Bare sig det. Kapitel for kapitel.
Vores hovedtale i 13 korte kapitler. Se kun den del, du har brug for, eller tryk på Afspil alle for hele showet (ca. 39 minutter).
Læs transskriptet af dette kapitel
Godmorgen alle sammen og velkommen. Mit navn er Shlomo Friman, IN-COM Data Systems. Og bag kulisserne er der Ami Sadeh, CTO, og hele hans fantastiske udviklingsteam. Hej gutter, tak. I dag er dagen, vi har arbejdet hen imod i meget lang tid. I mange år har I stolet på SMART TS XL for at hjælpe dig med at forstå din kode. Millioner af linjer, nogle af jer milliarder af linjer. Mainframe, distribueret, COBOL, Java, databaser, alt sammen. Du søger, du udforsker, du finder, du analyserer, flowdiagrammer, kompleksitet. Mange af jer er blevet sande eksperter i det, vi kalder superbrugere, og tak for det. I dag ændrer noget sig, og det er stort. Hvad nu hvis du slet ikke behøver at søge? Hvad nu hvis du bare kunne sige det? Forestil dig dette, hvis du vil. Tag din telefon frem, åbn Claude og sig: Hvor opdateres skattekoden på tværs af alle platforme og alle systemer i virksomheden? Boom, du forstår det. Hvad nu hvis du kunne sige: Giv mig en liste over alle COBOL-programmer, der åbner filer uden at kontrollere filstatus? Eller, hvis vi skulle trække disse tre datasæt tilbage, hvad er så ringvirkningerne? Hvad vil gå i stykker? Du siger det, SMART TS XL gør arbejdet for dig. Så enkelt er det. Det er ikke bare chatbots, der gætter her. Det er den AI, du allerede bruger og stoler på, som f.eks. ChatGPT, Claude, Copilot og Gemini, der arbejder hånd i hånd med SMART TS XL og dens MCP-server. Hvert svar spores tilbage til den nøjagtige kodelinje, bevismaterialet. Og den lærer, retter det én gang, og fra da af får hele virksomheden det rigtige svar. Og fordi AI'en kun læser det, den har brug for, falder din AI-regning dramatisk. 20, 40 procent eller mere. Nu ved jeg, at ikke alle af jer har set dette eller har dette endnu. Det er okay. Det kommer meget snart. I dag handler det om at vise jer, hvad der er muligt, hvad der er lige om hjørnet, en, to uger væk. Så vi vil gøre noget lidt anderledes. I stedet for at starte med, hvad I kunne gøre i dag, og bygge op med et stort wow, vil vi starte med wow'et og derefter vise jer, hvordan vi kom dertil. En advarsel, dette foredrag er 30 minutter fra start til slut. Minutt 31, dette vil være en afsløring af den nyeste teknologi, vi arbejder på nu, og I vil være de første til at se den. Okay. Lad mig vise jer nu, hvad der skete i morges, mens jeg kørte på arbejde, og hvordan jeg kunne få Just Say It til at fungere for mig. Lad mig vise dig.
I dette eksempel vil vi tale om styrken ved at forbinde din foretrukne LLM til MCP-stikket på SMART TS XLDu kan se, at MCP'en for SMART TS XL giver adgang til LLM'erne til at udføre alle de vigtigste færdigheder, opgaver, funktioner og funktioner i SMART TS XLSå grundlæggende har du en LLM med al den nødvendige viden om, hvordan man opererer SMART TS XL at udføre enhver opgave, vi ønsker. Lad os nu se på opgaven. Lad os se på den aktuelle opgave. Mens du kører, åbner du din telefon, vælger, i dette tilfælde, Claude, og siger, udvid skattekodefeltet, WS-skattekoden, fra to til tre bytes. Find hvert program, hver kopibog, JCL-job og fil, den berører. Fortæl mig, hvad der skal ændres, hvor komplekst hvert program er, og hvor mange timer det vil tage. Og giv mig en faseopdelt projektplan med risiciene. Åh, og jeg vil have den farvekodede rapport i min indbakke, når jeg kommer til kontoret, tak. Så du kan se, at den begyndte at virke med det samme. Og da jeg kørte sikkert, ikke kørte for hurtigt til kontoret, tag mig god tid, blev den færdig og genererede en PDF-rapport. Denne PDF-rapport bad jeg derefter om at sende til mine e-mails. Og lad os se på, hvad jeg fik tilsendt via e-mail. Jeg går til min Outlook, åbner e-mailen og ser på denne fil, han oprettede. Du kan se, at filen er farvekodet og let at læse. Det er udvidelsen til tre bytes. Den fortæller mig, hvor mange timer, hvor mange dage, hvor mange kompleksitetsprogrammer, de felter den fandt, de berørte felter den er flyttet eller flytter til, er her. Den fandt også alle de berørte programmer, og den fortæller dig, om de er medium, høj, medium eller lav kompleksitetsanalyse. Og har en projektplan for præcis start, design, kode, test, implementering og en oversigt over risici og åbne punkter. Så dette er helt sikkert en game changer, når en bruger blot kan sige sin mening til en LLM og specificere præcis, hvad han ønsker. Og så LLM'en sammen med SMART TS XL MCP kan bruge alle de værktøjer, funktioner og funktioner, der er tilgængelige for SMART TS XL at udføre selv monumentale opgaver. Det kan tage et minut, det kan tage to minutter, men vi taler om at spare uger og måneders arbejde på hver eneste forespørgsel. Jeg håber, at dette hjælper. Og alle, der er interesserede i mere information, er velkomne til at kontakte mig. Dengang havde udviklere et ordsprog, der sagde, at det, du ser, er det, du får. Nå, med SMART TS XL, vi skabte en ny, og den er blevet vores lille ting. Hvad man siger, er hvad man får. Så hvordan skete den magi?
Hvordan kan jeg bare tale ind i min telefon eller min computer eller bare skrive, hvad jeg vil, og SMART TS XL Gør alt arbejdet for mig? Lad os dykke ned i det. Alle ved, hvad en LLM er. ChatGPT, Claude, Gemini, Copilot, en supersmart AI. Og alle ved det SMART TS XL, hele dit kodelandskab indekseret og søgbart på få sekunder. Men den magiske sauce er midt i, IN-COM SMART TS XL MCP-server. MCP står for Model Context Protocol. Store ord. Så hvad betyder det egentlig? Mellem dig og mig er det en mellemmand, en mellemmand, der ved alt, hvad der er at vide om SMART TS XL... Og jeg mener alt. Endnu bedre end Ami og mig, hver funktion, hver funktion, hvert værktøj, søgning, synonymer, krydsreferencer, rapporter, flowdiagrammer, feltsporing, det hele er indbygget. Hvordan? Vi hos IN-COM gav det kontekstfiler. Alt du skal vide om SMART TS XL, og alt, hvad man skal vide om dig, klienten, hvad du har indlæst, dine datatyper, produktion og test, mainframe og distribueret. Den ved det hele. Nu skal du give LLM'en et stort spørgsmål. Hvis jeg ændrer dette felt, hvad er så ringvirkningerne? Vis mig alle de steder, der skal ændres, og giv mig hele projektplanen. LLM'en taler med MCP'en, og sammen udarbejder de en plan. For at give dig det svar, har vi brug for fem søgninger, 18 krydsreferencer og en kompleksitetskontrol. Så går MCP'en ind i SMART TS XL gennem vores API'er og bringer præcis det tilbage, som LLM'en har brug for. Millioner, ja, milliarder af linjer kode. Og her er den del, der sparer dig penge. Normalt skal en LLM arbejde rigtig hårdt for at grave information frem, og det brænder en masse tokens af. I vores tilfælde klarer MCP'en driften, benarbejdet og det tunge arbejde, og den leverer alt til LLM'en på et gyldent fad, hvilket sparer dig millioner og atter millioner af tokens. Det er, kort sagt, MCP'en. Nu hvor du ved, hvordan det fungerer, lad os gå i gang.
Tre spørgsmål. Nemme, sværere og virkelig svære. Se. Først et nemt et. Jeg skriver, finder alle steder, hvor vi beregner skat eller renter. Claude spørger MCP'en, og MCP'en kører én søgning i SMART TS XLSe på det. Næsten 4,000 produktionsprogrammer søgte på tre hundrededele af et sekund. 113 programmer beregner skat. Over 2,000 hits. Og interesse? Næsten ingenting. Bare ét program. Et rigtigt svar på få sekunder. Nu et sværere et. Spor skattekodefeltet. Hvem bruger det, hvad det berører, og hvordan det flyder på tværs af delsystemerne. MCP'en finder feltet, kører en krydsreference to niveauer dybt og kontrollerer de job, der kører det. Syv programmer deler dette felt. Ét stort hub-program. Over 10,000 linjer med næsten 600 go-tos. Og de er alle bundet sammen gennem delte kopibøger og processer, ikke programkald. Det er noget, du aldrig ville se bare ved at læse koden. Og nu det virkelig svære. Vis mig alle forbindelser mellem mainframen og de distribuerede systemer til betalingsbehandling. Med risiciene. 16,000 dokumenter søgt. Så følger MCP'en sporet. Et JCL-job kører et COBOL-program. En MQ-bro læser køen. En Java-tjeneste opfanger den, kalder en .net-worker og skriver til to databaser. SQL Server og Oracle. Hvert hop fundet i kildekoden. Og risiciene? Kønavnene stemmer ikke overens mellem COBOL-siden og Java-siden. Jobnavnene stemmer ikke overens. Og MQ-læsningen er ikke beskyttet, så en besked kan gå tabt. Det er den slags ting, der tager et team uger at finde. Nemt, sværere, virkelig svært. Samme chatboks. Bare sig det. Nemt, medium og svært var opvarmningen. Lad os nu lave den rigtige ting. En rigtig ændringsanmodning. På rigtig, fungerende produktionskode, som vi har renset fra start til slut. Her er kravet fra min chef. Kundekontotypen er to tegn i dag. Ligesom ST og PA. Det skal blive til tre. Find hver forekomst og hver stavemåde. Spor hvert program, kald, JCL-job, datasæt, og sorter det, det rører ved. Lav et kladde af kodeændringerne. Og bevis, hvor mange tokens... SMART TS XL gemmer mens jeg gør det. Jeg indsætter den anmodning i Claude. Præcis som skrevet. Claude er forbundet til SMART TS XL MCP-server. Du kan se den lige her, under stik. Jeg trykker enter, og så kører den. Den indlæser SMART TS XL kontekst, søger derefter i 146,000 medlemmer på cirka 3 sekunder. Mindre end en halv time senere har vi tre leverancer. Først token-rapporten. Med SMART TS XL MCP, hele jobbet tog omkring 340,000 tokens. Uden det skal AI'en læse kildekoden selv. Næsten 2 millioner tokens. Det er mere end hvad der passer i en kontekst med 1 million tokens. 83% sparet. På en enkelt ændring. Det er meget imponerende tal. I dollars ser én ændring lille ud. Fra omkring $4 til omkring $50 sparet, afhængigt af modellen. Gang nu det med tusind udviklere, hundrede opgaver om dagen og AI-agenter, der kører døgnet rundt på din mainframe. Det er titusindvis af millioner af dollars om året eller mere. Dette er fantastisk, og det vil gøre underværker for vores kunder. For det andet, effektrapporten for ledelsen. Én side fortæller dig alt. 13 programmer, 3 kopibøger, 53 job, 2 VSAM-filer på tværs af 8 filialer og 9 sorteringer. Ripple effect-kortet viser præcis, hvordan dataene flyder. Hvert program med dets størrelse og kompleksitet. Ratingen? Medium. Indsatsen? Omkring 28 persondage. Og det fangede, hvad en tekstsøgning ville overse. En hardkodet nøgle uden feltnavn og 18 lignende felter, der ikke må røres. Og prikken over i'et? De foreslåede ændringer. Én fil for hvert program. Kopibog og JCL-medlem. 115 ændringer i alt. Rød er den gamle linje. Grøn er den nye. Med årsagen. Kopibogen. Programmet. Proc'en, hvor postlængden går fra 63 til 64. Og sorteringskortet, hvor nøglen går fra 8 til 9. Intet i kildekoden blev rørt. Og tænk over det. Vi kunne have haft hele programmerne, JCL'erne og procs skrevet klar til produktionsgennemgang. Dette er virkelig lovende. Én prompt. Mindre end en halv time. En komplet konsekvensanalyse, kodeændringerne og 83% færre tokens. Det er SMART TS XL med MCP-server.
Okay. Det var meget at tygge på. Virkelig. Meget. Så lad os tage en lille pause og have det lidt sjovt. Jeg har tre korte klip til jer. Mens I ser med, så tænk over hvilket et I relaterer mest til. Til sidst vil jeg bede om håndsoprækning. Disse små tændstikmænd ser måske ikke ud af meget, men de problemer, de repræsenterer, er meget, meget virkelige. Jeg har arbejdet i store organisationer, og jeg kan fortælle dig, at disse ting sker hver eneste dag. Lad os se. Hej Tom, et hurtigt kig. Revisorerne vil have alle programmer, der rører CPR-numre. Inden mandag. Mandag? Linda, det er fredag. Klokken er 4.55. Skat, aflys søen. Jeg kommer hjem i marts. Tom, læg soveposen ned. Se dette. Find alle programmer, der rører CPR-numre. Vis mig felterne, filerne og risikoen. Send det til Tom. Vent, kan du bare sige det? Bare sig det. Samme SMART TS XL... Og den gør alt arbejdet. Er den færdig? Den er 4.57. Gå hjem, Tom. Lake, her kommer jeg. Velkommen tilbage til Cooking with Code. I dag laver vi en klassisk konsekvensanalyse. Du skal bruge 4,000 programmer, 12 analytikere, 300 sedler, og lad det simre i seks uger. Seks uger? Mamma Mia! Lad mig vise dig en genvej. Kør en fuld konsekvensanalyse på kontonummer. Hvert program, hver fil. Skriv det pænt. Og her er en, jeg bad om tidligere. Sagde du det lige? Bare sig det. SMART TS XL klarer alt madlavningen. Okay team, hvor lang tid tager det at estimere databasekonverteringen? Først laver vi en opgørelse over hvert program. Så tjekker vi hver tabel. Så krydsrefererer vi alt. Jeg vil sige tre uger. Bare for at få et estimat. Dave, vend om. Er det estimatet? Timer, risici, kompleksitet. Jeg skrev bare det, jeg ville have, og det gjorde alt arbejdet. Så hvad gør vi med de andre tre uger? Start projektet, Dave. Stop med at klikke. Begynd at spørge.
Så her er spørgsmålet, jeg altid får. Hvorfor ikke bare bruge ChatGPT eller Claude eller en hvilken som helst AI direkte i min kode? Hvorfor har jeg brug for det? SMART TS XL og MCP'en? Godt spørgsmål. Fordi forskellen er enorm. Lad mig give dig seks grunde. For det første, hurtigere. En AI skal i sig selv læse din kode fil for fil. SMART TS XL søger i over 100,000 dokumenter på en tredjedel af et sekund. For det andet, billigere. Uden os læser AI'en hele arkivet, og du betaler for hver token. Med os læser den kun svaret. 20, 40, endda over 60% besparelser. For det tredje, mere præcis. En AI kan gætte alene. Med SMART TS XL, hvert svar spores ned til de nøjagtige kodelinjer. Der er altid beviser. Fire, konsistente. Stil en AI det samme spørgsmål to gange, og du kan få to forskellige svar. Hos os, samme spørgsmål, samme beviser, samme svar. Hver gang. Fem, komplet. En AI ser kun, hvad der passer ind i dens vindue. SMART TS XL ser hvert program, hvert felt, hver relation, mainframe og distribueret. Og seks, smartere hver dag. Fordi vi har noget, ingen andre har. En selvlærende MCP. Patentansøgning ansøgt. Her er, hvad det betyder. I enhver virksomhed lever den virkelige viden i folks hoveder. Vidste du, at programmer, der starter med AB, er betalinger? At moduler, der ender på M, er matematikrutiner? At de natlige job følger en navngivningsregel, som ingen nogensinde har skrevet ned? I dag, når disse mennesker forlader den, forsvinder den viden ud af døren. Med den selvlærende MCP er det forkert, første gang nogen siger det. Sådan fungerer det virkelig. MCP'en lærer det. Og fra da af ved hele virksomheden det. Så hvorfor ikke bare ChatGPT på din kode? Fordi en AI, der læser din kode, ikke er det samme som en AI, der kender den. Lad mig vise dig. Hver virksomhed kører på viden, der kun lever i folks hoveder. Hvilke programmer hører til hvilken applikation? Hvad betyder prod egentlig her? Din AI-assistent kender ikke noget af det. Så den begår den samme fejl i dag, i morgen og for alle. Her er et rigtigt eksempel. Dana beder sin AI om de hæveautomatprogrammer, der opdaterer kortsaldoen. Den returnerer 40 programmer, men halvdelen af dem er slet ikke hæveautomater. Dana kender hemmeligheden. Her starter hæveautomatprogrammer med bogstaverne AB. Ingen har nogensinde skrevet det ned. Mød nu den selvlærende MCP til SMART TS XL... Det er patentanmeldt og er allerede under udvikling. Det forvandler hver eneste fejl til en lektie, lige inde i de AI-værktøjer, dine folk allerede bruger. Claude, ChatGPT, Copilot og flere. Sådan fungerer det. AI'en bemærker, at noget er forkert, fordi Dana siger, at det er forkert. Den retter hendes svar med det samme. Ni ægte ATM-programmer. Så stiller den en hurtig runde spørgsmål. Betyder AB altid ATM? Er der nogen undtagelser? Skal alle lære dette, eller bare du? Det tager cirka et minut. Her er den smarte del. Før du gemmer noget, SMART TS XL kontrollerer påstanden mod den rigtige kode. AB dukker op i næsten 500 mainframe-programmer, job og kopibøger. Et par Java-filer ligner hinanden, så de er udeladt. Det er ikke et rygte. Det er en verificeret kendsgerning. Lektionen gemmes som et simpelt kort, og den virker for Dana med det samme. For at dele den i hele virksomheden modtager en ekspertanmelder én e-mail, ser beviserne og godkender med et enkelt klik. Personlige præferencer som at vise mine resultater som en tabel gælder øjeblikkeligt, kun for dig. To uger senere spørger Yossi i et helt andet AI-værktøj, hvilke ATM-programmer der kalder svindeltjekket. Han har aldrig hørt om AB-reglen. Det behøver han ikke. AI'en ved det allerede, får det rigtigt første gang og viser, hvilken lektion den brugte. Én person underviste i det én gang. Alle drager fordel af det. Og det er bygget på tillid. En lektion kan aldrig give nogen adgang, de ikke allerede har. Modstridende lektioner fanges, stables aldrig lydløst. Hvis en lektion bliver forældet, kan alle udfordre den, og en ekspert beslutter. Hver ændring registreres. For organisationen er dette enormt. Ekspertviden forsvinder ikke længere, når folk går på pension. Nyansatte får ekspertsvar fra dag ét. Færre forkerte resultater, færre genforsøg, mindre spildtid, både på mainframe og distribueret kode. Og jo flere mennesker bruger det, jo smartere bliver det for alle. SMART TS XL med den selvlærende MCP. Patentansøgning ansøgt. Allerede under udvikling. Din virksomheds viden. Lært én gang. Delt med alle.
Lad os tale om penge. Dine penge. Men først en lille film. Mød AI-regningen. Tom, hvorfor er vores AI-regning større end kaffebudgettet og huslejen? Det er AI'en. Den læser COBOL, JCL, Java, Python, databasescripts for at besvare ét spørgsmål, og glemmer det så og læser dem alle igen. Så vi betaler den for at læse den samme kode. Hver eneste gang? Ja. Se dette. Hvad går i stykker, hvis jeg ændrer postnummerfelterne? Den læste ikke alt. Den vidste allerede, hvor den skulle lede. Samme AI. Samme spørgsmål. Mindre regning. Stop med at betale din AI for at læse. Begynd at spørge. Det er en sjov lille film. Men det er et alvorligt emne, folkens. Når din virksomhed begynder at bruge AI meget, bliver det dyrt. Meget dyrt. Vi kender kunder, der bruger hundredvis af millioner af dollars på det. Her er hvorfor. Du betaler for læsningen, ikke for svaret. Giv AI'en et stort stykke arbejde. En anmodning, der er 50 sætninger lang, og som den søger i sig selv. Og søger igen. Og igen. Den åbner programmer, læser filer, glemmer og læser dem alle igen. Og hver side den læser, betaler du for. Se nu, hvad der sker med den. SMART TS XL MCP. AI'en begynder at tale med MCP'en, og MCP'en siger: "Whoa, vent et øjeblik. Hold dine heste. Gem dine poletter. Jeg henter det til dig." Alt. SMART TS XL ved allerede er der. Millioner, ja, milliarder af linjer kode. Hver regel, hver relation, hver krydsreference, hver datastrøm. Kompleksitetsanalysen. Den er din. Du ejer den. Og det koster dig ikke en eneste token at spørge om den. Så AI'en spørger én gang og får kun svaret tilbage. Det sparer dig alt fra 20 % til langt over 60 %. Jeg vil spare dig penge. Det er bundlinjen. Så hvad betyder det for en virksomhed af din størrelse?
Uanset om din virksomhed har titusindvis af millioner, hundredvis af millioner eller endda milliarder af linjer kode, er en stor del af din AI-regning den AI, der læser den kode. Uanset om din kode stadig findes på mainframen, eller du allerede har flyttet den til GitHub eller GitLab, fungerer din AI på samme måde. Søg. Åbn en fil. Læs den. Og betal for hver linje, den læser, igen og igen, hver gang den søger. SMART TS XL har allerede læst, forstået og forbundet hver linje på alle platforme på alle sprog. Gennem vores MCP-server spørger ChatGPT, Claude, Copilot, Gemini eller Grok blot SMART TS XL i stedet for at læse. For det første, præcise linjer på få sekunder. Ikke hele filer, kun de linjer, der matcher linjerne før og efter for kontekst. I vores tests søgte vi i 131,000 dokumenter på en tredjedel af et sekund. For det andet, spørgsmål, som ingen tekstsøgning kan stille. Kompleks boolsk logik. Ord i nærheden af hinanden. Synonymer. Hele kodeblokke. Kun kode, ikke kommentarer. Selv felter, du selv definerer. Ét præcist spørgsmål. I stedet for tusindvis af støjende matches skal AI'en læse og kassere. For det tredje, SMART TS XL kender allerede alle relationer. Hvilket job kører hvilket program? Hvilket program kalder hvilket? Hvilken kopibog? Hvilken kø? Hvilken tabel? Hvilken trigger? På tværs af mainframe, Java, .NET, Python og databaser. AI'en genopbygger ikke kortet ved at læse, den spørger bare. Og kompleksitet, effekt og historik er allerede beregnet, så hver ny AI-session starter smart i stedet for at starte forfra. Besparelserne. Langt over 60 % på mainframen. Omkring 20 % på andre repositories. Ved 20 %, brug 10 millioner dollars på AI, og du sparer 2 millioner dollars. Brug 100 millioner dollars, spar 20 millioner dollars. Brug 1 milliard dollars, og du sparer 200 millioner dollars. Din AI læser allerede din kode. Med SMART TS XL, den læser svaret, ikke hele arkivet. Se, hvad du ville spare. Book din livesession på in-com.com/savings.
Den kuvert forbliver forseglet lidt længere, men du behøver ikke at vente på alt. I den version, du allerede har, er der AI indeni. SMART TS XL i dag. Hjælp med at chatte, give feedback og spørge AI. Lad mig vise dig. Først, helt nyt: Hjælp med at chatte. Du kan chatte med Claude direkte indefra. SMART TS XLDet hjælper dig med at opbygge dine søgninger, og det lærer dig produktet undervejs. Nyt i SMART TS XL, Supportekspert-chatten. En produktekspert, du kan spørge om alt, er indbygget i hjælpen. For at åbne den skal du klikke på Hjælp i topmenuen. Vælg derefter Supportekspert-chat under Bruger. Den besvarer fra den officielle SMART TS XL dokumentation og IN-COMs egen supportviden til den version, du kører. Du kan endda vedhæfte skærmbilleder og logfiler til dit spørgsmål. Lad os stille et rigtigt spørgsmål. Hvordan finder jeg alle steder, hvor vi flytter et enkelt tegn ind i et felt med moms i navnet? Vi klikker på Send, og den slår det op i dokumentationen. Her er svaret. En nærhedssøgning. Flyt, derefter to, og derefter et hvilket som helst felt, der indeholder moms. Den forklarer, hvorfor to har brug for tilbud, og hvordan man holder kommentarer ude af hits. Og den er ærlig. Den fortæller dig, hvornår den kombinerer dokumenterede funktioner, så du ved, at du skal teste den. Klik på Hjælp, vælg Support Ekspert Chat, og spørg bare.
For det andet, feedback. Send os feedback indefra SMART TS XLOg i det øjeblik du gør det, får du en e-mail. Vi har den! Og lige der, svaret fra vores AI-ekspertsupportagent. Ingen ventetid. Her er noget nyt i SMART TS XLNår noget ikke fungerer som forventet, kan du fortælle os det direkte fra den skærm, du er på. Og inden for få minutter får du et ekspertsvar via e-mail. Lad os prøve det. Vi søger i vores kode efter ordet "læst", og der kommer intet tilbage. Det er ikke, hvad vi forventede. Så klikker vi på feedback-knappen lige i den øverste bjælke. Vi vælger området og søger. Vi vælger det triste ansigt. Og vi fortæller IN-COM, hvad der gik galt, med vores egne ord. Send til IN-COM. En hurtig tak, og vi er tilbage på arbejdet. Bag kulisserne åbnes en ticket automatisk i vores servicedesk. Vores nye AI-supportagent læser den, tjekker den SMART TS XL brugervejledning og vores tidligere supportsvar, og skriver tilbage. Det er som at høre fra vores bedste supporttekniker. Med det samme i den del, der er ny. Et svar fra vores AI-supportagent. Den fortæller dig, hvordan den forstod din besked, og beder dig om at rette den, hvis den er forkert. Så hver feedback gør to ting på én gang. Den åbner en rigtig sag, som vores supportteam følger op på, og den giver dig et ekspertsvar med det samme, så du kan fortsætte med at arbejde i stedet for at vente. Rapportér det. Få et svar. Fortsæt med at arbejde. Det er support, der er indbygget i SMART TS XL.
Og for det tredje, spørg AI'en selv på en enkelt kodelinje, på et helt program, på mange programmer på én gang. Vælg din model, brug vores færdige prompter, eller skriv dine egne. Tag et kig. Der er et bibliotek af færdige prompter grupperet efter opgave. Forståelse og dokumentation af kode, fejlfinding og optimering, modernisering og flowcharting. Klik på blyanten for at se præcis, hvad en prompt siger, og rediger den, så den passer til dine behov. Åbn Ask AI fra resultaterne, og den virker på din kode. Interactive kører på ét program, og svaret kommer direkte tilbage på skærmen. Det er den bedste måde at teste en prompt på. Baggrund kører den samme prompt på tværs af mange programmer, eller dem alle. Vælg nu, hvad AI'en læser. Alle linjerne i hvert program, eller kun søgeresultatlinjerne, eller resultatlinjerne plus kontekst. Fem linjer før og efter, eller så mange, som du har brug for. Færre linjer betyder skarpere svar og lavere omkostninger. Og med Gemini-billedskaberen tegner Ask AI. Vælg forretningsregelflowchartprompten, og du får et billede af, hvordan forretningsreglerne i et COBOL-program fungerer sammen. Eller vælg et udvidet JCL-job og få hele dets flow. Fra jobstart, hvert trin, hver proces, hver returkodekontrol, helt til jobbets afslutning. Download billedet og brug det overalt. Spørg AI i SMART TS XL. Enhver model. Dine prompts. Din kode. Tilgængelig i dag i version 13.
Du har set MCP'en. Du har set den lære af hver eneste rettelse. Du har set én sætning fra en bil blive til et helt projekt. Det var begyndelsen. Hvad kommer nu? Mere spændende. Større besparelser og banebrydende teknologi. I er det allerførste publikum, der ser, hvad jeg nu vil introducere, og jeg kunne ikke være mere begejstret for at dele dette øjeblik med jer. Vi præsenterer SMART KS, det smarte videnssystem. Hos IN-COM er vores engagement at hjælpe jer med at gå forrest med AI, at se, hvad der er muligt, sætte det i gang og forme, hvad der kommer nu. Og vi ønsker at bygge den fremtid sammen med jer. I dag får I mere end et første kig. I er her ved begyndelsen af noget, vi ønsker at skabe sammen. Sammen vil vi definere, hvordan IT-teams arbejder i de kommende år. Dette er enormt. Dybere læring. Større selvudvikling. Endnu større tokenbesparelser. Denne nye udvikling vil tage SMART KS-systemet endnu længere og dramatisk reducere tokenbrugen for at få jeres AI til at arbejde hurtigere, levere bedre resultater og koste betydeligt mindre. Og der er mere. Endnu et patent er under behandling for denne innovation. Lad mig vise dig, hvad vi har bygget. Indtil nu har din AI-assistent nået SMART TS XL gennem vores MCP. Den stillede spørgsmålet, fik de nøjagtige linjer tilbage og klarede resten af tankearbejdet selv.
Nu er der noget meget større. Mød SMART KS-agenten. KS står for videnssystem. Agenten kan gøre alt, hvad MCP'en kan, og mere til. Men den besvarer ikke kun spørgsmål. Den udfører arbejdet. Indeni er der fire ting. Og lige ved siden af, én mere. Én, hver SMART TS XL værktøj. Søgning, krydsreferencer, feltsporing, kompleksitet. Hvert program, hver relation, på tværs af mainframe og distribueret kode. To, certificerede færdigheder. Hver færdighed er et program, en funktion, præbygget og testet af IN-COM. Den udfører en specifik opgave og giver det samme resultat hver gang. Agenten leveres med et bibliotek af dem. Nogle kan bygges til én klient. Og biblioteket vokser hele tiden. Tre, en kodningssandkasse. Når et job har brug for noget nyt, skriver AI'en et lille program på et hvilket som helst sprog og kører det sikkert inde i agenten. Dette program gemmes. Næste gang det er nødvendigt, genbruger agenten det i stedet for at skrive det igen. Programmer, som ingen bruger, ryddes efter 90 dage. Og dem, der beviser deres værd, kan godkendes og blive certificerede færdigheder. Fire, gemt viden. De rapporter, output og kodestykker, som folk godkender, opbevares i vidensbasen. Så hvis nogen bad om de samme oplysninger i sidste uge, er de allerede der. Og ved siden af agenten, SMART KS-videnssystemet. Her gennemgår folk arbejdet og vælger, hvad de skal beholde. Ja, det er sandt. Denne rapport er god for alle. Godkendt viden gemmes og indekseres direkte i SMART TS XL som sin egen datatype, så den findes øjeblikkeligt. Der er fire måder at give agenten et job på. Fra Claude eller enhver LLM, der er forbundet med agenten. Fra promptboksen i SMART KS-webappen. Fra et programkald, på ethvert sprog, på ethvert system. En mikrotjeneste, enhver app, enhver proces. Eller alene, efter en tidsplan eller udløst af en hændelse. Forestil dig dette. Nogen tilføjer et nyt felt til en database. Det udløser, at SMART KS kontrollerer det. Følger det dine navngivningsstandarder? Er noget lignende allerede i brug? Eller et JCL-job går ned midt om natten. Nedbruddet udløser, at SMART KS undersøger det. Hvad skete der, hvor det fejlede, og hvad fejlkoden kræver. Så om morgenen er rettelsen allerede på vej. Lad os nu se det virke. En udvikler sidder ved sit skrivebord i Dallas. Han åbner Claude, er forbundet med SMART KS-agenten, og skriver en enorm anmodning. Ikke et spørgsmål, et helt projekt. Han klikker på send. Anmodningen når frem til agenten. Agenten kan arbejde med én LLM eller flere og vælge den bedste til hver opgave. En der er god til COBOL, en anden der er god til dokumentation eller flowdiagrammer. Det holder tokenomkostningerne nede, og du kontrollerer, hvilke LLM'er den bruger. Først bruger agenten den LLM, den vælger, til at analysere anmodningen. Den LLM ved nu alt, hvad agenten kan. Sammen planlægger de jobbet. Derefter arbejder de sig igennem det trin for trin. Kør denne certificerede færdighed. Brug disse SMART TS XL værktøjer. Hent denne godkendte viden. Genbrug rapporten, der blev gemt i sidste uge. Skriv et hurtigt script i sandkassen, og kør det trin for trin, indtil jobbet er færdigt. Her er nøglen. Alt dette kører inde i agenten, på din kode, i SMART TS XLDe certificerede færdigheder, værktøjerne, scriptsene, den AI, du lige har skrevet, kører alt sammen lige der. De sender ikke din kode gennem AI'en. Så de koster ikke tokens. Når det hele er færdigt, pakker agenten det ind som ét færdigt svar. Udvikleren i Dallas får bare alt. Han ser aldrig, hvor meget arbejde eller hvor mange programmer der kørte bagved. Og hans tokenregning forbliver lille. Og hvis hans rapport er værd at beholde, kan han udgive den i SMART KS-videnssystemet til alle. Næste gang får alle, der har brug for det samme svar, det med det samme. Alt det arbejde bliver ved med at betale sig. SMART KS, videnssystemet. Én anmodning ind, færdigt arbejde, mainframe og distribueret. Kommer snart fra IN-COM Data. Vi startede i dag med én idé. Hvad du siger, er hvad du får. Du så, hvad du kan gøre i dag. Hvad der kommer meget snart, og du var den første til at se SMART KS. Sammen er IN-COM og vores kunder klar til at bruge AI på den bedst mulige måde. Så nu er det din tur. Bare sig det.
