Gartner 的分析师们发出警告，称围绕 AI 驱动的大型机迁移项目，一个巨大的泡沫正在形成。该研究机构预测，大多数试图利用生成式 AI 将遗留代码迁移至其他平台的企业，最终都将面临巨大的心理落差。
根据 Gartner 最近发布的一份题为《大而不能倒：为何在生成式 AI 时代大型机迁移项目极易失败》的报告，2026 年启动的大型机迁移项目中，超过 70% 将无法达成预期目标。该机构将这种失败归咎于对生成式 AI 工具实际能力的过度高估。
这类 AI 驱动的迁移市场规模预计也将急剧缩水。Gartner 预测，到 2030 年，目前活跃在大型机迁移市场的供应商中，有 75% 将要么倒闭，要么被迫转型业务模式。
遗留数据的复杂性
分析师 Dennis Smith、Alessandro Galimberti 和 Tobi Bet 指出，关键任务应用程序的庞大规模，使得大多数大型企业在物理层面和财务层面都无法实现全面迁移。他们强调，大型机数据的体量及其错综复杂的关联性，构成了难以逾越的障碍。
尽管团队承认生成式 AI 在识别和描述技术债务方面确实有效，但他们发现该技术“在遗留代码的自动化转换和迁移方面存在重大局限性”。研究人员还指出，AI 往往无法考虑到大型机的独特功能，例如在迁移后维持特定的性能和吞吐量水平。
据 theregister.com 报道，Gartner 认为供应商的炒作主要是受投资者对 AI 能力的激进需求所驱动。这种压力迫使供应商即便在没必要的情况下也要强行部署 AI，以迎合那些因难以招募到维护老旧大型机系统的人员而感到焦虑的市场用户。
Gartner 警告称，生成式 AI 的“营销承诺”与其代码转换的实际能力之间存在危险的鸿沟。分析师们表示，迁移决策的失误不仅仅是预算问题，更是“对业务和运营连续性的威胁”。
该机构建议，企业不应寻求所谓的“神奇解决方案”，而应采取“平台智能化”策略，对工作负载进行逐一评估。报告指出，随着客户意识到以可接受的成本和风险退出大型机平台几乎是不可能的，放弃大型机的动力实际上正在减弱。
这一观点与近期的市场猜测形成了鲜明对比。此前，在 Anthropic 宣传其 Claude Code 工具的 COBOL 转换能力后，IBM 的股价曾一度承压，引发了大型机时代即将终结的传言。然而，Gartner 坚持认为，即便在云原生架构兴起的背景下，大型机依然是某些关键任务应用程序的首选平台。