x xronocode / notebook
← all essays
May 23, 2026 · legacy · banking · ai-agents · 8 min read

«Где новые фичи?» — Как AI-миграция легаси вернет IT-бюджет бизнесу

~75% IT-бюджета банков — налог на legacy. В 2026 экономика переписывания впервые стала ниже экономики поддержки.

Наверное, каждый, кто занимался эксплуатацией и развитием корпоративных систем, знает эту бесконечную претензию от бизнеса: «Мы столько тратим на IT – а результата ноль. Новых продуктов нет. Или они появляются мучительно медленно». И бизнес по-своему прав. Если из каждого рубля, потраченного на IT, менее 20 копеек уходит на то, что видит клиент – скорость появления новых продуктов будет именно такой, какая она есть — неудовлетворительной.

TL;DR

  • ~75% IT-бюджета банков – налог на legacy. Менее 20 центов из каждого IT-доллара доходят до клиента в виде новых продуктов. При стагнирующем бюджете – стремится к 5%.
  • В 2026-м экономика переписывания впервые стала ниже экономики поддержки. Cloudflare: 194K строк за неделю, $1 100. Яндекс: 97K строк за 2 месяца вместо года. CLPS: первый AI-перенос core banking.
  • AI-агенты сокращают рутину разработки на 46% (McKinsey, 4 500 разработчиков). Банки на современном ядре: +60% выручки, +40% прибыли (Accenture).
  • Код стал расходником. Знания внутри него – актив. AI-миграция – это экстракция семантики, а не уничтожение легаси.
  • «Работает – не трогай» было рациональной стратегией. До тех пор, пока стоимость «не трогать» не стала выше стоимости «переписать».

Масштаб проблемы: откуда 20 и куда уходят остальные 80 центов

ИсточникДоляЧто включеноГод
Deloitte Tech Trends74%55% maintenance + 19% mandatory upgrades2024
Gartner60–80%Maintenance + run-the-business2024–2025
Forrester60–72%Keeping the lights on2024
McKinsey (банковский IT)~70–80%+ 20% «нового» бюджета утекает обратно в техдолг2024
Среднее~75%Формально остаётся ~25%—

Формально остаётся ~25%. Но это при условии, что IT-бюджет постоянно растёт – а именно так обстоят дела у крупных банков: McKinsey фиксирует рост IT-расходов в банкинге на 5–10% ежегодно. Каждый год бюджет увеличивается – и этот прирост позволяет хоть что-то направить на развитие, сохраняя legacy-часть на плаву.

Если же бюджет не растёт (или растёт медленнее инфляции технических затрат) – арифметика становится жёстче. Каждый новый продукт, выведенный в production, сам начинает генерировать техдолг: его нужно поддерживать, обновлять, патчить. Legacy-часть бюджета не сокращается – она только растёт. В такой ситуации доля «свободных денег на развитие» стремится не к 20%, а скорее к 5%. Это математика, а не пессимизм.

Чтобы почувствовать масштаб: JPMorgan Chase тратит на технологии $19.8 млрд в 2026 году. При пропорции 75/25 это ~$15 млрд на то, чтобы существующее не развалилось. CFO JPMorgan говорил об этом на Investor Day в марте 2026.

Так было раньше.


Что изменилось в 2026-м

Проблему legacy не то чтобы игнорировали. Её решали – как умели. Заливали людьми. Нанимали команды на поддержку, команды на модернизацию, команды на «параллельный бег» старого и нового. Бюджеты росли на 5–10% ежегодно – и этот прирост съехался на легаси. Это уровень индексации затрат на персонал. Больше людей – больше кода – больше техдолга – больше людей. Замкнутый круг.

В 2026-м сошлись три обстоятельства, которые этот круг разрывают.

Экономика переписывания стала ниже экономики поддержки

Это ключевой сдвиг. Раньше «переписать с нуля» было синонимом катастрофы и удвоения бюджетов на время трансформации и миграции со сроками от года. Год и более удвоенный бюджет ИТ? Такое могли себе позволить единицы и только в отчаянных ситуациях, когда под вопросом весь бизнес. Теперь IDC фиксирует: 45% бюджетов модернизации в 2026 году направлены на AI-driven solutions. Не эксперименты – бюджетные строки. Stanford AI Index 2025 оценивает точность AI-конвертации legacy-кода в ~85%. Год назад было 60–70%.

AI-агенты научились работать с контекстом проекта

Разница – как между калькулятором и бухгалтером. 67% разработчиков уже используют AI-инструменты, но агент нового поколения умеет прочитать кодовую базу целиком, построить граф зависимостей, спланировать миграцию и выполнить её итеративно – с само-проверкой на тестах после каждого шага. Разработчик или инженер проверяет контрольные точки, по сути принимает работу, корректирует приоритеты и формулировки, уточняет задачи.

Появились задокументированные публичные кейсы

До 2026-го AI-миграция была теоретической возможностью. Теперь есть конкретные результаты – и именно они меняют разговор с бордом и стейкхолдерами с «давайте попробуем» на «давайте посчитаем».

По данным SoftServe 2025, Bandarupalli et al. 2025, agentic-AI достигает 85–93% точности при конвертации COBOL→Java – против 75% при ручной миграции. Есть аналогичные данные и замеры от FreshBrew, точность ИИ-агентов в 5 раз превышает результаты rule-based инструментов.


Кейс 1: Cloudflare vinext – $1 100 за фреймворк

24 февраля 2026 года Cloudflare опубликовал блог-пост, который вызвал дискуссию по всему IT-сообществу.

Суть: один инженер – Стив Фолкнер, Engineering Director в Cloudflare – за одну неделю с помощью AI (Claude Opus, OpenCode) переписал с нуля Next.js – самый популярный React-фреймворк в мире. Next.js создавался большой командой Vercel на протяжении 10 лет. Результат получил название vinext. Это не прототип. У Cloudflare уже есть клиенты, использующие vinext в проде.


Кейс 2: Яндекс Браузер – 97 000 строк за 2 месяца вместо года

В мае 2026 года Яндекс опубликовал на Хабре кейс, который ближе к «нашим широтам» и потому особенно показателен.

Проблема: iOS-приложение Яндекс Браузера содержало 10 038 файлов и 541 856 строк Objective-C. Команда наложила «мораторий на новый ObjC-код» и начала ручную миграцию на Swift. За пять лет – с 2020 по 2025 – переписали лишь чуть более 50%.

Причины: огромный объём legacy, запутанные зависимости между модулями, постоянная необходимость развивать продукт. Ручное переписывание – монотонная работа, чреватая ошибками.

В 2025 году команда начала автоматизировать миграцию с помощью LLM. В результате 97 000 строк кода с Objective-C на Swift за 2 месяца – вместо года+ при ручном подходе. Яндекс сделал публикацию в open source. «Бесконечный техдолг» превратился в «воспроизводимый процесс».


Кейс 3: CLPS – core banking в Гонконге

В марте 2026 года CLPS Technology – Nasdaq-листированная IT-компания из Гонконга, специализирующаяся на банковском ПО – объявила о прохождении PoC по AI-миграции core banking system крупного банка.

Ядро банка мигрировали с устаревшего COBOL-стека на Java. Ключевая сложность таких кейсов – нет документации и в мире физически почти не осталось разработчиков COBOL. Бизнес-логику (а это десятилетия накопленных правил, edge cases и workarounds) восстановили из «чёрного ящика» через граф знаний (knowledge graph) – AI-агент анализировал код и строил граф зависимостей и бизнес-процессов.

Knowledge graph как инструмент разработки для восстановления и передачи агенту бизнес-логики – это не экзотика, а формирующийся стандарт. Я пропагандист методологии GRACE (Graph-RAG Anchored Code Engineering), которую развивает Владимир Иванов (@turboproject), и активно применяю в своих проектах стандарты, выстроенные на её основе – включая AI Standards и открытую спецификацию GRACE. Суть подхода: семантическая разметка кодовой базы, графы знаний, контракты модулей и верификационные планы – всё то, что превращает код (в том числе «чёрный ящик» legacy) в структуру, с которой работает и AI-агент и человек. Если вам интересна тема – рекомендую изучить, это меняет подход к разработке и тем более миграции принципиально.

Почему это важно: это первый публично задокументированный AI-перенос core banking system. Не фронтенд. Не мобильное приложение. Жёсткий банковский кор на COBOL. С бизнес-логикой, которую «никто не помнит, но всё на ней держится».


Экономика перехода: что это даёт бизнесу

Три кейса – доказательство возможности. Но когда ты идёшь к борду с предложением «давайте перепишем core с помощью AI», первый вопрос будет не про технологию. Он будет про деньги.

Здесь есть два уровня ответа.

Первый – операционный. McKinsey провёл крупнейшее исследование (4 500 разработчиков, 150 компаний, февраль 2026) и зафиксировал: AI-инструменты сокращают рутинные задачи разработки на 46%. Не абстрактный «productivity boost» – а конкретные часы, освобождённые от написания тестов, документации и рефакторинга. Часы, которые можно перенаправить на то, что видит клиент.

Второй – стратегический. Accenture Banking Trends 2026 даёт бизнес-результат: банки, перешедшие на современное ядро, показывают +60% к росту выручки и +40% к прибыли по сравнению с банками на legacy. Потенциал GenAI для топ-200 банков мира: $289 млрд в год. Это та цифра, которую понимает борд.

Переведём в нашу метафору: если AI-миграция позволяет сократить долю maintenance с 75% хотя бы до 30–40% бюджета (а это то, к чему пришёл JPMorgan за несколько лет и миллиарды долларов), то пропорция переворачивается. Вместо менее 20 центов из доллара – 60–70 центов идут на создание продукта. Бизнес наконец-то получает ответ на вечный вопрос «куда уходят наши деньги на IT». А IT наконец-то может перестать выгорать и оправдываться и начать строить.


Честный раздел: где это пока не работает

Архитектуру AI не трогает

Исследование «Agentic Refactoring» показало: 52% AI-рефакторингов направлены на maintainability, 28% – на readability. Архитектурные изменения – менее 10%. AI отлично справляется с 80% работы – рутинной, монотонной, объёмной. Но решение «разбить монолит на микросервисы» или «перейти с event sourcing на CQRS» – это по-прежнему задача человека. AI – усилитель, не замена архитектора.

Без дисциплины – катастрофа

На Хабре есть показательный кейс от Т2: команда попробовала AI-миграцию без изменения процесса. Снаружи всё выглядело впечатляюще – продуктивность резко выросла. А на ревью обнаружились «большие куски готового кода», в которые никто не вникал. Скорость без понимания – это не скорость, а отложенные проблемы.

1:1 миграция ≠ модернизация

Есть соблазн думать, что переписать = улучшить. Нет. AI-агент отлично делает 1:1 перенос – ту же логику на новом стеке. Но если архитектура была плохой на COBOL, она будет плохой и на Java. Получится «новый legacy на современных технологиях». Правильный подход: сначала lift-and-shift (переехать 1:1, быстро, дёшево), потом рефакторить уже на современном стеке с современными инструментами.

Регулятор не ускоряется

AI ускоряет код, но не ускоряет согласование с ЦБ. В банках полная миграция core – это reverse-engineering бизнес-правил под аудит, согласование с регулятором, параллельный бег систем под контролем compliance. Это месяцы бумажной работы, которую нельзя автоматизировать.

Проприетарный код и облако

Ценность кода как текста стремится к нулю – его можно сгенерировать за копейки. Но бизнес-логика внутри этого кода – десятилетия edge-cases, компромиссов, регуляторных workarounds – остаётся активом. Код стал расходным материалом, а знания внутри него – интеллектуальной собственностью. AI-миграция – это не уничтожение легаси, а экстракция семантики.

PoC ≠ production

Cloudflare vinext – production. Яндекс Браузер – production с миллионами пользователей. CLPS core banking – пока PoC. Промышленная AI-миграция core banking в полном объёме – ещё впереди. Но если судить по скорости развития инструментов, «PoC пройден в 2026» означает «production через 12–18 месяцев».


Резюме

Сегодня банк тратит доллар на IT – и менее 20 центов из него доходят до клиента в виде новых продуктов. Остальное – налог на прошлое. При стагнирующем бюджете – и того меньше.

AI-миграция legacy – это не серебряная пуля. Это не «уволить разработчиков и заменить их нейросетью». Это инструмент, который позволяет сделать то, что раньше было экономически невозможно: переписать системы, на которые не хватало ни людей, ни бюджета, ни – будем честны – мотивации. Потому что «работает – не трогай» было рациональной стратегией. До тех пор, пока стоимость «не трогать» не стала выше стоимости «переписать».

Вопрос не «мигрировать ли с легаси?». Вопрос – успеете ли вы перевернуть пропорцию до того, как это сделают другие за вас.