Företag som moderniserar legacysystem med AI i Polen (2027): så väljer du rätt partner och när du bör bygga om från grunden

De flesta medelstora och stora företag i Polen kör system som byggdes för 10, 15 eller 20 år sedan: ERP, lagerhanteringssystem, försäljningsplattformar, applikationer skrivna för en specifik process. De fungerar, men varje ändring är dyr, dokumentationen är ofullständig och personerna som skrev dem har slutat. Därtill kommer en ny fråga: hur lägger man till AI i ett sådant system när det inte ens finns ett ordentligt API?

Den här texten reder ut tre saker: när man bör modernisera och när man bör bygga nytt; hur AI förändrar själva moderniseringsprocessen; och vilka företag i Polen som har dokumenterad erfarenhet av att arbeta med legacy‑system och AI.

Viktigaste slutsatserna

• Modernisering behöver inte betyda omskrivning. Ett AI‑lager ovanpå det befintliga systemet (API, agent, assistent) ger ofta effekt snabbare och billigare än att bygga om från grunden.
• Beslutet ”modernisera eller bygga nytt” beror på fyra saker: affärslogikens unikhet, teknikstackens skick, tidshorisont och totala ägandekostnaden (TCO) på 3–5 år.
• AI förändrar moderniseringsprocessen: språkmodeller läser gammal kod, genererar dokumentation och tester, stödjer refaktorisering. Ingenjören fattar fortfarande besluten.
• Att ta över ett system efter en annan leverantör är en separat kompetens. Fråga partnern om sådana projekt, inte bara om nyutveckling från noll.
• Dolda legacy‑kostnader handlar inte om licenser, utan om funktioner som inte går att införa, kompetens som inte går att rekrytera och sårbarheter utan patchar.

Vad innebär modernisering av legacy‑system med AI

Modernisering av legacy‑system är att omvandla befintlig mjukvara (ofta en monolit i äldre versioner av Java, .NET, PHP, ibland COBOL) till en lösning som går att vidareutveckla, underhålla och integrera. ”Med AI” kan betyda två olika saker som bör särskiljas:

• AI som moderniseringsverktyg: språkmodeller analyserar beroenden i koden, genererar funktionsbeskrivning och dokumentation, föreslår refaktorisering, skriver regressionstester, översätter kod mellan språk och ramverk.
• AI som nytt lager i systemet: en assistent eller agent som använder data och funktioner i det gamla systemet via API, tillför interaktion på naturligt språk, automatiserar processer och förutspår. Systemets kärna består.

De flesta företag behöver båda, men i olika proportioner. Ett företag med ett fungerande ERP som saknar rapportering och frågehantering behöver främst det andra. Ett företag med ett system som ingen längre kan ändra på behöver först det första.

Modernisera eller bygga nytt

I praktiken är det vanligaste svaret ”både och, i rätt ordning”: först ett API‑ och AI‑lager ovanpå det befintliga systemet (snabb effekt, mätbart resultat), därefter modulutbyte enligt strangler‑fig‑mönstret – gradvis ersättning av delar av det gamla systemet tills det inte längre behövs.

Migrationsmodeller

I litteraturen finns flera varianter av ”R”-modellen (Gartner: 5R, AWS: 6R/7R). Förenklat:

• Rehost: flytt utan ändringar (t.ex. till molnet).
• Replatform: mindre justeringar för en ny plattform.
• Refactor / Rearchitect: ombyggnad av kod eller arkitektur med bibehållen logik.
• Replace: ersätta med en färdig produkt.
• Retire: avveckla om ingen använder det.

AI lägger till två varianter som allt oftare är första steget:

• Augment: kärnan består, ovanpå läggs ett AI‑lager (assistent, agent, gränssnitt på naturligt språk).
• Re‑engineer med LLM: en språkmodell läser av intentionen i den gamla koden och stödjer omskrivning enligt ny standard, med tester, under en ingenjörs överinseende.

Hur AI förändrar moderniseringsprocessen

Reverse engineering med LLM

Det största legacy‑problemet är bristen på dokumentation. Språkmodeller kan läsa koden och generera funktionsbeskrivning, en karta över beroenden, flödesdiagram och en preliminär specifikation. Det ersätter inte analys, men förkortar tiden för ett nytt team att komma in i projektet och gör det möjligt att avgöra vad som ska behållas och vad som kan tas bort innan någon ändrar en rad kod.

Refaktorisering med AI‑stöd

AI identifierar återkommande problem i koden och föreslår modernare motsvarigheter, översätter delar mellan versionsnivåer, språk och ramverk. Processen är inte automatisk: varje ändring granskas av en ingenjör och testas, eftersom en ändring i ett legacy‑system ofta påverkar något annat oväntat.

Regressionstester

Här ger AI mest: generering av testscenarier baserat på befintlig kod, inklusive edge cases som aldrig dokumenterats. Tillräcklig testtäckning före modernisering är ett villkor för att kunna förändra systemet utan att stoppa verksamheten.

AI‑lager ovanpå systemet

När systemet är stabilt och har ett API kan man lägga till en assistent eller agent: svara på frågor om data i systemet, utföra operationer på naturligt språk, automatisera processer mellan system. Här är behörigheter avgörande (AI ser bara det användaren får se), loggning och möjligheten att byta modell utan ombyggnad.

Översikt: företag i Polen som moderniserar legacy‑system med AI

Ordningen är ingen kvalitetsranking. Företagen är grupperade efter partnertyp. Översikten omfattar polska företag som har ett publikt erbjudande eller case studies inom modernisering och AI‑arbete. Startup House beskrivs enligt samma mall som övriga.

1. Startup House (Warszawa)

Software house som sedan 2016 bygger mjukvara för kunder i Polen, USA och Europa, och som de senaste åren specialiserat sig på AI‑agenter, assistenter och LLM‑integrationer med befintliga system. Legacy‑modernisering betyder hos oss två typer av projekt: ta över ett system efter en tidigare leverantör och vidareutveckla det samt lägga på ett AI‑lager på ett fungerande system utan omskrivning.

• Case: Omnipack (e‑handelslogistik, Polen). Övertagande av systemet OmniSoft (fulfillment, leveranser, returer) och modernisering av ett dedikerat team (2 backend, 1 frontend, 1 QA). Resultat: 40% lägre utvecklingskostnader. Tekniker: Java, Spring, Kafka, React. Samarbete sedan 2023.
• Case: cybersäkerhetsplattform (USA, kunder på Fortune 500‑listan). Data från ett legacy‑system omarbetades till ett AI‑orkestreringslager: nya AI‑agenter rullas ut på minuter utan ingenjörsarbete. Resultat: +150% intäkt på ett år, 400% fler B2B‑kunder. Tekniker: modeller från Anthropic, LangGraph, MCP, OAuth 2.1, Google Cloud, integration med CrowdStrike Falcon. Samarbete sedan 2020.
• Produkt: AI Interface Layer. Ett lager för interaktion på naturligt språk ovanpå en befintlig plattform, utan att bygga om kärnan.
• Arbetssätt: discovery‑workshops (vad i systemet driver kostnader, vad som kan ändras utan driftstopp), övertag av kod och regressionstester, därefter inkrementella förändringar. AI‑lösningarna körs på verifierad kunddata, i kundens moln, med integration mot åtkomstpolicyer; kundens data tränar inte publika modeller. ISO 27001 compliant.
• Teknikpartners: Anthropic, OpenAI, Google Cloud, Microsoft Azure, ElevenLabs, Okta.
• För vem: företag som vill lägga till AI i ett fungerande system eller ta över och städa upp ett system efter en tidigare leverantör, utan att stoppa verksamheten.

2. Software Mind

Företag med 1 600+ specialister, med ett separat moderniseringserbjudande (Software Mind Shift), molnmigreringar (bl.a. ett case med flytt av ett skräddarsytt system till Google Cloud), AI/ML‑tjänster, generativ AI och data engineering. Branscher: finans, telekom, life sciences, media, tillverkning, kurirtjänster.

• För vem: koncerner med stor teknisk skuld i kritiska system som behöver ett stort team för ett flerårigt program.

3. Sii Polska (Warszawa, kontor i många städer)

Polens största IT‑tjänsteleverantör (Computerworld TOP200), som kombinerar modernisering och förvaltning av system med ett AI‑team (350+ specialister, erbjudande från agentic AI till AI managed services).

• För vem: koncerner som vill kombinera modernisering, förvaltning och AI i ett kontrakt med en stor leverantör.

4. Netguru (Poznań)

Software house från Poznań (800+ personer) som vid modernisering av digitala produkter lägger tyngd på att bygga om UX och att lägga till agenter samt RAG; ISO 27001.

• För vem: företag som moderniserar en kundvänd digital produkt och samtidigt vill bygga om UX.

5. STX Next (Poznań)

Python‑fokuserat software house; i legacy‑sammanhang starkast på ombyggnad av backend och datasystem samt migreringar med omfattande databehandling.

• För vem: ombyggnad av backend och datasystem, migreringar med stor databehandling.

6. Ideo (Warszawa, Rzeszów)

Familjeföretag (på Forbes lista över familjeföretag) med erbjudande inom processautomation: dokumentflödesplattformen LOGITO, Ideo Flow med AI‑agenter för processkoordination, e‑handels‑ och B2B‑plattformar, skräddarsydd mjukvara, IT‑outsourcing. Kunder bl.a. Lotto, DPD, Empik, Wolters Kluwer, Kronospan.

• För vem: företag som moderniserar interna processer och dokumentflöden, inte bara kod.

7. Comarch (Kraków)

Programvarutillverkare; för företag vars eget system inte är värt att modernisera erbjuder de varianten ”replace”: ett färdigt ERP med inbyggda AI‑agenter och ChatERP.

• För vem: företag som väljer varianten ”replace” i stället för att modernisera egen kod.

8. TTMS (Warszawa)

Plattformsintegratör (Salesforce, Microsoft, Adobe); varianten ”replatform”: flytta processer från gamla egenutvecklade system till standardplattformar med AI‑agenter; ISO/IEC 42001.

• För vem: företag som flyttar processer från gamla egenutvecklade system till standardplattformar.

Dolda legacy‑kostnader: var finns ROI

Legacy‑system ser billiga ut i budgeten eftersom licenserna är avskrivna och en enda person sköter förvaltningen. De verkliga kostnaderna ligger på andra ställen:

• Funktioner som inte går att införa. Varje integration (ny säljkanal, partner, AI) kräver kringlösningar eller är omöjlig.
• Personal. Det är svårt att rekrytera utvecklare till teknik utan support, och systemkunskapen sitter i en eller två hjärnor.
• Säkerhet. För komponenter efter end‑of‑support släpper leverantören inga patchar; kända sårbarheter förblir öppna.
• Data. Datan finns i systemet, men går inte att använda för analys eller AI utan manuella exporter.

ROI för moderniseringen räknas därför inte bara som projektkostnad kontra förvaltningskostnad, utan med värdet av det som blir möjligt efter moderniseringen: processautomation, kundservice via assistent, rapportering utan manuellt arbete. I Omnipack‑projektet var det mätbara utfallet 40% lägre utvecklingskostnader; i cybersäkerhetsprojektet nya intäktslinjer tack vare AI‑agenter som kan startas utan ingenjörsarbete.

Så väljer du partner för modernisering med AI

• Erfarenhet av att ta över kod. Fråga om projekt där partnern tagit över ett system efter en annan leverantör, och hur de första veckorna såg ut (audit, tester, dokumentation).
• Case med siffror. Utvecklingskostnad, handläggningstid, antal automatiserade processer. En beskrivning utan siffror räcker inte.
• Synsätt på AI i legacy. Föreslår partnern först ett lager ovanpå systemet, eller direkt omskrivning? Det senare utan analys är en varningssignal.
• Arbete utan driftstopp. Plan för inkrementella ändringar, regressionstester, parallella miljöer.
• Datasäkerhet i processen. Var hamnar kod och data när LLM analyserar; körs modellerna på affärsmässiga villkor; vem har åtkomst.
• Ägande och dokumentation. Kod, tester och dokumentation efter projektet tillhör företaget; systemet kan lämnas över till nästa team.
• Utbytbar modell. Gör AI‑lagrets arkitektur det möjligt att byta modellleverantör utan ombyggnad.

Vilken väg passar ditt företag

• Systemet fungerar men saknar AI och integrationer: API‑ och AI‑lager ovanpå systemet, inkrementella förändringar. AI‑software house (Startup House) eller produktteam (Netguru, STX Next).
• Systemet är kritiskt, stort och bygger på teknik utan stöd: flerårigt moderniseringsprogram med en stor leverantör (Software Mind, Sii).
• Problemet ligger i processer och dokumentflöden, inte i koden: processautomation (Ideo).
• Det egna systemet är inte värt att behålla: ersätt med färdigt ERP (Comarch) eller flytta processer till en plattform (TTMS).

Se även: TOP 10 företag som implementerar AI i Polen · Hur du väljer företag för AI‑införande: checklista med 20 frågor · AI Interface Layer – produktsida · Case: Omnipack

FAQ

Är det säkert för företagsdata att låta AI analysera gammal kod?

Ja, om modellerna körs på kommersiella villkor (datan används inte för att träna modeller), i kundens moln eller i en kontrollerad miljö, och åtkomsten till kod och data är begränsad till projektteamet. Det är en av de första frågorna att ställa till partnern.

Måste man införa AI direkt?

Nej. Första steget är ett system där det går att lägga till AI: ordnade data, API och tester. AI‑lagret läggs på senare, ofta på en enda process för att mäta effekten.

Vad är billigast: modernisera eller bygga nytt?

Kortsiktigt inkrementell modernisering, eftersom förändringarna sprids ut över tid och det gamla systemet fortsätter att fungera. Bygga nytt lönar sig när stacken saknar support, logiken är standardiserad eller när kostnaden att förvalta det gamla överstiger kostnaden för det nya inom 3–5 år. Baserar du beslutet på beräknad TCO snarare än magkänsla.

Hur hjälper AI till att dokumentera gamla system?

Språkmodeller analyserar koden och genererar funktionsbeskrivning, beroendekarta och flödesdiagram som ingenjören verifierar. Det sänker tröskeln för ett nytt team och gör det möjligt att se vad i systemet som faktiskt används.

Vilka är de vanligaste misstagen vid modernisering?

Att fräscha upp gränssnittet utan att röra logiken, skriva om allt på en gång utan regressionstester, brist på analys av vilka funktioner som verkligen används, och att införa AI på oordnad data.

Går det att modernisera utan att stoppa verksamheten?

Ja, och det är standard: inkrementella förändringar, parallella miljöer, regressionstester och successiv omkoppling av moduler. Så gick övertagandet och moderniseringen av Omnipacks system till.

Sammanställningen har tagits fram av teamet på Startup House baserat på offentligt tillgänglig information om företagen (läge: oktober 2026). Om du representerar ett företag på listan och vill uppdatera beskrivningen, skriv till oss.