Tesi e Tirocini

Secondo i recenti trend di mercato, la maggior parte delle organizzazioni ha già delineato una strategia di migrazione in cloud, prevedendo che il 70% dei workloads saranno in Cloud entro il 2024, per migliorare la scalabilità dei servizi ed ottimizzarne i costi di gestione, cogliendo i benefici derivanti da modelli architetturali ed infrastrutturali agili.
Ciò nonostante, uno dei maggiori ostacoli della cloud-journey è modernizzare complesse applicazioni monolitiche, spesso denominate “New Legacy”: si tratta di applicazioni mediamente recenti (es. Java EE Monolitiche, realizzate nei passati 3-5-10 anni) che tipicamente presentano limiti in termini di reattività al cambiamento: flessibilità, scalabilità e time-to-market.
Tuttavia, quando si parla di modernizzazione, la maggior parte dei team di sviluppo non ha idea di dove partire. In aggiunta, una recente analisi di mercato ha rivelato che il 79% dei progetti di modernizzazione falliscono, con un costo di 1.5 milioni e 16 mesi di lavoro. Esistono piattaforme che guidano e supportano la modernizzazione attraverso l’analisi statica, analisi dinamica e algoritmi di IA, trasformando automaticamente complesse applicazioni monolitiche in microservizi.
Inoltre, la recente popolarità acquisita da modelli di linguaggio molto grandi (Large Language Models, o LLM) ha aperto nuove prospettive per l'applicazione di intelligenza artificiale nell'ambito enterprise. I modelli LLM, come GPT-3 e successivi, hanno dimostrato la loro capacità di comprendere e generare testo in modo coerente e semantico, offrendo opportunità uniche per automatizzare e migliorare il processo di modernizzazione del software.

Obiettivo

L’obiettivo della tesi è quello di sviluppare una pipeline di strumenti basati su intelligenza artificiale, con particolare enfasi sui modelli LLM, per accelerare la modernizzazione delle applicazioni legacy e migliorare la qualità del codice risultante.

Tecnologie

Questa pipeline sarà progettata per affrontare diverse sfide chiave:

• Scalabilità a livello enterprise: Sarà fondamentale creare un sistema che possa essere adattato alle esigenze specifiche di grandi organizzazioni, garantendo la gestione efficiente di un gran numero di applicazioni legacy e la scalabilità delle risorse computazionali necessarie per l’analisi e la generazione automatica di codice.

• Vincoli relativi alla privacy e alla sicurezza dei dati: L’impiego di modelli di intelligenza artificiale potrebbe comportare la manipolazione di dati sensibili. Sarà cruciale sviluppare meccanismi di protezione dei dati e garantire la conformità alle normative sulla privacy.

• Performance dei modelli LLM: La scelta dei modelli LLM appropriati e l'ottimizzazione delle loro prestazioni per il contesto specifico dell'analisi e della generazione di codice sarà una sfida importante. Sarà necessario valutare attentamente le prestazioni e l'efficacia dei modelli LLM disponibili e adottare strategie per migliorare la loro efficienza.

Cosa cerchiamo

Ci piacerebbe molto averti a bordo se:

• Sei appassionato di tematiche AI e innovative;

• Ti interessano nuovi pattern infrastrutturali, come sistemi ibridi ed architetture a microservizi;

• Sei curioso di approfondire come gestire, in scenari reali, le necessità di rimodernizzazione relative all’adozione di una strategia multi-cloud.

Prima di inviare il tuo CV ti preghiamo di prendere visione dell’Informativa Privacy. Invia il tuo CV!