78% IT-руководителей считают, что старые корпоративные системы стали важнее, чем два года назад: legacy-системы для AI внезапно перестали быть только болью из прошлых бюджетных циклов. Бизнес выяснил, что мейнфреймы и другая возрастная инфраструктура хранят не музейные экспонаты, а данные и бизнес-логику, без которых новые AI-сервисы плохо понимают реальную компанию.
О сдвиге сообщает The Register со ссылкой на отчет Ensono State of IT Modernization 2026. Исследование основано на опросе 500 IT-руководителей и представителей бизнес-подразделений в США и Великобритании. Главный вывод звучит почти издевательски для тех, кто годами продавал «полную замену легаси»: на фоне инвестиций в AI компании не торопятся выкидывать старые системы. Они все чаще решают, что именно надо переписать, что перенести, а что разумнее усилить и подключить к новым процессам.
По данным Ensono, 45% компаний уже масштабируют AI-внедрения по всей организации, еще 44% вкладываются в точечные сценарии с заметным эффектом. Поддержка AI, автоматизации и продвинутой работы с данными стала главным фактором, который давит на планы модернизации. Больше половины компаний при этом говорят, что сам AI помогает ускорять модернизацию за счет автоматизации и повышения эффективности. Получается замкнутый, но рабочий круг: бизнес внедряет AI, чтобы модернизироваться быстрее, и модернизируется, чтобы AI наконец получил доступ к нужным данным.
Проблемы, впрочем, остались приземленными. 33% респондентов называют главным барьером интеграцию AI в существующие рабочие процессы и бизнес-процессы. Еще 28% упираются в ограничения инфраструктуры. Это важная поправка к модной картинке, где достаточно купить модель, подключить API и ждать роста продуктивности. В реальности AI-сервису часто нужно достучаться до данных о клиентах, транзакциях, контрактах, поставках, рисках и внутренних правилах. А эти данные десятилетиями жили не в красивом облачном lakehouse, а в мейнфреймах, ERP, старых базах и приложениях, которые помнят несколько поколений CIO.
Именно поэтому legacy-системы для AI стали рассматриваться не только как технический долг. Почти половина организаций видит в мейнфреймах и похожих платформах критическую основу для AI и важный источник данных. Еще 47% используют такие системы выборочно, под отдельные AI-приложения. Больше половины компаний оптимизируют и расширяют старые платформы, параллельно модернизируя приложения там, где они уже работают, вместо полной замены. В Великобритании такой подход встречается чаще: 57% против 48% в США.
Директор по стратегии Ensono Брайан Клингбайл объясняет этот разворот просто: компании заново открывают для себя мейнфреймы как мощные, надежные и эффективные вычислительные платформы, которые теперь можно сделать гибче с помощью AI. По его словам, в них накоплены десятилетия данных и бизнес-логики, на которых держатся многие компании. Выиграют не те, кто громче всех объявит «мы уходим от легаси», а те, кто достаточно хорошо понимает свой ландшафт и умеет отделить системы под замену от систем под развитие.
Этот тренд не возник за одну ночь. Еще в 2024 году инфраструктурная компания Kyndryl говорила, что мейнфреймы становятся кандидатами для размещения и выполнения AI-нагрузок, а крупные заказчики все активнее связывают их с современной инфраструктурой. Логика была похожей: часть нагрузок можно вывести наружу, часть обновить на месте и оставить там, где важны надежность, безопасность и проверенная операционная модель. Ранее в 2026 году Gartner также указывала, что для части пользователей VMware перенос нагрузок на мейнфрейм может быть рациональнее, чем переход на новые лицензии Broadcom.
Параллельно меняется и отношение к железу в целом. Представитель HPE по Великобритании, Ближнему Востоку и Африке говорил, что корпоративные клиенты дольше «выжимают» существующие IT-активы: например, растягивают циклы обновления с пяти до семи лет. Причины знакомые: где-то подходит конец поддержки, где-то заканчивается аренда в дата-центре, где-то капитальные расходы приходится планировать на более длинном горизонте. В итоге вопрос звучит не «когда все заменим», а «что действительно критично менять сейчас, а что еще может поработать без риска для бизнеса».
Для разработчиков и архитекторов это означает менее глянцевую, но более интересную фазу AI-внедрений. Навык работы с устаревшими API, пакетными процессами, шинами данных, COBOL-логикой и ограничениями мейнфреймов снова превращается в конкурентное преимущество. Для продактов и IT-директоров вывод тоже неприятно практичный: ценность AI-проекта будет зависеть не только от выбранной модели, но и от качества инвентаризации систем, прав доступа, интеграционных слоев и понимания, где в компании на самом деле живет знание о бизнесе.
Похоже, следующий этап корпоративного AI будет не про эффектные демо, а про тяжелую инженерную бухгалтерию: какие данные открыть, какие процессы не сломать, какие legacy-системы для AI оставить ядром, а какие наконец отправить на пенсию. Ирония в том, что самый модный бюджетный приоритет 2026 года может продлить жизнь платформам, которые многие уже мысленно списали десять лет назад.