Advertentie
Wanneer je je bankpas gebruikt, een verzekeringsclaim indient, een pensioenuitkering ontvangt of een vlucht boekt, is de kans groot dat een deel van die transactie nog steeds afhankelijk is van software waarvan de basis werd gelegd voordat de mens op de maan landde. Dat is niet per se een mislukking. Architectuurschuld is een onvermijdelijk gevolg van het langdurig runnen van complexe organisaties. De strategische vraag is daarom welke schuld acceptabel blijft en waar zij verandering in de weg staat.
AI maakt die afweging urgenter. De technologie veroorzaakt het moderniseringsvraagstuk niet, maar legt beperkingen bloot die organisaties voorheen konden opvangen met handmatige oplossingen, specialistische kennis en stapsgewijze uitbreidingen. Een stabiel kernsysteem kan nog altijd betrouwbare diensten leveren. Het probleem ontstaat wanneer organisaties de afhankelijkheden, bedrijfsregels en operationele risico’s in hun systemen niet langer begrijpen, of wanneer iedere aanpassing onevenredig veel tijd en geld kost.
Auteur: Niels van Lieshout, Principal Director Technology bij IG&H
Tegelijkertijd blijven legacy-systemen niet zonder reden zo lang in gebruik. Hun waarde zit vaak minder in de technologie zelf dan in de bedrijfskennis die erin is vastgelegd: interpretaties van regelgeving, operationele uitzonderingen, brancheafspraken en jarenlange ervaring. Modernisering draait daarom niet simpelweg om het vervangen van oude technologie, maar om het behouden van waardevolle kennis en het aanpakken van de afhankelijkheden die verdere ontwikkeling in de weg staan.
AI legt verborgen afhankelijkheden bloot
Cloud computing, mobiele technologie, API’s en digitale selfservice hebben modernisering al jaren gestimuleerd. Toch konden organisaties ingrijpende architectuurvernieuwing vaak uitstellen. Bij agentic AI wordt dat moeilijker. AI-agenten zijn afhankelijk van toegankelijke data, gekoppelde processen en herbruikbare bedrijfsfuncties. Versnipperde data, dubbele bedrijfsregels en maatwerkintegraties die organisaties al langer afremden worden daardoor een directe beperking.
Medewerkers konden deze complexiteit lange tijd opvangen. Zij openden verschillende applicaties, zochten informatie bij elkaar, interpreteerden bedrijfsregels en verplaatsten werk handmatig van het ene systeem naar het andere. AI-agenten werken anders. Zij gebruiken diensten, API’s en gebeurtenissen en verwachten dat systemen functies gestructureerd, consistent en machinaal leesbaar beschikbaar stellen.
Organisaties die AI simpelweg bovenop bestaande systemen plaatsen, kunnen daardoor teleurgesteld raken in het rendement. De beperkende factor is zelden alleen het AI-model. Bepalend is vooral of de onderliggende architectuur toegang biedt tot de functies die AI nodig heeft en of deze veilig kunnen worden uitgevoerd.
Modernisering hoeft daarom niet te beginnen bij het oudste systeem. De prioriteit ligt bij ontoegankelijke logica, instabiele interfaces en onduidelijke verantwoordelijkheden die waardevolle processen belemmeren.
Moderniseren zonder alles te vervangen
Organisaties moeten daarom bepalen welke bedrijfscapaciteiten herbruikbaar en toegankelijk moeten worden voor medewerkers, klanten, partners en – in toenemende mate – AI-agenten. Dataplatforms, integratielagen, workflow-engines en identiteitsdiensten worden strategisch wanneer zij zulke functies consistent beschikbaar maken. Gefragmenteerde systemen leiden immers niet alleen tot gefragmenteerde data, maar ook tot versnipperd beheer en losstaande AI-initiatieven.
Een voorbeeld van hoe architectuurschuld beheersbaar kan worden gemaakt zonder een live platform volledig te vervangen, is het stapsgewijs ontsluiten van functionaliteit via een integratielaag en API’s. Nieuwe processen kunnen vervolgens meerdere systemen overbruggen, terwijl bestaande systemen als bronsystemen blijven functioneren. Wanneer een beoordeling door een medewerker nodig is, wordt automatisch een taak aangemaakt en wordt de uitkomst via de integratielaag teruggekoppeld
De architectuurschuld verdwijnt dus niet, maar afhankelijkheden die verandering belemmeren nemen wel af, terwijl systemen die een waardevolle rol blijven vervullen, bewust worden behouden.
AI als hulpmiddel bij modernisering
AI kan organisaties op vier praktische manieren ondersteunen:
1. de architectuur sneller in kaart brengen door broncode, interfacedefinities, logbestanden, tickets en documentatie te analyseren om afhankelijkheden te reconstrueren die niet langer volledig begrepen worden.
2. dubbele bedrijfsregels, kwetsbare integraties en terugkerende storingspatronen in het gehele landschap identificeren.
3. architectuurschuld vertalen naar zakelijke impact door componenten te koppelen aan proceskriticiteit, wijzigingsfrequentie, incidenten en regeldruk.
4. modernisering ondersteunen door legacy-logica te documenteren, tests te genereren, servicegrenzen voor te stellen en codemigratie te begeleiden.
Deze resultaten blijven input voor menselijk oordeel. Mensen bepalen de doelstellingen, maken de afwegingen en blijven verantwoordelijk voor de architectuurschuld die de organisatie accepteert, vermindert of wegwerkt. AI kan het inzicht vergroten en de uitvoering versnellen, maar neemt de bestuurlijke keuzes niet over.
Voor CIO’s en CTO’s is de directe uitdaging daarom niet om een nieuw grootschalig moderniseringsprogramma te beginnen, maar om zichtbaar te maken waar architectuurschuld de bedrijfsfuncties, data en processen beperkt waarop AI vertrouwt. Die schuld zal blijven ontstaan naarmate technologie, regelgeving en bedrijfsmodellen veranderen. Organisaties die dit voortdurend in kaart brengen, de zakelijke impact beoordelen en selectief moderniseren, creëren de beste voorwaarden om AI op grotere schaal in te zetten. AI kan daarmee uiteindelijk net zo waardevol worden voor betere moderniseringsbeslissingen als voor het automatiseren van het werk zelf.
