ИИ-агенты помогли перенести 40 000 строк Fortran 77 на C++ в энергокомпании

Многие критически важные системы — от банковских мейнфреймов до диспетчерских энергосетей — до сих пор работают на коде, написанном десятилетия назад. Поддержка таких систем становится всё дороже, а найти специалистов по устаревшим языкам — почти невыполнимая задача. Компания Mistral AI опубликовала кейс, который может изменить подход к модернизации legacy: с помощью ИИ-агентов удалось автоматизировать перевод 40 000 строк Fortran 77 на современный C++ для европейского оператора энергетической инфраструктуры.

Что произошло

Европейский оператор энергосетей столкнулся с необходимостью обновить модуль расчёта нагрузок, написанный на Fortran 77. Код содержал сложные математические алгоритмы, десятилетиями отлаженные и критически важные для стабильности энергосистемы. Ручной перевод занял бы годы. Mistral AI развернула систему из нескольких специализированных ИИ-агентов: один анализировал исходный код, другой генерировал эквивалентный C++, третий проверял корректность на наборе тестов. В результате 40 000 строк были перенесены за несколько недель, причём итоговый код прошёл регрессионное тестирование с теми же результатами, что и оригинал.

Почему это важно

Модернизация legacy-кода — одна из самых дорогих и рискованных задач в ИТ. Ошибка при переводе может привести к сбоям в энергоснабжении, финансовым потерям или нарушению нормативных требований. Данный кейс демонстрирует, что ИИ-агенты способны не только ускорить процесс в десятки раз, но и обеспечить высокую точность за счёт автоматической верификации. Для бизнеса это означает снижение затрат, сокращение времени вывода обновлений и возможность сохранить накопленную десятилетиями бизнес-логику, не переписывая её с нуля. Особенно ценно, что решение применимо не только к Fortran, но и к COBOL, PL/I и другим устаревшим языкам.

Как это было сделано

Процесс состоял из нескольких этапов. Сначала обученная на Fortran и C++ модель Mistral Large анализировала исходный код, разбивая его на модули и выделяя зависимости. Затем агент-транслятор генерировал эквивалентный код на C++, используя современные шаблоны (RAII, стандартную библиотеку). Параллельно агент-тестировщик запускал набор unit-тестов и сравнивал выходные данные. При расхождениях агент-отладчик анализировал разницу и корректировал перевод. Итерации продолжались до полного совпадения результатов. Ключевым нововведением стала возможность агентов общаться друг с другом через общую память, что исключило «галлюцинации» и повысило согласованность.

Уроки и выводы

Опыт Mistral показал, что успешная миграция legacy требует не только мощной языковой модели, но и продуманной архитектуры агентов. Во-первых, критически важно иметь качественный набор тестов — без него верификация невозможна. Во-вторых, человеческий контроль остаётся необходимым: инженеры проверяли наиболее сложные участки, особенно связанные с аппаратными особенностями. В-третьих, ИИ-агенты лучше справляются с переводом, если модель предварительно дообучена на примерах миграций. Компания планирует опубликовать часть инструментов в открытом доступе, чтобы ускорить модернизацию legacy в других отраслях.

Что дальше

Успех кейса открывает дорогу для масштабного применения ИИ-агентов в модернизации унаследованных систем. Ожидается, что в ближайшие годы подобные решения будут внедряться в банковском секторе, государственных информационных системах и промышленности. Для Mistral AI это укрепляет позиции в нише enterprise-решений, где точность и безопасность имеют первостепенное значение. Однако остаются вызовы: обеспечение кибербезопасности сгенерированного кода, лицензионная чистота и интеграция с существующими CI/CD-пайплайнами. Тем не менее, первый шаг сделан — legacy-код перестаёт быть «чёрной дырой» ИТ-бюджетов.