Arquitectura de inferencia estática para la trazabilidad de datos en ecosistemas Legacy Natural/Adabas: un enfoque de desambiguación de entidades

Resumen

Este trabajo aborda la opacidad en la trazabilidad de datos dentro de sistemas críticos de gran escala desarrollados en Natural con bases de datos Adabas. La erosión de la documentación técnica y el uso extensivo de alias técnicos con restricciones de longitud (DDM) generan riesgos significativos en la identificación de procesos de negocio. Para resolver este desafío, se propone una metodología de Ingeniería Inversa determinística basada en un motor de Análisis Estático de Código de cuatro fases: Sanitización Semántica, Normalización de Metadatos, Inferencia de Impacto CRUD y Persistencia Relacional. A diferencia de los enfoques puramente probabilísticos basados en IA, esta metodología utiliza un motor de curación basado en diccionarios (M.I.T.D.) que elimina el margen de error en entornos de alta criticidad normativa. Los resultados demuestran una reducción del 30% en falsos positivos y permiten identificar procesos de escritura críticos en tablas maestras que anteriormente permanecían ocultos tras alias técnicos. Este marco de trabajo proporciona una hoja de ruta confiable y precisa para la mitigación de riesgos en proyectos de migración, refactorización y cumplimiento regulatorio en los sectores bancario y de seguros, cerrando la brecha entre la complejidad legacy y los estándares arquitectónicos modernos.