Thought Machine、AWS推AI遷移方案，目標不是逐行翻譯銀行舊程式

Thought Machine與AWS於2026年9月29日公布一套AI輔助的銀行核心系統遷移方案。它的重點不是把舊主機程式逐行轉成新語言，而是先找出程式背後的銀行業務規則，再將這些規則重建為Thought Machine Vault平台上的Python金融產品。75

兩者的做法試圖回答一個比「如何翻譯程式碼」更根本的問題：舊系統實際上如何計算利息、收取費用或處理貸款還款？了解這些規則後，才進一步在新核心平台上重建相關產品。

遷移流程如何運作？

方案結合AWS Transform與Thought Machine的Vault Forge，主要步驟如下：

1. 分析舊應用程式： AWS Transform的主機系統工具會檢視並逆向工程既有應用程式，協助辨識其中的業務邏輯。AWS表示，其主機現代化服務涵蓋評估及業務規則擷取等工作。72
2. 擷取銀行業務規則： 流程著重找出利息計算、費用安排及貸款還款等功能背後的規則，而非把舊程式每一行都當成必須直接翻譯的內容。5
3. 為Vault建立產品： 由Amazon Bedrock支援的Vault Forge，會運用擷取出的舊系統邏輯，協助建立供Thought Machine雲端原生Vault平台使用的Python金融產品。710
4. 測試產出的行為： Amazon稱產出的產品會經過模擬測試；另一則相關報導則提到可在沙盒環境測試。這是方案描述的測試環節，並不代表所有遷移結果都能免於進一步審查、必然正確。106

為何先找規則，而不是直接翻譯程式碼？

銀行舊系統可能累積了多年產品邏輯。Thought Machine與AWS的構想是，先辨識並重建這些邏輯，或許比逐行複製舊程式更適合在現代平台上重做特定銀行產品。兩家公司表示，這種方式旨在降低遷移計畫所需的時間與成本。75

不過，這是針對複雜現代化工作的部分流程所提出的自動化方案，並不代表所有系統相依關係、資料搬遷、營運流程或切換決策都能自動完成。現有公告資料說明了規則擷取與產品測試，但沒有詳細交代銀行團隊的核准關卡，也未說明雙方共同推出的Core Modernisation Accelerator具體如何運作。710

「從數年縮短至數天」代表整個核心系統幾天就能換好嗎？

不能這樣解讀。相關公告資料沒有提供替換整間銀行核心系統的端到端時程；較有根據的說法是，AI輔助的探索、規則擷取、產品生成及模擬測試，目標在於加快現代化工程中耗時且成本高昂的部分。710

AWS對其整體主機現代化服務的描述，是將多年期時程壓縮至數月，而非數天。這是AWS對一般服務的說法，不是Thought Machine合作方案已驗證的交付時程，也不等於銀行完整遷移計畫的保證。2

實際上，AI或可協助銀行更快理解並重建舊產品邏輯；但銀行仍應把速度描述視為部分工作的加速目標，而非上線中的核心系統必定能在特定天數內完成替換。