arquitectónicos relevantes como límites de dominio suboptimales, dependencias de clase interdomain, dependencias de recursos, clases de alta deuda, dependencias circulares y código compartido entre dominios. Después, puede consultar el análisis para encontrar errores que necesiten refactorización inmediata, preguntando preguntas como: ¿Cuáles dominios contienen el mayor número de clases comunes? Análisis de una aplicación de tamaño medio y sus dominios empresariales entrelazados (representados por esferas) y la deuda técnica acompañante. **Review the architectural TODOs
\ Next generate a list of prioritized architectural TODOs, each with a contextual explanation and an AI-ready prompt you can use in tools like Amazon Q or GitHub Copilot. **Use the prompt in your AI assistant.
\ Send the generated prompt into your IDE or code assistant. It will understand the context and help you break up god classes, resolve domain pollution, or implement suggested changes to increase the modularity of your code. For example, in the screen shot above we see suggestions for refactoring a circular flow dependency. **Validate and repeat.
\ Rerun the analysis after applying changes. It will show you whether modularity improved, which TODOs were resolved, which weren’t, and suggest the next step in the refactoring process. Al combinar esta visión con sus LLM, crea un asistente poderoso y consciente del contexto listo para construir y hacer el duro trabajo de refactoring. AI is Your Partner in Software Architecture AI es tu socio en arquitectura de software La codificación alimentada por IA es sólo una parte de la historia. The real value comes from using those same AI assistants not just to generate code but as a partner to help you modernize and improve your existing software architecture. Al utilizar un contexto basado en el tiempo de ejecución consciente de la arquitectura para generar llamadas eficaces, consistentes y precisas, la IA puede ayudarle a superar la deuda de la arquitectura heredada, modularizar su código e implementar un sistema escalable, nativo de la nube y modernizado. ¡Que tengas un gran día!

2022 - HackerNoon Contributor of the Year - Cloud Computing

2022 - HackerNoon Contributor of the Year - Design

2022 - HackerNoon Contributor of the Year - Heroku

2022 - HackerNoon Contributor of the Year - Javascript

2022 - HackerNoon Contributor of the Year - Salesforce

2022 - Hackernoons Tech Storyteller of the Year

I ♥ writing code. Find me on GitLab.

Nominated for 2022 - HackerNoon Contributor of the Year - Javascript

Nominated for 2022 - Hackernoons Tech Storyteller of the Year

Nominated for 2022 - HackerNoon Contributor of the Year - Cloud Computing

Nominated for 2022 - HackerNoon Contributor of the Year - Heroku

Nominated for 2022 - HackerNoon Contributor of the Year - Design

Nominated for 2022 - HackerNoon Contributor of the Year - Salesforce

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

La IA hace que los desarrolladores sean más rápidos; también empeora la arquitectura.

La IA hace que los desarrolladores sean más rápidos; también empeora la arquitectura.

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Telegram: el puente de Crypto Island hacia el continente

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Telegram: el puente de Crypto Island hacia el continente

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps