本文总结了Thoughtworks第二届软件开发未来会议的要点：代码生成不再是瓶颈，验证才是；组织面临学徒制危机和高管与工程师的期望差距；遗留系统现代化是近期价值池。文章还讨论了LLM在运维中的价值、公民开发者风险、DSL应用，以及作者对LLM文风泛滥的担忧，强调保持人类独特写作声音的重要性。

对话式AI平台正从回答问题转向完成任务，市场竞争加剧。Forrester Wave报告指出，NiCE Cognigy、Kore.ai和Omilia为2026年市场领导者。报告强调定价策略和个性化服务需改进，集成遗留系统是企业面临的障碍，供应商需加快价值实现以满足市场需求。

改善遗留系统的用户体验需尊重用户需求，逐步迁移和映射现有工作流程与依赖关系至关重要。与利益相关者合作，建立信任，确保新系统顺利过渡。

尽管AI备受关注，企业中的遗留系统仍支撑着关键业务。许多AI能力与旧系统不兼容，导致工具分散。MIT研究表明，只有5%的AI试点能产生实际价值。真正的挑战在于缺乏协调，无法整合新旧系统。有效的编排可以确保AI与遗留系统协同工作，从而提升业务效率，降低风险。

许多大型企业面临现代云原生应用与传统遗留系统之间的技术鸿沟。新策略通过智能抽象层和模型上下文协议（MCP）实现现代AI代理与遗留逻辑的互动，避免高风险的重写项目。成功实施需要文化转变和深度验证，以确保新混合架构的稳定性。

DXC Technology与微软发布的《信任报告》显示，83%的受访组织已广泛采用零信任架构，降低了安全事件发生率。然而，仅有30%的企业使用人工智能安全工具，显示出潜力未被充分利用。66%的组织认为遗留系统是最大挑战，72%的企业因新威胁而优化零信任政策。

数据库现代化的关键在于消除遗留系统的复杂性。MongoDB的AMP平台利用AI技术，快速安全地将传统应用转变为现代服务，显著加快迁移速度并降低风险，帮助客户有效应对技术债务，实现数字化转型。

数据库现代化的关键在于消除遗留系统障碍。MongoDB的应用现代化平台（AMP）利用AI加速传统应用向现代服务的转型，帮助客户有效应对技术债务，实现快速、安全的现代化。

Thoughtworks的顾问团队进行了实验，利用Gemini 2.5 Pro在两周内分析了一个没有源代码的遗留系统，生成了功能规范蓝图。AI在解码代码、总结二进制文件和映射数据库变化方面表现出色，显著加速了逆向工程过程，但仍需验证结果的准确性。

在逆向工程中，AI帮助重建遗留系统的功能规范，解决了分析瘫痪的问题。通过多层次的方法，结合用户界面、数据库和二进制文件，确保了功能提取的准确性。这一过程展示了如何将“黑箱”系统转变为现代化蓝图，促进了迁移决策。

现代软件开发应侧重于概念化而非编码，利用AI工具提取遗留软件设计，减少设计工作。通过静态分析识别可供大型语言模型使用的代码和数据库上下文，提升遗留系统的概念恢复能力。AI的介入可加速现代化进程，缩短开发周期，确保成功。

AWS推出了AWS Transform，一项旨在加速企业主机和VMware工作负载现代化的AI服务。该服务利用生成式AI自动评估和转型遗留系统，支持将IBM z/OS应用程序转为Java，并简化VMware迁移。尽管技术社区对此持怀疑态度，AWS已在美国东部和欧洲地区上线该服务。

遗留系统是成功公司的副产品，尽管常被视为负担，但对未来成功至关重要。技术翻新涉及升级或替换过时系统，需关注业务需求变化。采用渐进式架构和去除不必要功能可提升软件质量和维护效率。