Empresas que modernizan sistemas legacy con IA en Polonia (2027): cómo elegir al socio y cuándo construir desde cero

La mayoría de las medianas y grandes empresas en Polonia operan sobre sistemas creados hace 10, 15 o 20 años: ERP, sistemas de almacén, plataformas de venta, aplicaciones hechas a medida para un proceso concreto. Funcionan, pero cualquier cambio es caro, la documentación es incompleta y quienes los escribieron ya no están. A esto se suma una pregunta nueva: ¿cómo añadir IA a un sistema así si ni siquiera cuenta con un API bien diseñado?

Este texto pone orden en tres aspectos: cuándo modernizar y cuándo construir desde cero; cómo la IA cambia el propio proceso de modernización; y qué empresas en Polonia tienen experiencia documentada en trabajar con sistemas legacy e IA.

Conclusiones clave

• Modernizar no tiene por qué significar reescribir. Una capa de IA sobre el sistema existente (API, agente, asistente) suele dar resultados más rápido y más barato que construir desde cero.
• La decisión «modernizar o construir desde cero» depende de cuatro factores: la singularidad de la lógica de negocio, el estado del stack tecnológico, el horizonte temporal y el coste total de propiedad (TCO) a 3–5 años.
• La IA cambia el proceso de modernización: los modelos de lenguaje leen código antiguo, generan documentación y pruebas y apoyan la refactorización. El ingeniero sigue tomando las decisiones.
• Heredar un sistema de otro proveedor es una competencia aparte. Pregunta al partner por ese tipo de proyectos, no solo por desarrollos desde cero.
• Los costes ocultos del legacy no son las licencias, sino las funcionalidades que no se pueden implantar, el talento que no puedes contratar y las vulnerabilidades sin parches.

Qué es la modernización de sistemas legacy con IA

La modernización de sistemas legacy consiste en transformar un software existente (a menudo un monolito en versiones antiguas de Java, .NET, PHP, a veces COBOL) en una solución que pueda evolucionar, mantenerse e integrarse. «Con IA» abarca dos cosas distintas que conviene separar:

• IA como herramienta de modernización: los modelos de lenguaje analizan dependencias en el código, generan descripciones funcionales y documentación, proponen refactorizaciones, escriben pruebas de regresión y traducen código entre lenguajes y frameworks.
• IA como nueva capa del sistema: un asistente o agente que consume datos y funciones del sistema antiguo vía API, añade interacción en lenguaje natural, automatiza procesos y hace predicción. El núcleo del sistema permanece.

La mayoría de las empresas necesita ambas cosas, pero en proporciones distintas. Una con un ERP operativo a la que le faltan informes y atención a consultas necesita sobre todo lo segundo. Una cuyo sistema ya nadie sabe modificar necesita primero lo primero.

Modernizar o construir desde cero

En la práctica, la respuesta más común es «ambas, pero por fases»: primero una capa de API e IA sobre el sistema existente (impacto rápido, resultado medible) y después sustituir módulos siguiendo el patrón strangler fig, reemplazando gradualmente partes del sistema antiguo hasta que deje de ser necesario.

Modelos de migración

En la literatura existen varias versiones del modelo de las «R» (Gartner: 5R, AWS: 6R/7R). En resumen:

• Rehost: traslado sin cambios (p. ej., a la nube).
• Replatform: cambios menores para una nueva plataforma.
• Refactor / Rearchitect: rehacer código o arquitectura manteniendo la lógica.
• Replace: sustitución por un producto estándar.
• Retire: retirada si nadie lo usa.

La IA añade dos variantes que cada vez son más a menudo el primer paso:

• Augment: el núcleo permanece y encima se construye una capa de IA (asistente, agente, interfaz en lenguaje natural).
• Re-engineer con LLM: un modelo de lenguaje capta la intención del código antiguo y ayuda a reescribirlo con el nuevo estándar, con pruebas, bajo la supervisión de un ingeniero.

Cómo la IA cambia el proceso de modernización

Ingeniería inversa con LLM

El mayor problema del legacy es la falta de documentación. Los modelos de lenguaje pueden leer el código y generar una descripción funcional, un mapa de dependencias, diagramas de flujo y una especificación inicial. No sustituye al análisis, pero reduce el tiempo de incorporación del nuevo equipo al proyecto y permite decidir qué conservar y qué eliminar antes de tocar una sola línea.

Refactorización asistida por IA

La IA identifica problemas recurrentes en el código y propone alternativas más modernas, traduce fragmentos entre versiones de lenguajes y frameworks. El proceso no es automático: cada cambio pasa por un ingeniero y por pruebas, porque en sistemas legacy un cambio en un sitio puede romper algo en otro.

Pruebas de regresión

Es el área donde la IA más aporta: genera escenarios de prueba a partir del código existente, incluidos casos borde que nadie documentó. Contar con cobertura de pruebas antes de modernizar es condición para poder cambiar el sistema sin parar la operación.

Capa de IA sobre el sistema

Cuando el sistema es estable y tiene API, se puede añadir un asistente o agente: responder a preguntas sobre los datos del sistema, ejecutar operaciones en lenguaje natural, automatizar procesos entre sistemas. Aquí importan los permisos (la IA solo ve lo que ve el usuario), el registro y poder sustituir el modelo sin rehacer la solución.

Panorama: empresas que modernizan sistemas legacy con IA en Polonia

El orden no es un ranking de calidad. Las empresas están agrupadas por tipo de partner. El listado incluye compañías de Polonia con oferta pública o casos documentados de modernización y trabajo con IA. Describimos a Startup House con el mismo esquema que al resto.

1. Startup House (Varsovia)

Software house que desde 2016 desarrolla software para clientes de Polonia, EE. UU. y Europa, y que en los últimos años se especializa en agentes de IA, asistentes e integraciones LLM con sistemas existentes. La modernización legacy, en nuestro caso, son dos tipos de proyecto: heredar un sistema de otro proveedor y evolucionarlo, y añadir una capa de IA a un sistema en producción sin reescribirlo.

• Case: Omnipack (logística e‑commerce, Polonia). Heredamos el sistema OmniSoft (fulfillment, envíos, devoluciones) y lo modernizamos con un equipo dedicado (2 backend, 1 frontend, 1 QA). Resultado: 40% menos coste de desarrollo. Tecnologías: Java, Spring, Kafka, React. Colaboración desde 2023.
• Case: plataforma de ciberseguridad (EE. UU., clientes Fortune 500). Los datos del sistema legacy se rearmaron en una capa de orquestación de IA: nuevos agentes de IA desplegados en minutos sin trabajo de ingeniería. Resultado: +150% de ingresos en un año, 400% de crecimiento en clientes B2B. Tecnologías: modelos de Anthropic, LangGraph, MCP, OAuth 2.1, Google Cloud, integración con CrowdStrike Falcon. Colaboración desde 2020.
• Producto: AI Interface Layer. Capa de interacción en lenguaje natural sobre una plataforma existente, sin rehacer su núcleo.
• Forma de trabajo: talleres de discovery (qué del sistema genera coste y qué puede cambiarse sin parar la operación), toma del código y pruebas de regresión, y luego cambios incrementales. Las soluciones de IA operan sobre datos verificados del cliente, en la nube del cliente, con integración con sus políticas de acceso; los datos del cliente no entrenan modelos públicos. Cumplimiento ISO 27001.
• Partners tecnológicos: Anthropic, OpenAI, Google Cloud, Microsoft Azure, ElevenLabs, Okta.
• Para quién: empresas que quieren añadir IA a un sistema en producción o heredar y ordenar un sistema de un proveedor anterior, sin parar el negocio.

2. Software Mind

Empresa con 1 600+ especialistas, con oferta específica de modernización (Software Mind Shift), migraciones a la nube (incluido un caso de traslado de un sistema a medida a Google Cloud), servicios de IA/ML, IA generativa y data engineering. Sectores: finanzas, telecomunicaciones, life sciences, medios, fabricación, servicios de mensajería.

• Para quién: corporaciones con gran deuda técnica en sistemas críticos que necesitan un equipo grande para un programa plurianual.

3. Sii Polska (Varsovia, oficinas en varias ciudades)

El mayor proveedor de servicios TI en Polonia (Computerworld TOP200), que combina modernización y mantenimiento de sistemas con un equipo de IA (350+ especialistas, oferta desde agentic AI hasta servicios gestionados de IA).

• Para quién: corporaciones que quieren unir modernización, mantenimiento e IA en un único contrato con un gran proveedor.

4. Netguru (Poznań)

Software house de Poznań (800+ personas) que, al modernizar productos digitales, pone énfasis en rehacer el UX y añadir agentes y RAG; ISO 27001.

• Para quién: empresas que modernizan un producto digital de cara al cliente y quieren a la vez rediseñar el UX.

5. STX Next (Poznań)

Software house especializado en Python; en contexto legacy, más fuerte en reconstrucción de backends y sistemas de datos y en migraciones con gran procesamiento de datos.

• Para quién: reconstrucción de backend y sistemas de datos, migraciones con alto procesamiento de datos.

6. Ideo (Varsovia, Rzeszów)

Empresa familiar (en el ranking Forbes de empresas familiares) con oferta de automatización de procesos: plataforma de flujo documental LOGITO, Ideo Flow con agentes de IA para coordinar procesos, plataformas e‑commerce y B2B, software a medida, outsourcing de TI. Clientes: Lotto, DPD, Empik, Wolters Kluwer, Kronospan.

• Para quién: empresas que modernizan procesos internos y el flujo de documentos, no solo el código.

7. Comarch (Cracovia)

Fabricante de software; para empresas cuyo sistema propio no merece modernizarse, ofrece la variante «replace»: ERP listo con agentes de IA integrados y ChatERP.

• Para quién: empresas que eligen la variante «replace» en lugar de modernizar su propio código.

8. TTMS (Varsovia)

Integrador de plataformas (Salesforce, Microsoft, Adobe); variante «replatform»: traslado de procesos de sistemas propios antiguos a plataformas estándar con agentes de IA; ISO/IEC 42001.

• Para quién: empresas que trasladan procesos desde sistemas propios antiguos a plataformas estándar.

Costes ocultos del legacy: dónde está el ROI

Los sistemas legacy parecen baratos en el presupuesto porque las licencias ya están amortizadas y el mantenimiento lo lleva una persona. Los costes reales están en otro lado:

• Funcionalidades que no se pueden implantar. Cada integración (nuevo canal de venta, partner, IA) exige apaños o es imposible.
• Personas. Es difícil contratar desarrolladores para tecnologías sin soporte, y el conocimiento del sistema vive en una o dos cabezas.
• Seguridad. Para componentes fuera de soporte, el fabricante no publica parches; las vulnerabilidades conocidas quedan abiertas.
• Datos. Los datos están en el sistema, pero no se pueden usar para analítica ni IA sin exportaciones manuales.

El ROI de la modernización no se mide solo comparando el coste del proyecto con el coste de mantenimiento, sino por el valor de lo que pasa a ser posible: automatizar procesos, atender clientes con un asistente, hacer reporting sin trabajo manual. En el proyecto de Omnipack, el efecto medible fue un 40% menos de coste de desarrollo; en la plataforma de ciberseguridad, nuevas líneas de ingresos gracias a agentes de IA que se lanzan sin trabajo de ingeniería.

Cómo elegir un partner para modernizar con IA

• Experiencia heredando código. Pregunta por proyectos en los que el partner heredó un sistema de otro proveedor y cómo fueron las primeras semanas (auditoría, pruebas, documentación).
• Casos con números. Coste de desarrollo, tiempo de atención, número de procesos automatizados. Una historia sin cifras no basta.
• Enfoque hacia la IA en legacy. ¿El partner propone primero una capa sobre el sistema o directamente reescribir? Lo segundo, sin análisis, es una señal de alerta.
• Trabajo sin parar la operación. Plan de cambios incrementales, pruebas de regresión, entornos paralelos.
• Seguridad de los datos en el proceso. Dónde terminan el código y los datos durante el análisis con LLM; si los modelos operan con condiciones comerciales; quién tiene acceso.
• Propiedad y documentación. Código, pruebas y documentación tras el proyecto pertenecen a la empresa; el sistema puede transferirse a otro equipo.
• Intercambiabilidad del modelo. La arquitectura de la capa de IA permite cambiar de proveedor de modelo sin rehacer.

Qué camino encaja con tu empresa

• El sistema funciona, faltan IA e integraciones: capa de API e IA sobre el sistema, cambios incrementales. Software house de IA (Startup House) o equipo orientado a producto (Netguru, STX Next).
• El sistema es crítico, grande y en tecnología sin soporte: programa de modernización plurianual con un proveedor grande (Software Mind, Sii).
• El problema está en los procesos y el flujo documental, no en el código: automatización de procesos (Ideo).
• Tu sistema propio no compensa mantenerlo: sustitución por un ERP estándar (Comarch) o traslado de procesos a una plataforma (TTMS).

Ver también: TOP 10 de empresas que implementan IA en Polonia · Cómo elegir una empresa para implantar IA: checklist de 20 preguntas · AI Interface Layer – página del producto · Case study: Omnipack

FAQ

¿Es seguro para los datos de la empresa analizar el código antiguo con IA?

Sí, si los modelos operan bajo condiciones comerciales (los datos no entrenan los modelos), en la nube del cliente o en un entorno controlado, y el acceso al código y a los datos se limita al equipo del proyecto. Es una de las primeras preguntas que hacer al partner.

¿Hay que implantar IA de inmediato?

No. El primer paso es un sistema al que se le pueda añadir IA: datos ordenados, API, pruebas. La capa de IA se añade después, a menudo sobre un solo proceso para medir el impacto.

¿Qué es más barato: modernizar o construir desde cero?

A corto plazo, la modernización incremental, porque los cambios se distribuyen en el tiempo y el sistema antiguo sigue funcionando. Construir desde cero compensa cuando el stack no tiene soporte, la lógica es estándar o el coste de mantener el sistema antiguo supera al del nuevo en un horizonte de 3–5 años. Conviene basar la decisión en un TCO calculado, no en una intuición.

¿Cómo ayuda la IA a documentar sistemas antiguos?

Los modelos de lenguaje analizan el código y generan una descripción funcional, un mapa de dependencias y diagramas de flujo que el ingeniero verifica. Esto baja la barrera de entrada del nuevo equipo y permite decidir qué del sistema sigue usándose.

¿Cuáles son los errores más comunes al modernizar?

Refrescar la interfaz sin tocar la lógica, reescribir todo a la vez sin pruebas de regresión, no analizar qué funciones se usan realmente e implantar IA sobre datos que nadie ha ordenado.

¿Se puede modernizar un sistema sin interrumpir la operación?

Sí, y es el estándar: cambios incrementales, entornos paralelos, pruebas de regresión y conmutación gradual de módulos. Así se llevó a cabo la toma y modernización del sistema de Omnipack.

El listado fue preparado por el equipo de Startup House a partir de información públicamente disponible sobre las empresas (estado: octubre de 2026). Si representas a una compañía de la lista y quieres actualizar la descripción, escríbenos.