主要观点：数据迁移是遗留系统现代化中最具挑战性和高风险的部分之一，工程师和业务领导正在尝试使用现代工具加快这一过程，AI 是很有前景的工具之一。
关键信息：

• AI 可加速数据迁移，如自动化模式发现、映射生成、数据转换和验证等关键步骤，能使迁移时间加快 30 - 50%。
• AI 并非万能解决方案，存在局限性，如不能修复不良源数据、不能识别业务规则、需适配现有架构等，仍需人类参与。
• 使用 AI 进行数据迁移的最佳实践包括：先分析数据、迁移前清理标准化数据、构建混合架构、增量迁移、记录和版本化所有内容、设置监控和回滚等。
  重要细节：
• 在模式发现中，ML 模型可扫描遗留数据库检测未记录的表、列和关系；映射生成可通过分析数据和模式元数据创建新旧系统间的智能映射，减少手动工作并自动改进；数据转换可识别格式等不一致并转换；数据验证可在生产问题前标记异常等。
• 依赖 AI 工具时要注意解决源数据问题，AI 模型识别模式而非业务规则，且工具需适配现有架构。
• 最佳实践中，先通过数据 profiling 工具检测数据问题，迁移前用 Python 脚本标准化数据，构建包含 AI 层、ETL 层等的混合架构，增量迁移并设置验证框架，记录和版本化数据，设置监控和回滚等。