Тяжелая промышленность держится на реликтовом коде. Критическая инфраструктура до сих пор опирается на научные расчетные модули полувековой давности, создатели которых давно вышли на пенсию. В наследство остались полное отсутствие документации, нулевое тестовое покрытие и колоссальный операционный долг, пугающий риск-менеджеров. Компании отрезаны от современного стека вычислений и облачных платформ, оказавшись в заложниках у кодовых баз на Fortran, за которые не возьмется ни один опытный инженер и в которых бессилен любой джуниор.
Европейский энергетический оператор попытался разорвать этот замкнутый круг с помощью Mistral AI. Инженеры развернули агентский конвейер, который переписал симулятор пласта объемом 40 000 строк с Fortran 77 напрямую на современный C++. Это не было механической сменой синтаксиса: устаревший модуль содержал сложнейшую физику процессов. Агентам пришлось восстанавливать неявную математическую логику методом обратной разработки, трансформировать процедурный код в объектно-ориентированную архитектуру и попутно интегрировать высокопроизводительные научные библиотеки вроде PETSc.
Обеспечение численной точности
Перенос физических движков без исторических модульных тестов — прямой операционный риск: незаметная погрешность в вычислениях с плавающей запятой может сделать невалидными все гидродинамические модели месторождения. Чтобы исключить сбои, инженерная команда сначала создала автоматизированную систему проверки эквивалентности результатов и лишь затем запустила автоматический рефакторинг. Это позволило подтвердить, что реализация на C++ выдает расчеты, полностью идентичные Fortran, во всех сложных сценариях моделирования.
Для технических директоров агентская миграция кода сокращает бюджеты на модернизацию и сжимает многолетние проекты до нескольких недель. Однако такая экономика смещает главное узкое место бизнеса: теперь ресурсы уходят не на написание кода, а на построение жесткой инфраструктуры валидации. При отсутствии базовой документации автоматическая миграция окупается только тогда, когда сэкономленные часы разработчиков направляются на проверку численной точности, а не на слепое доверие результатам работы ИИ.