IBM Bob Premium Package for Z (Bob PP4Z) lleva la especialización en IBM Z directamente a Bob. PP4Z es una capacidad premium construida sobre la base agéntica de Bob, diseñada para apoyar a los equipos de mainframe en un rango más amplio de tareas de desarrollo.
PP4Z está diseñado para las realidades del desarrollo de mainframe empresarial: grandes aplicaciones, sistemas muy interconectados, variables crípticas, lógica de negocio de larga data y trabajo de modernización que debe realizarse de forma segura, consistente y con profunda conciencia arquitectónica.
Este artículo explica por qué los grandes entornos de mainframe llevan a sus límites a las herramientas de codificación de IA de uso general. Aborda lo que los metadatos estructurados y los diccionarios de datos aportan más allá de la recuperación de código fuente puro, cómo la ampliación del modelo ancla las respuestas en documentación aprobada por IBM y cómo PP4Z combina el razonamiento basado en modelos de Bob con herramientas deterministas de análisis y validación de IBM Z.
Una experiencia premium para el desarrollo en IBM Z
El desarrollo moderno de IBM Z abarca una amplia gama de actividades más allá de escribir código nuevo, como entender aplicaciones existentes, rastrear cómo un cambio se propaga por un sistema grande, documentar lógica de negocio de décadas y tomar decisiones de modernización que deben ser tanto seguras como defendibles.
PP4Z está diseñado para cubrir esa amplitud. Está construido sobre la base agéntica de Bob y aprovecha las skills, subagentes y workflows de Bob. Luego los extiende con lo que el desarrollo en IBM Z requiere específicamente: conocimiento estructurado de grandes paisajes de aplicaciones interconectadas, herramientas de análisis deterministas para COBOL, PL/I y Assembler, y modos específicos de Z ajustados a cómo trabajan los equipos de mainframe.
Metadatos locales y empresariales para una visión más profunda de las aplicaciones
Una gran aplicación de mainframe puede consistir en decenas de miles de programas interconectados que abarcan COBOL, PL/I y Assembler, coordinados por schedulers de batch e integrados con subsistemas como Db2, CICS e IMS. El modelo no puede razonar sobre ese entorno solo con el contexto. Antes de poder responder una pregunta, tiene que determinar qué programas y relaciones importan.
Aquí es donde falla la recuperación de código fuente puro. Imagina pedirle a una IA de uso general que encuentre todos los programas que llaman a un utilitario compartido de procesamiento de fechas (el tipo de rutina llamada por docenas de programas en un gran entorno COBOL). La búsqueda de texto estático encuentra declaraciones de llamada explícitas, pero se pierden las llamadas dinámicas, donde el nombre del programa se almacena en una variable y se resuelve en tiempo de ejecución. Ejecuta la misma consulta dos veces y el modelo puede elegir una estrategia de búsqueda diferente cada vez, devolviendo resultados distintos. La respuesta parece plausible, pero no es fiable.
PP4Z aborda esto construyendo una representación estructurada y consultable de la aplicación antes de que comience el razonamiento de IA. Los scanners locales populan metadatos directamente desde el workspace. Son los mismos scanners usados en el contenedor Z Understand y están disponibles sin un paso de carga. Los metadatos capturan relaciones entre programas, jerarquías de llamadas, flujo de control, flujo de datos, uso de SQL, definiciones de transacciones y dependencias de recursos en una forma que el modelo puede consultar con precisión.
Para análisis a escala empresarial, los equipos pueden conectar PP4Z al contenedor Z Understand. Esto le da a Bob acceso a metadatos estructurados que abarcan el portfolio de aplicaciones más amplio, incluyendo relaciones más allá del workspace local del desarrollador. Los desarrolladores pueden entonces hacerle a Bob preguntas como:
- ¿Qué programas llaman a un utilitario dado?
- ¿Qué programas leen una tabla SQL dada?
- ¿Qué podría verse afectado si este campo cambia de tamaño?
Bob consulta los metadatos para identificar los programas y relaciones relevantes, luego examina el código fuente correspondiente donde se necesita un análisis más profundo. La respuesta se basa en datos de aplicación consistentes y consultables en lugar de una búsqueda probabilística sobre archivos de código fuente sin procesar.
Ampliación del modelo: cerrar la brecha de conocimiento de IBM Z
La mayor parte del código de aplicaciones IBM Z reside en repositorios empresariales privados. Un modelo de uso general no tiene acceso al código, las convenciones o el contexto de negocio de esos sistemas. También debe trabajar con menos ejemplos públicos de los que encontraría para lenguajes y frameworks más comunes.
PP4Z aborda esta limitación mediante la ampliación del modelo: se analizan e indexan materiales de referencia seleccionados de IBM Z y se ponen a disposición de Bob para que las respuestas relacionadas con lenguajes y middleware de IBM Z se basen en lo que IBM realmente documenta. La capa de ampliación procesa la documentación de IBM Z para que pueda utilizarse al responder a los tipos específicos de preguntas que hacen los desarrolladores: convenciones de llamada, estructuras de campo, comportamientos de middleware y casos límite documentados en los que un modelo de uso general con exposición limitada a estos entornos puede cometer errores difíciles de detectar.
La diferencia práctica se hace notar cuando un desarrollador escribe o modifica código que interactúa con middleware de IBM Z. Un modelo de uso general puede producir código sintácticamente plausible que viola contratos precisos definidos por IBM. Con la ampliación del modelo, el conocimiento en el que se basa PP4Z al componer una respuesta está anclado en lo que IBM realmente especifica, no en la mejor aproximación posible a partir de una exposición limitada durante el entrenamiento.
IA consciente del negocio con diccionarios de datos
Los nombres de variables poco claros existen en todos los codebases, pero las aplicaciones IBM Z presentan este problema a una escala diferente y de una forma diferente. En muchas aplicaciones COBOL de larga data, la lógica de negocio y la lógica de aplicación están estrechamente entrelazadas. El significado está codificado en nombres de campo escuetos, layouts de copybook y convenciones de nomenclatura que se han acumulado durante décadas sin una aplicación consistente. Considera este WORKING-STORAGE SECTION:
01 WK10.
10 WK10-QUDISP PICTURE 9(10)
VALUE ZERO.
10 WK10-QUPIL PICTURE 9(3)
VALUE ZERO.
10 WK10-QUDIS PICTURE 9(15)
VALUE ZERO.
10 WK10-QUMYD PICTURE 9(10)
VALUE ZERO.Cuatro acumuladores numéricos están en un grupo llamado WK10. Nada en los nombres ni en las cláusulas PICTURE le dice a un desarrollador o a un modelo qué representa ninguno de ellos. Un modelo sin contexto adicional podría observar que WK10-QUDISP y WK10-QUDIS son ambos campos numéricos, probablemente relacionados con distancia dados los fragmentos QU y DIS, y suponer que sirven propósitos similares. Esa suposición es incorrecta. La diferencia de un carácter entre ellos es toda la historia.
Con el diccionario de datos generado por PP4Z, la distinción es explícita. WK10-QUDIS es el total acumulado de distancia volada por todos los pilotos. Se incrementa durante el procesamiento de registros de vuelo y se usa en el cálculo final del promedio. WK10-QUDISP es un acumulador por piloto. Se reinicia a cero al inicio del bloque de procesamiento de cada piloto y se muestra junto con la identificación de ese piloto. Uno se reinicia por piloto; el otro nunca. Una explicación o análisis de impacto que los confunda produce la respuesta incorrecta sobre lo que hace el programa.
PP4Z genera estas entradas mediante análisis estático de cómo participa cada variable en el programa. El análisis cubre flujo de control, operaciones de I/O, cálculos y movimiento de datos. En lugar de intentar documentar cada campo, identifica las variables que más influyen en el comportamiento del programa: las que, una vez nombradas, hacen que el resto del programa sea legible. Las entradas del diccionario de datos pueden gestionarse localmente o a través del contenedor Z Understand, con soporte para generación masiva, revisión y sincronización entre equipos.
Documentación, explicación y refactoring
Las secciones de metadatos, diccionario de datos y ampliación del modelo explican cómo PP4Z construye su visión de una aplicación. Esta sección explica cómo utilizan los desarrolladores esa visión.
La documentación y extracción de reglas de negocio producen conocimiento de aplicación duradero a escala. Los equipos pueden generar documentación estructurada para programas COBOL, PL/I y Assembler, cubriendo lógica del programa, flujos de datos y reglas de negocio embebidas. Pueden usar metadatos del scanner local para un alcance enfocado o el contenedor Z Understand para la aplicación completa. Las reglas de negocio emergen como parte de ese proceso, dándole a los equipos técnicos y a los stakeholders de modernización un registro legible de lo que hace la aplicación sin tener que rastrear manualmente cada párrafo.
Esa documentación a nivel de programa ahora puede compilarse en una vista de aplicación, un sitio estructurado con diagramas y páginas con referencias cruzadas que abarca la aplicación completa. La documentación individual de programas responde preguntas sobre un programa. La vista de aplicación le da a los equipos y stakeholders de modernización un mapa de toda la aplicación.
La explicación exhaustiva genera una explicación detallada de un programa desde la perspectiva que más importa para la tarea en cuestión: Arquitecto, Desarrollador o Negocio. PP4Z se basa en metadatos de la aplicación, entradas del diccionario de datos y su capa de ampliación del modelo para anclar la explicación en el comportamiento del programa.
El refactoring usa el contexto recopilado para reestructurar el código existente en servicios modulares y reutilizables preservando la funcionalidad. El workflow de Refactor COBOL or PL/I program identifica candidatos de extracción, mapea sus dependencias y guía la transformación. Esto le da a los equipos un camino de modernización práctico que mejora la mantenibilidad sin requerir una reescritura completa.
Capacidades integradas de desarrollo, calidad y depuración
Algunas partes del workflow de un desarrollador tienen respuestas deterministas: si el código cumple con una regla, qué camino toma una variable determinada a través de un programa o a dónde transfiere el control después de un PERFORM. PP4Z maneja esto mediante herramientas dedicadas. El modelo interpreta los hechos resultantes en el contexto de lo que el desarrollador está intentando lograr.
En el modo personalizado Z Code de PP4Z, Z Code Scan proporciona análisis estático rápido basado en reglas para programas COBOL y PL/I. Su feedback estilo linter detecta problemas sin inferencia probabilística. El modo personalizado Z Architecture proporciona análisis de flujo de control y flujo de datos, incluyendo cómo se mueve la ejecución a través de un programa y cómo se transforman los datos cuando fluyen entre párrafos y copybooks. Estas herramientas producen resultados consistentes y reproducibles independientemente de cómo se formule la pregunta.
El modelo trabaja con la salida de esas herramientas. Puede interpretar un resultado de scan en el contexto de un cambio propuesto o rastrear un flujo de datos para responder una pregunta específica sobre el comportamiento del programa. El análisis determinista maneja lo que está sujeto a reglas; la IA maneja lo que requiere juicio.
PP4Z también incluye IBM Debug for z/OS y capacidades de cobertura de código, para que los equipos puedan pasar directamente del desarrollo asistido por IA a la validación a nivel de ejecución dentro del mismo entorno.
Skill Builder para conocimiento específico de la empresa
Los metadatos de aplicación, los diccionarios de datos, la ampliación del modelo y el análisis determinista forman la base IBM Z que incluye PP4Z. Skill Builder permite a las organizaciones añadir su propio conocimiento sobre esa base.
Con Skill Builder, los equipos pueden crear skills personalizadas que capturan y aplican conocimiento específico de la empresa, como estándares de codificación, convenciones de nomenclatura, patrones técnicos, terminología de negocio y orientación específica del entorno. Estas skills ayudan a Bob a entender cómo se realiza el desarrollo dentro de una organización específica, reduciendo suposiciones genéricas y mejorando la relevancia de las respuestas generadas por IA. Las skills pueden ser ingeridas automáticamente e invocadas dinámicamente cuando son relevantes para la solicitud y el contexto de código del usuario, integrándose directamente en los workflows existentes de PP4Z.
Integrándolo todo
La escala, la densidad semántica y el contexto propietario hacen que el desarrollo de mainframe sea difícil para las herramientas de IA de uso general. PP4Z aborda cada factor directamente: metadatos estructurados para la escala, diccionarios de datos para el significado de negocio, ampliación del modelo para la cobertura de documentación de IBM Z y herramientas deterministas para el análisis sujeto a reglas.
En este enfoque, el razonamiento de IA y el conocimiento determinista se refuerzan mutuamente. Bob comienza con metadatos estructurados, se basa en documentación curada e interpreta la salida de herramientas basadas en reglas. Los desarrolladores pueden inspeccionar esa evidencia antes de actuar sobre la respuesta en un entorno crítico para el negocio.
Para comenzar, elige un programa que tu equipo haya estado evitando, quizás porque su propósito no está claro o su lógica de negocio no se ha tocado en años. Ejecuta el scanner local para construir sus metadatos y genera un diccionario de datos para sus variables clave. Usa el workflow de explain para entender qué hace el programa, luego ejecuta el workflow de documentación para capturar ese conocimiento en tu workspace. A partir de ahí, la misma base soporta análisis de impacto, refactoring y validación de calidad. El equipo empieza con un programa que ahora entiende.