Automatizando la migración a gran escala de flujos de trabajo heredados de DB2 a BigQuery

Motivus ayudó a uno de los bancos más grandes de Latinoamérica a reemplazar meses de reescritura manual de SQL por agentes de IA autónomos, migrando miles de flujos de datos críticos para el negocio a Google BigQuery de forma más rápida, precisa y con trazabilidad regulatoria completa.

Banca / BFSI
Datos y IA
Cloud y DevOps
IA agéntica
Conforme CNBV

Liberando a uno de los principales bancos de décadas de SQL heredado

Este banco administra 1,05 billones de pesos para 20 millones de clientes a través de más de 1.000 sucursales. Tras su separación de un importante banco global y como parte de los preparativos para una oferta pública inicial (IPO), la institución necesitaba acelerar su independencia tecnológica, con visibilidad a nivel de directorio sobre los hitos de modernización y sin margen para incumplir los plazos regulatorios establecidos por la CNBV. Miles de flujos de trabajo críticos para el negocio, incluidos reportes de riesgo, presentaciones regulatorias, modelos de calificación crediticia y analítica de clientes, permanecían en sistemas heredados de IBM DB2, y cada uno requería entre 4 y 6 semanas de trabajo manual de ingeniería para migrarse. Motivus fue incorporado para cambiar por completo esa realidad.

La migración manual a esta escala ya no era viable

Décadas de lógica SQL acumulada, dependencias no documentadas y procedimientos almacenados estrechamente acoplados hacían que cada flujo de trabajo requiriera una reescritura manual, validación línea por línea y aprobación de cumplimiento normativo. Los ingenieros más experimentados dedicaban su tiempo a repetitivos ciclos de reescritura y validación, en lugar de enfocarse en iniciativas estratégicas. Durante las ventanas de transición surgían brechas de auditoría. Además, las construcciones específicas de DB2 (MQTs, tablas temporales y funciones OLAP) dificultaban una traducción directa, mientras que los plazos regulatorios de la CNBV no dejaban ningún margen para un enfoque lento y manual.

Lo Que Hicimos

De DB2 a BigQuery, de principio a fin

Un agente autónomo que procesa SQL heredado de DB2 —procedimientos almacenados, vistas anidadas y lógica de programación—, resuelve dependencias entre esquemas, genera GoogleSQL optimizado, valida los resultados con conjuntos de datos equivalentes a producción, se autocorrige de forma iterativa y produce informes de trazabilidad listos para auditorías.

Cumplimiento con tolerancia cero

Un agente con conocimiento de cumplimiento normativo que identifica los flujos de trabajo relacionados con reportes AML, riesgo crediticio y requisitos regulatorios de la CNBV, los prioriza según sus plazos y aplica umbrales de validación más estrictos, con tolerancia cero, antes de cualquier transición a producción.

Planificación por fases y secuenciación de riesgos

Construye fases de migración, identifica dependencias entre flujos de trabajo, propone el alcance de validación para cada familia de flujos y genera planes de revisión con criterios de aceptación e indicadores de riesgo, manteniendo todo el backlog organizado y bajo gobernanza.

Patrones reutilizables a escala

Documentación centralizada de patrones de traducción de DB2 a BigQuery, mapeos de linaje y supuestos, lo que reduce el retrabajo entre las distintas fases de migración, garantiza decisiones consistentes y construye un activo de conocimiento acumulativo alineado con los requisitos de la CNBV y el nivel de escrutinio propio de una preparación para una oferta pública inicial (IPO).

Una hoja de ruta que habría tomado años de forma manual, completada en meses

El primer lote de producción, con más de 120 flujos de trabajo, se ejecutó según lo previsto, cumpliendo los plazos regulatorios de la CNBV y con trazabilidad completa para auditorías. La migración se completó 3,5 veces más rápido que el proceso manual de referencia. Los defectos posteriores a la migración se redujeron en un 85 %. Cada flujo de trabajo migrado cuenta con linaje completo a nivel de columna, mapeo de origen a destino e informes de validación almacenados en las capas de metadatos de BigQuery. Además, se proyecta un ahorro anual de USD 2,1 millones gracias a la eliminación de las licencias de DB2 y a la optimización de Google Cloud Platform (GCP), con una nueva fase del proyecto ya definida para migrar los flujos de trabajo restantes y las cargas de trabajo de transmisión de datos en tiempo real.

MIGRACIÓN 3,5 VECES MÁS RÁPIDA

En todas las categorías de flujos de trabajo, en comparación con los procesos manuales de reescritura, con un 85 % menos de defectos después de la migración.

100% DE CUMPLIMIENTO EN LOS PLAZOS

Flujos de trabajo críticos para el cumplimiento normativo se migraron dentro de los plazos establecidos. Se cumplieron todos los plazos de la CNBV. Trazabilidad completa para auditorías durante todo el proceso.

USD 2,1 M EN AHORROS ANUALES PROYECTADOS

Gracias a la eliminación de las licencias de DB2 y a la optimización de GCP, con una base ya establecida para migrar las cargas de trabajo restantes.

Transformando la deuda tecnológica de datos heredados en una base moderna y gobernada

Motivus ayuda a las instituciones financieras a modernizar más rápidamente sus sistemas de datos críticos para el negocio, con trazabilidad regulatoria completa y los controles de gobernanza que exigen los bancos y los organismos reguladores.

Build AI-First GCCs With Motivus

AI-powered delivery - Nearshore talent - Strong governance.

Read more