对于拥有遗留大型机的企业，长期面临两难：继续维护或进行高风险的大规模迁移。Google Cloud 提出一种 AI 驱动的现代化策略，核心认知是大型机现代化不是单纯的代码到代码转换，主要挑战在于处理全球企业中庞大的依赖网络和遗留数据格式，同时确保功能等价。

其方法结合 Gemini 模型在代码理解上的高级推理能力，以及大型机特定现代化产品。方案围绕四个核心支柱：

评估：使用 Mainframe Assessment Tool (MAT) 对遗留代码库进行大规模逆向工程。它提供依赖关系可视化、自动业务规则提取（将复杂逻辑转为自然语言和决策树）、自动文档生成以及领域与业务功能发现。这些输出可通过 MCP 集成到 agentic 工作流中，为 AI 代理提供应用级上下文。

现代化：提供两种路径。重写/重新构想：适合业务逻辑创新驱动 ROI 的遗留应用，结合 MAT 和 Modernization Agents，通过 agentic 工作流将遗留代码转换为业务说明，并生成新的云端应用。确定性现代化（like-to-like）：严格保持行为等价，用 AI 进行代码到代码的转换，确保新旧系统对同样输入产生相同输出，适合需要结构现代化但行为不变的场景。客户可针对不同工作负载混合使用。

去风险：使用 Dual Run 在生产环境中同时运行大型机和云端环境，自动捕获事务并比较输出（协议、消息、数据变更），持续验证直到功能等价，确保零运营中断，已用于满足严格监管要求。

数据迁移：使用 Mainframe Connector 将数据从大型机复制到 BigQuery、Spanner、Cloud SQL 等服务，处理代码和数据类型转换，可集成到现有 ETL 过程，同时降低 MIPS 消耗。

这四部分构成完整的 AI 加速现代化方案，帮助企业从不确定性逐步走向执行，同时提供试点入口来启动实际评估与迁移。