A car navigates a snowy road at night, illuminated by headlights against the dark, wintry landscape.


Migración del Core Legacy Asistida por IA

Una modernización escalable con IA para un banco digital latinoamericano

Sintesis

intive ayudó a un banco digital a analizar con IA su core legacy, que no tenía documentación, en tres semanas en lugar de meses. El resultado fue un camino más rápido y con menos riesgo para migrar todos los módulos restantes.

El cliente

Un banco 100% digital de América Latina que ofrece servicios financieros a personas y empresas, con foco en una experiencia simple, transparente y accesible.

Servicios

Discovery técnico
Prueba de Concepto (PoC)
Migración legacy asistida por IA
Desarrollo de Frontend asistido por IA
Legacy system screenshot featuring a table listing operations personnel by name.
El Desafío
Gran parte de la industria financiera todavía funciona sobre cores bancarios legacy.
El banco digital latinoamericano que recurrió a intive no era la excepción: su core dificultaba el desarrollo de nuevas funcionalidades y limitaba la usabilidad de algunas de sus interfaces.

Durante años, la lógica de negocio se fue acumulando sin documentación formal, y solo una persona conocía a fondo el sistema. Por eso, era difícil anticipar los riesgos de cualquier cambio en el core.
El banco ya había comenzado la migración, pero entender cómo funcionaba cada módulo demandaba semanas de análisis manual.

El banco ya había comenzado la migración, pero entender cómo funcionaba cada módulo demandaba semanas de análisis manual. intive propuso incorporar herramientas de IA para mejorar la calidad y acortar los plazos del proceso, empezando por un segmento del módulo de Cobranzas. Si la Prueba de Concepto daba resultado, la metodología se aplicaría al resto de Cobranzas y a otros módulos.

Spreadsheet showing a side-by-side comparison of old and new systems.
Nuestra Solución

Sin documentación disponible, la única fuente de verdad era el propio código. El equipo de intive comenzó con una fase de Discovery en la que usó LLMs para extraer la lógica de negocio directamente del código y ordenarla en un documento técnico estructurado. Sobre esa base, construyó una arquitectura de prompts para que la IA generara el código del nuevo frontend, adaptado al entorno del banco.

Fase 1: Análisis del comportamiento del sistema legacy

En tres semanas, intive procesó con LLMs el código fuente de cada ventana del módulo de Cobranzas, a través de un proceso iterativo para extraer la lógica de negocio que había detrás: validaciones, mensajes de error, fórmulas de cálculo y reglas de flujo. Para eso, el equipo tuvo que definir cómo consultar a la IA según cada tipo de análisis. Esas decisiones quedaron documentadas en una guía de buenas prácticas de prompting que el banco puede reutilizar en el resto de sus módulos.  

Digital network of data points and algorithms representing future technologies.
A vision of future data centers, featuring advanced server racks, glowing lights, and a clean, modern interior.
Fase 2: Consolidación del conocimiento del core en un documento técnico

Después, el equipo organizó toda la información extraída en un conjunto coherente con las reglas de negocio, validaciones, fórmulas y flujos del módulo. El resultado fue un documento técnico funcional, validado por el experto legacy, que explica cómo opera el módulo de Cobranzas y que pasó a ser la fuente de verdad para la implementación.

Fase 3: Desarrollo de nuevas interfaces de frontend con IA

Con el documento validado, intive desarrolló el frontend en React con la IA como motor principal de generación de código. El desafío era que la IA produjera código acorde al entorno del banco, sin romper su arquitectura ni su identidad visual.

Laptop displaying a form for developing new interfaces with AI
Una arquitectura de prompts para generar interfaces consistentes

intive armó un sistema estructurado de instrucciones y contexto que incluía el design system del banco, screenshots de diseños en Figma, patrones de interfaces ya migradas y las convenciones de arquitectura del proyecto. Así, la IA trabajó con el conocimiento propio del cliente como única referencia.
Como resultado, el banco obtuvo un catálogo de conocimiento reutilizable. Cualquier desarrollador que se sume al proyecto puede usarlo desde el primer día para generar interfaces consistentes, de alta calidad y en poco tiempo.

Un nuevo flujo de trabajo validado según los estándares del banco

El flujo de trabajo se resolvía en tres pasos. Primero, un desarrollador definía qué pantalla o funcionalidad construir. Luego, la IA generaba el código alineado con el design system, respetando los componentes, la nomenclatura y los patrones existentes. Por último, un revisor validaba el resultado. Cualquier ajuste también se hacía a través de la IA. El código generado cumplió con todos los estándares de calidad del banco, sin que nadie escribiera una sola línea a mano.

Impacto

La IA permitió entender comportamientos del core que, con los años, se habían vuelto muy difíciles de descifrar. Esa claridad, sumada a la velocidad de una IA bien aplicada, cambió la forma en que el banco encaraba la modernización de su sistema. Lo que empezó como una PoC se convirtió en la base de una metodología que se extendió al resto del módulo de Cobranzas, con los mismos resultados en velocidad, calidad y previsibilidad.

En la práctica, esto se tradujo en:  

Migración más rápida:

Con IA, el análisis del core legacy del módulo de Cobranzas llevó solo tres semanas, cuando normalmente habría demorado meses.

Menor riesgo de migración:

Documentar y validar la lógica de negocio antes de desarrollar redujo al mínimo el riesgo de replicar comportamientos mal interpretados.

Onboarding más ágil:

Dos desarrolladores sin conocimiento previo del dominio llevaron adelante la migración al mismo nivel que perfiles con experiencia.

Menor dependencia del experto legacy:

Su participación quedó limitada a una única instancia de validación al cierre del análisis, lo que liberó al referente técnico para otras tareas críticas.

Código generado por IA, validado por humanos:

Las interfaces creadas por la IA y revisadas por los desarrolladores cumplieron con todos los estándares de calidad del banco.

Una metodología lista para escalar:

El catálogo de conocimiento reutilizable se está transfiriendo al equipo del banco para que pueda aplicarlo de forma autónoma en los módulos restantes. Cualquier desarrollador que se sume al proyecto puede continuar la migración con consistencia y rapidez, sin importar su perfil.

Mejor experiencia de usuario:

Las interfaces migradas ya están en producción y reemplazaron las ventanas del sistema anterior. Hoy, el equipo técnico puede mantener y evolucionar el producto sin depender de tecnología obsoleta.

You want to know more? Get in touch!
You need to confirm Privacy Policy before submitting.
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.