Firmy modernizujące systemy legacy z AI w Polsce (2027): jak wybrać partnera i kiedy budować od nowa

Większość średnich i dużych firm w Polsce działa na systemach, które powstały 10, 15 albo 20 lat temu: ERP, systemy magazynowe, platformy sprzedażowe, aplikacje pisane pod konkretny proces. Działają, ale każda zmiana jest droga, dokumentacja jest niepełna, a ludzie, którzy je pisali, odeszli. Do tego dochodzi nowe pytanie: jak dodać do takiego systemu AI, skoro nie ma w nim nawet porządnego API.

Ten tekst porządkuje trzy rzeczy: kiedy modernizować, a kiedy budować od nowa; jak AI zmienia sam proces modernizacji; i które firmy w Polsce mają udokumentowane doświadczenie w pracy z systemami legacy i AI.

Najważniejsze wnioski

• Modernizacja nie musi oznaczać przepisania. Warstwa AI nad istniejącym systemem (API, agent, asystent) często daje efekt szybciej i taniej niż budowa od nowa.
• Decyzja „modernizować czy budować od nowa” zależy od czterech rzeczy: unikalności logiki biznesowej, stanu stosu technologicznego, horyzontu czasowego i całkowitego kosztu posiadania (TCO) w 3–5 lat.
• AI zmienia proces modernizacji: modele językowe czytają stary kod, generują dokumentację i testy, wspierają refaktoryzację. Inżynier nadal podejmuje decyzje.
• Przejęcie systemu po innym dostawcy to osobna kompetencja. Pytaj partnera o takie projekty, nie tylko o budowę od zera.
• Ukryte koszty legacy to nie licencje, tylko funkcje, których nie da się wdrożyć, ludzie, których nie da się zatrudnić, i luki, dla których nie ma poprawek.

Czym jest modernizacja systemów legacy z AI

Modernizacja systemów legacy to przekształcenie istniejącego oprogramowania (często monolitu w starszych wersjach Javy, .NET, PHP, czasem COBOL-u) w rozwiązanie, które da się rozwijać, utrzymywać i integrować. „Z AI” oznacza dwie różne rzeczy, które warto rozdzielić:

• AI jako narzędzie modernizacji: modele językowe analizują zależności w kodzie, generują opis funkcjonalny i dokumentację, proponują refaktoryzację, piszą testy regresyjne, tłumaczą kod między językami i frameworkami.
• AI jako nowa warstwa systemu: asystent lub agent, który korzysta z danych i funkcji starego systemu przez API, dodaje interakcję w języku naturalnym, automatyzuje procesy, prognozuje. Rdzeń systemu zostaje.

Większość firm potrzebuje obu, ale w różnych proporcjach. Firma z działającym ERP, której brakuje raportowania i obsługi zapytań, potrzebuje głównie drugiego. Firma z systemem, którego nikt nie umie już zmienić, potrzebuje najpierw pierwszego.

Modernizować czy budować od nowa

W praktyce najczęstsza odpowiedź to „i jedno, i drugie, po kolei”: najpierw warstwa API i AI nad istniejącym systemem (szybki efekt, mierzalny wynik), potem wymiana modułów według wzorca strangler fig, czyli stopniowe zastępowanie fragmentów starego systemu nowymi, aż stary przestaje być potrzebny.

Modele migracji

W literaturze funkcjonuje kilka wersji modelu „R” (Gartner: 5R, AWS: 6R/7R). W uproszczeniu:

• Rehost: przeniesienie bez zmian (np. do chmury).
• Replatform: drobne zmiany pod nową platformę.
• Refactor / Rearchitect: przebudowa kodu lub architektury przy zachowaniu logiki.
• Replace: zastąpienie gotowym produktem.
• Retire: wyłączenie, jeśli nikt nie korzysta.

AI dodaje do tego dwa warianty, które coraz częściej są pierwszym krokiem:

• Augment: rdzeń zostaje, nad nim powstaje warstwa AI (asystent, agent, interfejs w języku naturalnym).
• Re-engineer z LLM: model językowy odczytuje intencję starego kodu i wspiera jego ponowne napisanie w nowym standardzie, z testami, pod nadzorem inżyniera.

Jak AI zmienia proces modernizacji

Reverse engineering z użyciem LLM

Największy problem legacy to brak dokumentacji. Modele językowe potrafią odczytać kod i wygenerować opis funkcjonalny, mapę zależności, diagramy przepływu i wstępną specyfikację. To nie zastępuje analizy, ale skraca czas wejścia nowego zespołu w projekt i pozwala zdecydować, co zachować, a co wyciąć, zanim ktokolwiek zmieni jedną linię.

Refaktoryzacja wspierana przez AI

AI identyfikuje powtarzalne problemy w kodzie i proponuje nowocześniejsze odpowiedniki, tłumaczy fragmenty między wersjami języków i frameworkami. Proces nie jest automatyczny: każda zmiana przechodzi przez inżyniera i testy, bo w systemach legacy zmiana w jednym miejscu psuje coś w innym.

Testy regresyjne

To obszar, w którym AI daje najwięcej: generowanie scenariuszy testowych na podstawie istniejącego kodu, w tym przypadków brzegowych, których nikt nie opisał. Pokrycie testami przed modernizacją to warunek, żeby móc zmieniać system bez zatrzymywania operacji.

Warstwa AI nad systemem

Gdy system jest stabilny i ma API, można dodać asystenta lub agenta: odpowiadanie na pytania o dane w systemie, wykonywanie operacji w języku naturalnym, automatyzacja procesów między systemami. Tu liczą się uprawnienia (AI widzi tylko to, co użytkownik), logowanie i możliwość wymiany modelu bez przebudowy.

Zestawienie: firmy modernizujące systemy legacy z AI w Polsce

Kolejność nie jest rankingiem jakości. Firmy są pogrupowane według typu partnera. Zestawienie obejmuje firmy z Polski, które mają publiczną ofertę lub case studies z modernizacji i pracy z AI. Startup House opisujemy w tym samym schemacie co pozostałe.

1. Startup House (Warszawa)

Software house, który od 2016 roku buduje oprogramowanie dla klientów z Polski, USA i Europy, a w ostatnich latach specjalizuje się w agentach AI, asystentach i integracjach LLM z istniejącymi systemami. Modernizacja legacy to w naszym przypadku dwa rodzaje projektów: przejęcie systemu po innym dostawcy i jego rozwój oraz dodanie warstwy AI do działającego systemu bez przepisywania go.

• Case: Omnipack (logistyka e-commerce, Polska). Przejęcie systemu OmniSoft (fulfillment, wysyłki, zwroty) i jego modernizacja przez zespół dedykowany (2 backend, 1 frontend, 1 QA). Wynik: 40% niższe koszty rozwoju. Technologie: Java, Spring, Kafka, React. Współpraca od 2023.
• Case: platforma cyberbezpieczeństwa (USA, klienci z listy Fortune 500). Dane z systemu legacy przebudowane w warstwę orkiestracji AI: nowi agenci AI uruchamiani w minuty bez pracy inżynierów. Wynik: +150% przychodu w rok, 400% wzrost liczby klientów B2B. Technologie: modele Anthropic, LangGraph, MCP, OAuth 2.1, Google Cloud, integracja z CrowdStrike Falcon. Współpraca od 2020.
• Produkt: AI Interface Layer. Warstwa interakcji w języku naturalnym nad istniejącą platformą, bez przebudowy jej rdzenia.
• Sposób pracy: warsztaty discovery (co w systemie generuje koszt, co da się zmienić bez zatrzymania operacji), przejęcie kodu i testy regresyjne, potem zmiany przyrostowe. Rozwiązania AI działają na zweryfikowanych danych klienta, w chmurze klienta, z integracją z politykami dostępu; dane klienta nie trenują publicznych modeli. ISO 27001 compliant.
• Partnerzy technologiczni: Anthropic, OpenAI, Google Cloud, Microsoft Azure, ElevenLabs, Okta.
• Dla kogo: firmy, które chcą dodać AI do działającego systemu albo przejąć i uporządkować system po poprzednim dostawcy, bez zatrzymywania biznesu.

2. Software Mind

Firma z 1 600+ specjalistami, z osobną ofertą modernizacji (Software Mind Shift), migracjami do chmury (m.in. case przeniesienia systemu dedykowanego do Google Cloud), usługami AI/ML, generatywnej AI i data engineering. Branże: finanse, telekomunikacja, life sciences, media, produkcja, usługi kurierskie.

• Dla kogo: korporacje z dużym długiem technologicznym w krytycznych systemach, potrzebujące dużego zespołu na wieloletni program.

3. Sii Polska (Warszawa, biura w wielu miastach)

Największy dostawca usług IT w Polsce (Computerworld TOP200), który łączy modernizację i utrzymanie systemów z zespołem AI (350+ specjalistów, oferta od agentic AI po AI managed services).

• Dla kogo: korporacje, które chcą połączyć modernizację, utrzymanie i AI w jednym kontrakcie z dużym dostawcą.

4. Netguru (Poznań)

Poznański software house (800+ osób), który przy modernizacji produktów cyfrowych kładzie nacisk na przebudowę UX i dodanie agentów oraz RAG; ISO 27001.

• Dla kogo: firmy, które modernizują produkt cyfrowy dla klientów i chcą przy okazji przebudować UX.

5. STX Next (Poznań)

Software house pythonowy; w kontekście legacy najmocniejszy w przebudowie backendów i systemów danych oraz migracjach z dużym przetwarzaniem danych.

• Dla kogo: przebudowa backendu i systemów danych, migracje z dużym przetwarzaniem danych.

6. Ideo (Warszawa, Rzeszów)

Firma rodzinna (w rankingu Forbes firm rodzinnych) z ofertą automatyzacji procesów: platforma obiegu dokumentów LOGITO, Ideo Flow z agentami AI do koordynacji procesów, platformy e-commerce i B2B, oprogramowanie dedykowane, outsourcing IT. Klienci m.in. Lotto, DPD, Empik, Wolters Kluwer, Kronospan.

• Dla kogo: firmy, które modernizują procesy wewnętrzne i obieg dokumentów, a nie tylko kod.

7. Comarch (Kraków)

Producent oprogramowania; dla firm, których własny system nie jest wart modernizacji, oferuje wariant „replace”: gotowy ERP z wbudowanymi agentami AI i ChatERP.

• Dla kogo: firmy wybierające wariant „replace” zamiast modernizacji własnego kodu.

8. TTMS (Warszawa)

Integrator platformowy (Salesforce, Microsoft, Adobe); wariant „replatform”: przeniesienie procesów ze starych systemów własnych na standardowe platformy z agentami AI; ISO/IEC 42001.

• Dla kogo: firmy przenoszące procesy ze starych systemów własnych na standardowe platformy.

Ukryte koszty legacy: gdzie leży ROI

Systemy legacy wyglądają tanio w budżecie, bo licencje są spłacone, a utrzymanie robi jedna osoba. Prawdziwe koszty są gdzie indziej:

• Funkcje, których nie da się wdrożyć. Każda integracja (nowy kanał sprzedaży, partner, AI) wymaga obejść albo jest niemożliwa.
• Ludzie. Trudno zatrudnić programistów do technologii bez wsparcia, a wiedza o systemie siedzi w jednej lub dwóch głowach.
• Bezpieczeństwo. Dla komponentów po końcu wsparcia producent nie wydaje poprawek; znane luki zostają otwarte.
• Dane. Dane są w systemie, ale nie da się ich wykorzystać do analityki ani AI bez ręcznych eksportów.

ROI modernizacji liczy się więc nie tylko kosztem projektu wobec kosztu utrzymania, ale wartością tego, co po modernizacji staje się możliwe: automatyzacja procesu, obsługa klienta przez asystenta, raportowanie bez ręcznej pracy. W projekcie Omnipack mierzalny efekt to 40% niższe koszty rozwoju; w projekcie platformy cyber to nowe linie przychodu dzięki agentom AI uruchamianym bez pracy inżynierów.

Jak wybrać partnera do modernizacji z AI

• Doświadczenie w przejmowaniu kodu. Zapytaj o projekty, w których partner przejął system po innym dostawcy, i o to, jak wyglądały pierwsze tygodnie (audyt, testy, dokumentacja).
• Case study z liczbami. Koszt rozwoju, czas obsługi, liczba procesów zautomatyzowanych. Opis bez liczb to za mało.
• Podejście do AI w legacy. Czy partner proponuje najpierw warstwę nad systemem, czy od razu przepisanie? Druga odpowiedź bez analizy to sygnał ostrzegawczy.
• Praca bez zatrzymania operacji. Plan zmian przyrostowych, testy regresyjne, środowiska równoległe.
• Bezpieczeństwo danych w procesie. Gdzie trafia kod i dane podczas analizy przez LLM; czy modele działają na warunkach biznesowych; kto ma dostęp.
• Własność i dokumentacja. Kod, testy i dokumentacja po projekcie należą do firmy; system da się przekazać kolejnemu zespołowi.
• Wymienność modelu. Architektura warstwy AI pozwala zmienić dostawcę modelu bez przebudowy.

Która ścieżka pasuje do Twojej firmy

• System działa, brakuje AI i integracji: warstwa API i AI nad systemem, zmiany przyrostowe. Software house AI (Startup House) albo zespół produktowy (Netguru, STX Next).
• System jest krytyczny, duży i w technologii bez wsparcia: wieloletni program modernizacji z dużym dostawcą (Software Mind, Sii).
• Problem leży w procesach i obiegu dokumentów, nie w kodzie: automatyzacja procesów (Ideo).
• Własny system nie jest wart utrzymania: zastąpienie gotowym ERP (Comarch) lub przeniesienie procesów na platformę (TTMS).

Zobacz też: TOP 10 firm wdrażających AI w Polsce · Jak wybrać firmę do wdrożenia AI: checklista 20 pytań · AI Interface Layer – strona produktu · Case study: Omnipack

FAQ

Czy analiza starego kodu przez AI jest bezpieczna dla danych firmy?

Tak, jeśli modele działają na warunkach biznesowych (dane nie trenują modeli), w chmurze klienta lub w kontrolowanym środowisku, a dostęp do kodu i danych jest ograniczony do zespołu projektu. To jedno z pierwszych pytań do partnera.

Czy trzeba od razu wdrażać AI?

Nie. Pierwszy krok to system, do którego da się dodać AI: uporządkowane dane, API, testy. Warstwę AI dokłada się potem, często na jednym procesie, żeby zmierzyć efekt.

Co jest tańsze: modernizacja czy budowa od nowa?

Krótkoterminowo modernizacja przyrostowa, bo zmiany są rozłożone w czasie i stary system cały czas działa. Budowa od nowa opłaca się, gdy stos nie ma wsparcia, logika jest standardowa albo koszt utrzymania starego systemu przewyższa koszt nowego w horyzoncie 3–5 lat. Decyzję warto oprzeć na policzonym TCO, nie na odczuciu.

Jak AI pomaga w dokumentowaniu starych systemów?

Modele językowe analizują kod i generują opis funkcjonalny, mapę zależności i diagramy przepływu, które inżynier weryfikuje. To obniża próg wejścia nowego zespołu i pozwala zdecydować, co w systemie jest jeszcze używane.

Jakie są najczęstsze błędy przy modernizacji?

Odświeżenie interfejsu bez dotykania logiki, przepisywanie wszystkiego naraz bez testów regresyjnych, brak analizy, które funkcje są faktycznie używane, i wdrażanie AI na danych, których nikt nie uporządkował.

Czy można zmodernizować system bez przerwy w działaniu firmy?

Tak, i to jest standard: zmiany przyrostowe, środowiska równoległe, testy regresyjne i stopniowe przełączanie modułów. Tak przebiegało przejęcie i modernizacja systemu Omnipack.

Zestawienie przygotował zespół Startup House na podstawie publicznie dostępnych informacji o firmach (stan: październik 2026). Jeśli reprezentujesz firmę z listy i chcesz zaktualizować opis, napisz do nas.