Red Hat Konveyor AI: Cách mạng hiện đại hóa ứng dụng bằng AI

Bối cảnh công nghệ luôn biến động không ngừng, buộc các tổ chức phải liên tục thích ứng và phát triển. Một thách thức trung tâm trong quá trình chuyển đổi liên tục này là hiện đại hóa các ứng dụng phần mềm hiện có. Nhiều doanh nghiệp phụ thuộc vào các hệ thống kế thừa (legacy systems), thường được xây dựng từ nhiều năm hoặc thậm chí nhiều thập kỷ trước bằng các công nghệ không còn phù hợp với nhu cầu của kỷ nguyên đám mây hiện đại. Việc di chuyển các ứng dụng quan trọng này sang các kiến trúc hiện đại, cloud-native không chỉ đơn thuần là một bản nâng cấp mong muốn; nó ngày càng trở thành một mệnh lệnh chiến lược để duy trì khả năng cạnh tranh, sự linh hoạt và khả năng mở rộng. Tuy nhiên, quá trình này nổi tiếng là phức tạp, tốn thời gian và tiêu tốn nhiều tài nguyên, thường đóng vai trò là một nút thắt cổ chai đáng kể đối với sự đổi mới. Nhận thức được điểm yếu quan trọng này của ngành, Red Hat đã tiến lên với một giải pháp mới lạ, giới thiệu phiên bản ban đầu, phiên bản 0.1, của Konveyor AI. Công cụ tiên phong này nhằm mục đích định hình lại cơ bản hành trình hiện đại hóa ứng dụng bằng cách tích hợp sức mạnh của trí tuệ nhân tạo tạo sinh (generative artificial intelligence) trực tiếp vào quy trình làm việc của nhà phát triển.

Nhu cầu cấp thiết về Hiện đại hóa Ứng dụng

Trước khi đi sâu vào chi tiết cụ thể của Konveyor AI, điều cần thiết là phải hiểu rõ các động lực thúc đẩy việc hiện đại hóa ứng dụng. Các ứng dụng kế thừa, mặc dù có thể ổn định và hoạt động tốt, thường mang theo một khoản nợ kỹ thuật (technical debt) đáng kể. Chúng có thể khó khăn và tốn kém để bảo trì, mở rộng không hiệu quả, cản trở việc áp dụng các phương pháp phát triển hiện đại như DevOps và CI/CD, và gây ra những thách thức tích hợp với các hệ thống và dịch vụ đám mây mới hơn. Hơn nữa, các kiến trúc nguyên khối (monolithic architectures) phổ biến trong các ứng dụng cũ thiếu khả năng phục hồi và tính linh hoạt được cung cấp bởi các vi dịch vụ (microservices) và triển khai được đóng gói trong container (containerized deployments).

Việc chuyển đổi sang môi trường cloud-native – thường liên quan đến các công nghệ như containers (ví dụ: Docker), nền tảng điều phối (ví dụ: Kubernetes) và kiến trúc vi dịch vụ – mang lại vô số lợi ích. Chúng bao gồm:

• Khả năng mở rộng nâng cao: Các nền tảng đám mây cho phép ứng dụng mở rộng tài nguyên lên hoặc xuống một cách linh hoạt dựa trên nhu cầu, tối ưu hóa chi phí và hiệu suất.
• Cải thiện sự linh hoạt: Các kiến trúc và thực tiễn phát triển hiện đại cho phép chu kỳ phát hành nhanh hơn, giúp doanh nghiệpphản ứng nhanh hơn với những thay đổi của thị trường và nhu cầu của khách hàng.
• Tăng khả năng phục hồi: Phân phối các thành phần ứng dụng trên các vi dịch vụ và tận dụng cơ sở hạ tầng đám mây giúp cải thiện khả năng chịu lỗi và tính sẵn sàng chung của hệ thống.
• Hiệu quả chi phí: Các mô hình đám mây trả tiền theo mức sử dụng (pay-as-you-go) và việc sử dụng tài nguyên được tối ưu hóa có thể dẫn đến tiết kiệm chi phí đáng kể so với việc quản lý các trung tâm dữ liệu tại chỗ.
• Tiếp cận đổi mới: Các nền tảng đám mây cung cấp khả năng truy cập dễ dàng vào một hệ sinh thái rộng lớn các dịch vụ được quản lý, bao gồm cơ sở dữ liệu, công cụ học máy, nền tảng phân tích, v.v., giúp tăng tốc đổi mới.

Bất chấp những lợi thế hấp dẫn này, con đường từ hệ thống kế thừa đến cloud-native đầy rẫy những trở ngại. Các nhà phát triển phải đối mặt với nhiệm vụ khó khăn là hiểu các codebase phức tạp, thường được ghi chép kém, xác định các thay đổi mã cần thiết, tái cấu trúc kiến trúc, lựa chọn công nghệ đích phù hợp và đảm bảo khả năng tương thích cũng như hiệu suất trong môi trường mới. Điều này thường đòi hỏi nỗ lực thủ công đáng kể, chuyên môn đặc biệt và rủi ro đáng kể. Chính địa hình đầy thách thức này là nơi Konveyor AI được thiết kế để điều hướng.

Giới thiệu Konveyor AI: Một Chương Mới trong Hiện đại hóa

Konveyor AI, được gọi nội bộ là Kai, đại diện cho một bước tiến đáng kể trong dự án Konveyor rộng lớn hơn. Bản thân Konveyor là một sáng kiến mã nguồn mở, được Red Hat nuôi dưỡng với sự hợp tác của một cộng đồng rộng lớn hơn, chuyên cung cấp các công cụ và phương pháp luận để hiện đại hóa và di chuyển các ứng dụng, đặc biệt là hướng tới môi trường Kubernetes. Việc giới thiệu Konveyor AI đưa các khả năng trí tuệ nhân tạo tiên tiến vào bộ công cụ đã được thiết lập này, hứa hẹn sẽ hợp lý hóa và tăng tốc đáng kể quá trình hiện đại hóa.

Tiền đề cốt lõi của Konveyor AI là sự kết hợp hiệp đồng giữa AI tạo sinh, đặc biệt là tận dụng các mô hình ngôn ngữ lớn (LLMs) tinh vi, với phân tích mã tĩnh (static code analysis) truyền thống. Sự kết hợp này tạo ra một trợ lý thông minh có khả năng hiểu mã ứng dụng hiện có, xác định các yêu cầu hiện đại hóa và chủ động đề xuất các sửa đổi mã. Bằng cách nhúng trí thông minh này trực tiếp vào môi trường quen thuộc của nhà phát triển, Red Hat nhằm mục đích hạ thấp rào cản gia nhập cho các dự án hiện đại hóa phức tạp, làm cho chúng dễ tiếp cận hơn và khả thi về mặt kinh tế cho một phạm vi rộng lớn hơn của các tổ chức. Mục tiêu không chỉ đơn thuần là tự động hóa mà còn là tăng cường – trao quyền cho các nhà phát triển bằng cách xử lý các tác vụ tẻ nhạt, lặp đi lặp lại và cung cấp hướng dẫn sâu sắc, từ đó giải phóng họ để tập trung vào các quyết định kiến trúc cấp cao hơn và phát triển tính năng.

Cốt lõi Thông minh: Kết hợp AI với Phân tích Mã

Sự đổi mới thực sự của Konveyor AI nằm ở cách tiếp cận kết hợp của nó. Phân tích mã tĩnh từ lâu đã là một yếu tố chính trong phát triển phần mềm, có khả năng kiểm tra mã nguồn mà không cần thực thi nó để phát hiện các lỗi tiềm ẩn, lỗ hổng bảo mật, sự không nhất quán về kiểu dáng và, quan trọng đối với hiện đại hóa, sự phụ thuộc vào các thư viện lỗi thời hoặc các tính năng dành riêng cho nền tảng. Tuy nhiên, chỉ riêng phân tích tĩnh thường tạo ra một khối lượng lớn các phát hiện đòi hỏi sự diễn giải và nỗ lực đáng kể của con người để giải quyết.

AI tạo sinh, được cung cấp bởi các LLMs được đào tạo trên các bộ dữ liệu khổng lồ về mã và ngôn ngữ tự nhiên, mang đến một chiều hướng mới. Các mô hình này vượt trội trong việc hiểu ngữ cảnh, tạo văn bản giống con người và thậm chí sản xuất các đoạn mã. Khi được áp dụng vào hiện đại hóa ứng dụng, LLMs có khả năng:

• Diễn giải Kết quả Phân tích: Hiểu ý nghĩa của các vấn đề được đánh dấu bởi phân tích tĩnh.
• Đề xuất Sửa đổi Mã: Tạo ra các thay đổi mã cụ thể cần thiết để giải quyết các rào cản hiện đại hóa, chẳng hạn như thay thế các lệnh gọi API không dùng nữa hoặc điều chỉnh mã cho việc đóng gói container.
• Giải thích Sự phức tạp: Cung cấp giải thích bằng ngôn ngữ tự nhiên về lý do tại sao một số thay đổi nhất định là cần thiết.
• Tạo Mã soạn sẵn (Boilerplate Code): Tự động hóa việc tạo các tệp cấu hình hoặc cấu trúc mã tiêu chuẩn cần thiết cho môi trường đích (ví dụ: Dockerfiles, Kubernetes manifests).

Konveyor AI tích hợp liền mạch hai công nghệ này. Công cụ phân tích tĩnh xác định cái gì cần chú ý, trong khi thành phần AI tạo sinh cung cấp các đề xuất thông minh về cách giải quyết nó. Sự tích hợp này diễn ra trực tiếp trong quy trình làm việc của nhà phát triển, giảm thiểu việc chuyển đổi ngữ cảnh và sự ma sát cho nhà phát triển. Hệ thống phân tích mã nguồn của ứng dụng, xác định các mẫu chỉ ra các bước hiện đại hóa cần thiết (như di chuyển từ các phiên bản Java EE cũ hơn sang Quarkus hoặc Spring Boot, hoặc chuẩn bị một ứng dụng cho việc đóng gói container), và sau đó sử dụng LLM để xây dựng các khuyến nghị có thể hành động và các giải pháp mã tiềm năng.

Tận dụng Trí tuệ Quá khứ: Sức mạnh của Retrieval-Augmented Generation (RAG)

Một thách thức chính khi sử dụng các LLMs đa năng cho các nhiệm vụ kỹ thuật cụ thể như di chuyển mã là đảm bảo các kết quả đầu ra được tạo ra là chính xác, phù hợp và nhận biết được ngữ cảnh. LLMs đôi khi có thể “ảo giác” (hallucinate) hoặc tạo ra mã có vẻ hợp lý nhưng không chính xác. Để giảm thiểu điều này và nâng cao chất lượng đề xuất, Konveyor AI sử dụng một kỹ thuật được gọi là Retrieval-Augmented Generation (RAG).

RAG nâng cao khả năng của LLM bằng cách căn cứ các phản hồi của nó vào một cơ sở kiến thức cụ thể, có liên quan. Thay vì chỉ dựa vào kiến thức chung được nhúng trong quá trình đào tạo ban đầu, hệ thống RAG trước tiên truy xuất thông tin thích hợp liên quan đến nhiệm vụ hiện đại hóa cụ thể đang thực hiện. Trong bối cảnh của Konveyor AI, thông tin được truy xuất này bao gồm:

• Dữ liệu Di chuyển có Cấu trúc: Thông tin chi tiết thu được từ phân tích mã tĩnh cụ thể cho ứng dụng đang được hiện đại hóa.
• Lịch sử Thay đổi Mã: Dữ liệu từ các nỗ lực hiện đại hóa thành công trước đó, có khả năng bao gồm các biến đổi mã được áp dụng trong các tình huống tương tự.
• Quy tắc và Mẫu được Xác định trước: Kiến thức về các đường dẫn di chuyển phổ biến và các phương pháp hay nhất.

Thông tin cụ thể theo ngữ cảnh được truy xuất này sau đó được cung cấp cho LLM cùng với lời nhắc của nhà phát triển hoặc các phát hiện phân tích. LLM sử dụng ngữ cảnh tăng cường này để tạo ra các đề xuất mã hoặc giải thích chính xác hơn, có mục tiêu và đáng tin cậy hơn. RAG đảm bảo rằng đầu ra của AI không chỉ là một phỏng đoán chung chung mà còn được thông báo bởi các sắc thái cụ thể của mã ứng dụng, nền tảng đích và có khả năng là trí tuệ tích lũy từ các lần di chuyển trong quá khứ trong tổ chức hoặc cộng đồng Konveyor rộng lớn hơn. Cách tiếp cận này làm tăng đáng kể tính thực tiễn và độ tin cậy của hướng dẫn do AI điều khiển, biến nó thành một tài sản mạnh mẽ hơn cho các sáng kiến chuyển đổi phức tạp, quy mô lớn mà không cần đến quy trình tốn kém và phức tạp của việc tinh chỉnh (fine-tuning) một LLM chuyên dụng cho mọi kịch bản di chuyển cụ thể.

Các Khả năng Chính được Giới thiệu trong Phiên bản 0.1

Bản phát hành ban đầu của Konveyor AI (v0.1) đã tích hợp một bộ tính năng có giá trị được thiết kế để tạo ra tác động ngay lập tức đến các dự án hiện đại hóa:

1. Phân tích Mã tĩnh Nâng cao: Công cụ thực hiện phân tích sâu để xác định các rào cản tiềm ẩn khi di chuyển sang các công nghệ mới hơn. Điều này bao gồm việc xác định sự phụ thuộc vào các framework kế thừa, việc sử dụng các mẫu không thân thiện với đám mây và các vấn đề khác liên quan đến việc áp dụng các framework Java hiện đại (như Quarkus hoặc Spring Boot) hoặc chuẩn bị ứng dụng cho việc đóng gói container và triển khai Kubernetes.
2. Giải quyết Vấn đề Lịch sử: Konveyor AI duy trì một cơ sở kiến thức về cácvấn đề hiện đại hóa đã gặp phải và được giải quyết trước đây. Dữ liệu lịch sử này, được sử dụng thông qua cơ chế RAG, cho phép hệ thống học hỏi từ kinh nghiệm quá khứ và cung cấp các đề xuất ngày càng phù hợp cho các lần di chuyển trong tương lai, xây dựng hiệu quả kiến thức thể chế xung quanh các thách thức hiện đại hóa.
3. Trí tuệ Di chuyển Phong phú: Nền tảng được trang bị một thư viện ấn tượng với khoảng 2.400 quy tắc được xác định trước. Các quy tắc này bao gồm một loạt các đường dẫn di chuyển phổ biến và các chuyển đổi công nghệ, cung cấp hướng dẫn sẵn có cho nhiều kịch bản.
4. Công cụ Quy tắc Tùy chỉnh: Nhận thấy rằng mọi tổ chức và danh mục ứng dụng đều là duy nhất, Konveyor AI cho phép người dùng xác định các quy tắc tùy chỉnh của riêng họ. Điều này cho phép điều chỉnh phân tích và đề xuất AI theo các tiêu chuẩn nội bộ cụ thể, các framework độc quyền hoặc các thách thức di chuyển độc đáo không được bao phủ bởi bộ quy tắc được xác định trước.
5. Trải nghiệm Nhà phát triển Tích hợp: Một yếu tố quan trọng là tiện ích mở rộng VS Code. Điều này mang các khả năng của Konveyor AI trực tiếp vào Môi trường Phát triển Tích hợp (IDE) của nhà phát triển. Kết quả phân tích mã và các đề xuất thay đổi do AI tạo ra xuất hiện nội tuyến, giảm thiểu sự gián đoạn và cho phép các nhà phát triển xem xét và áp dụng các thay đổi hiện đại hóa một cách liền mạch trong quy trình làm việc tự nhiên của họ.

Những tính năng này cùng nhau nhằm mục đích chuyển đổi hiện đại hóa từ một quy trình thủ công, thường gian khổ thành một trải nghiệm được hướng dẫn nhiều hơn, hiệu quả hơn và thân thiện với nhà phát triển hơn.

Tính linh hoạt và Tin cậy: Tính bất khả tri về Mô hình và AI Tác tử

Red Hat đã đưa ra một số lựa chọn thiết kế chiến lược để tối đa hóa tính linh hoạt và xây dựng lòng tin vào kết quả đầu ra của Konveyor AI:

• Kiến trúc Bất khả tri về Mô hình (Model-Agnostic): Một lợi thế đáng kể là Konveyor AI được thiết kế để bất khả tri về mô hình. Người dùng không bị khóa vào một LLM độc quyền cụ thể. Điều này cung cấp sự linh hoạt quan trọng, cho phép các tổ chức chọn LLM phù hợp nhất với nhu cầu, ngân sách, chính sách bảo mật hoặc cơ sở hạ tầng AI hiện có của họ. Họ có thể tận dụng các mô hình mã nguồn mở, các mô hình thương mại có sẵn hoặc thậm chí các mô hình được lưu trữ tại chỗ. Khả năng thích ứng này giúp công cụ phù hợp với tương lai và phù hợp với triết lý mã nguồn mở là tránh bị khóa nhà cung cấp (vendor lock-in).
• Nhấn mạnh vào AI Tác tử (Agentic AI): Để đảm bảo độ tin cậy và tính hữu dụng của các đề xuất do AI tạo ra, Konveyor AI kết hợp các nguyên tắc của AI tác tử. Điều này có nghĩa là AI không chỉ tạo mã một cách mù quáng; nó nhằm mục đích cung cấp các câu trả lời đã được xác thực và có ý nghĩa. Các triển khai hiện tại bao gồm kiểm tra biên dịch Maven và phân giải phụ thuộc. Điều này ngụ ý rằng các thay đổi mã được đề xuất, ở mức tối thiểu, được kiểm tra tính đúng đắn cơ bản và khả năng tương thích trong hệ thống xây dựng của dự án. Bước xác thực này rất quan trọng để xây dựng lòng tin của nhà phát triển – biết rằng các đề xuất của AI đã trải qua một mức độ xác minh tự động nào đó trước khi được trình bày làm tăng đáng kể khả năng được chấp nhận.
• Kiểm soát Người dùng: Các nhà phát triển giữ quyền kiểm soát cách AI được áp dụng. Hệ thống có thể ước tính nỗ lực cần thiết để giải quyết thủ công các vấn đề hiện đại hóa khác nhau đã được xác định. Dựa trên ước tính này, người dùng có thể chọn vấn đề nào họ muốn giải quyết bằng cách sử dụng hỗ trợ AI tạo sinh và vấn đề nào họ có thể muốn xử lý thủ công, cho phép ứng dụng thực dụng công nghệ ở nơi nó mang lại nhiều giá trị nhất.

Những yếu tố này nhấn mạnh sự tập trung vào khả năng sử dụng thực tế, khả năng thích ứng và xây dựng niềm tin vào vai trò của AI như một người đồng hành hữu ích thay vì một hộp đen mờ đục.

Hợp lý hóa Hành trình Kubernetes

Ngoài việc hiện đại hóa mã cốt lõi, Konveyor cũng đang tăng cường các khả năng của mình để tạo điều kiện thuận lợi cho việc chuyển đổi sang Kubernetes, tiêu chuẩn thực tế cho việc điều phối container. Một tính năng sắp tới quan trọng, dự kiến phát hành vào cuối mùa hè này, là chức năng tạo tài sản (asset generation) mới.

Chức năng này nhằm mục đích đơn giản hóa nhiệm vụ thường phức tạp là tạo các tạo phẩm triển khai Kubernetes. Nó sẽ cho phép người dùng phân tích các cấu hình triển khai và thời gian chạy ứng dụng hiện có (có thể từ các máy chủ truyền thống hoặc máy ảo) và tự động tạo các tệp kê khai Kubernetes tương ứng, chẳng hạn như cấu hình Deployment, Services, Ingress rules và có thể là ConfigMaps hoặc Secrets. Tự động hóa việc tạo các tài nguyên Kubernetes thiết yếu này có thể tiết kiệm đáng kể thời gian của nhà phát triển và giảm khả năng xảy ra lỗi cấu hình thủ công, tiếp tục làm suôn sẻ con đường cho các ứng dụng chuyển sang môi trường cloud-native, được điều phối. Tính năng này giải quyết trực tiếp một điểm yếu phổ biến trong quá trình di chuyển, thu hẹp khoảng cách giữa bản thân mã ứng dụng và việc triển khai hoạt động của nó trên Kubernetes.

Trải nghiệm Nhà phát triển được Tái định hình

Cuối cùng, sự thành công của một công cụ như Konveyor AI phụ thuộc vào tác động của nó đối với cuộc sống hàng ngày của các nhà phát triển. Mục tiêu là chuyển đổi trải nghiệm của nhà phát triển liên quan đến hiện đại hóa từ một công việc khảo cổ tẻ nhạt và sửa lỗi lặp đi lặp lại sang một quy trình hiệu quả và hấp dẫn hơn.

Bằng cách tích hợp phân tích tĩnh và đề xuất AI trực tiếp vào IDE (như VS Code), Konveyor AI giảm thiểu việc chuyển đổi ngữ cảnh. Các nhà phát triển không cần phải liên tục chuyển đổi giữa trình soạn thảo mã, báo cáo phân tích, tài liệu và các công cụ bên ngoài. Thông tin chi tiết và đề xuất có thể hành động được trình bày ngay tại nơi mã tồn tại.

Việc tự động hóa việc xác định các vấn đề và tạo ra các giải pháp tiềm năng giúp giảm đáng kể công việc thủ công liên quan. Các nhà phát triển có thể dành ít thời gian hơn để tìm kiếm các lệnh gọi API không dùng nữa hoặc tìm ra các cấu hình soạn sẵn và nhiều thời gian hơn để tập trung vào các khía cạnh chiến lược của việc di chuyển, chẳng hạn như tái cấu trúc kiến trúc, tối ưu hóa hiệu suất và kiểm thử. Việc sử dụng RAG và xác thực tác tử giúp đảm bảo rằng các đề xuất của AI không chỉ là tiếng ồn mà còn là những điểm khởi đầu thực sự hữu ích, giúp tăng tốc hơn nữa quy trình. Khả năng tùy chỉnh các quy tắc cũng có nghĩa là công cụ trở thành một trợ lý phù hợp, phù hợp với các tiêu chuẩn và thách thức cụ thể của nhóm hoặc tổ chức.

Ý nghĩa Rộng hơn đối với CNTT Doanh nghiệp

Đối với các nhà lãnh đạo CNTT và các tổ chức nói chung, sự ra đời của các công cụ như Konveyor AI hứa hẹn mang lại những lợi ích chiến lược đáng kể. Hiện đại hóa ứng dụng thường là yếu tố hỗ trợ chính cho các sáng kiến chuyển đổi kỹ thuật số rộng lớn hơn. Bằng cách làm cho việc hiện đại hóa nhanh hơn, rẻ hơn và ít rủi ro hơn, Konveyor AI có thể giúp các tổ chức:

• Tăng tốc Đổi mới: Chu kỳ di chuyển nhanh hơn có nghĩa là áp dụng nhanh hơn các lợi ích của cloud-native, cho phép phát triển và triển khai các tính năng và dịch vụ mới nhanh hơn.
• Giảm Nợ Kỹ thuật: Giải quyết một cách có hệ thống mã và kiến trúc kế thừa giúp cải thiện khả năng bảo trì, giảm chi phí vận hành và tăng cường khả năng phục hồi của hệ thống.
• Tối ưu hóa Phân bổ Tài nguyên: Giải phóng thời gian của nhà phát triển khỏi các nhiệm vụ hiện đại hóa thủ công cho phép chuyển hướng các nguồn lực kỹ thuật có giá trị sang xây dựng giá trị kinh doanh mới.
• Giảm thiểu Rủi ro: Các đề xuất được hướng dẫn, xác thực và tự động hóa làm giảm khả năng xảy ra lỗi trong quá trình di chuyển phức tạp.
• Cải thiện Giữ chân Nhân tài: Cung cấp cho các nhà phát triển các công cụ hiện đại giúp giảm bớt công việc tẻ nhạt có thể góp phần làm tăng sự hài lòng trong công việc.

Bản chất mã nguồn mở của dự án Konveyor cơ bản cũngthúc đẩy sự hợp tác cộng đồng và cho phép các tổ chức có khả năng đóng góp và hưởng lợi từ kiến thức và bộ quy tắc được chia sẻ.

Con đường Phía trước cho Konveyor

Việc phát hành Konveyor AI 0.1 đánh dấu một cột mốc quan trọng, cung cấp các khả năng hiện đại hóa cốt lõi do AI điều khiển cho người dùng ngay lập tức. Red Hat đã báo hiệu rõ ràng cam kết của mình đối với lĩnh vực này, với chức năng tạo tài sản Kubernetes dự kiến phát hành vào mùa hè và các cải tiến tiếp theo được lên kế hoạch cho bộ công cụ di chuyển ứng dụng trong các bản phát hành tiếp theo.

Khi AI tạo sinh tiếp tục phát triển nhanh chóng, các công cụ như Konveyor AI có khả năng ngày càng trở nên tinh vi hơn. Các phiên bản trong tương lai có thể cung cấp khả năng hiểu mã sâu hơn, các đề xuất tái cấu trúc phức tạp hơn, tạo thử nghiệm tự động cho mã đã di chuyển hoặc thậm chí phân tích hành vi thời gian chạy do AI điều khiển sau khi di chuyển. Việc tích hợp AI vào vòng đời phát triển phần mềm, đặc biệt đối với các tác vụ phức tạp như hiện đại hóa, sẵn sàng trở thành một xu hướng lớn và Konveyor AI định vị Red Hat ở vị trí hàng đầu của sự chuyển đổi này, cung cấp một giải pháp thực tế, lấy nhà phát triển làm trung tâm cho một thách thức dai dẳng của ngành. Hành trình hiện đại hóa danh mục ứng dụng hiện có khổng lồ của thế giới còn dài, nhưng với các công cụ thông minh đang nổi lên, con đường phía trước có vẻ tươi sáng hơn đáng kể.