OpenAI afirma un avance en la migración de COBOL, pero los expertos instan a la cautela

OpenAI anunció el 19 de octubre que sus últimos modelos de IA han logrado mejoras sustanciales en la migración de software heredado, enfocándose específicamente en lenguajes obsoletos como COBOL. La empresa afirma que estos avances podrían ayudar a las organizaciones a mantener y modernizar infraestructuras críticas sin interrumpir las operaciones existentes, marcando un posible cambio en cómo las industrias gestionan bases de código con décadas de antigüedad.

Qué ocurrió

El anuncio destaca el desafío persistente de los sistemas heredados en la infraestructura global. COBOL, desarrollado en 1959, aún sustenta más del 40 por ciento de los sistemas bancarios en línea, soporta el 80 por ciento de las transacciones presenciales con tarjeta de crédito y maneja el 95 por ciento de las transacciones en cajeros automáticos, según IBM. También impulsa servicios gubernamentales esenciales, incluyendo la Seguridad Social y el IRS (Servicio de Impuestos Internos). A pesar de los esfuerzos por reemplazarlo, el lenguaje permanece arraigado debido al alto riesgo de romper sistemas críticos y la escasez de desarrolladores que lo comprenden.

OpenAI informó que su modelo GPT-6.1 Sol alcanzó una precisión de preservación del comportamiento del 87 por ciento con un esfuerzo de razonamiento bajo al migrar COBOL a lenguajes modernos como C++, Java, Kotlin, Python y Rust. Esta cifra subió al 98 por ciento en niveles de razonamiento más altos. Para ponerlo en contexto, modelos anteriores tuvieron un desempeño significativamente peor, con GPT-5.6 Sol obteniendo solo un 5 por ciento bajo condiciones similares. OpenAI enfatizó que una migración se considera exitosa solo si todas las pruebas pasan, garantizando que el nuevo código se comporte de manera idéntica al original.

El competidor Anthropic también ha entrado en este espacio, publicando una guía de práctica para la modernización de código en febrero y promocionando su agente Claude Code para tareas similares. Aunque Anthropic no proporcionó puntos de referencia específicos, declaró que la economía de la modernización de COBOL ha cambiado. Según informes, esta noticia provocó una caída en las acciones de IBM, que genera ingresos manteniendo sistemas heredados. Sin embargo, los expertos siguen siendo escépticos sobre la practicidad inmediata de los reemplazos totalmente automatizados.

Cómo funciona

El mecanismo central implica utilizar grandes modelos de lenguaje para traducir código fuente de un lenguaje de programación a otro mientras se preserva su comportamiento funcional. El enfoque de OpenAI depende de aumentar los pasos computacionales, o esfuerzo de razonamiento, que el modelo dedica a analizar el problema antes de generar una respuesta. Este análisis más profundo permite al modelo comprender mejor la lógica y la estructura del código heredado, resultando en tasas de precisión más altas.

Crucialmente, el proceso no se trata solo de traducción de sintaxis. Los modelos son probados para asegurar que el código de salida pase las mismas suites de pruebas que el software original. Esta preservación del comportamiento es vital para sistemas críticos donde incluso desviaciones menores pueden causar fallos. La tecnología busca automatizar la tarea tediosa y propensa a errores de la reescritura manual, reduciendo potencialmente el costo y el tiempo requeridos para proyectos de modernización.

Detalles clave

• El GPT-6.1 Sol de OpenAI alcanzó una precisión de preservación del comportamiento del 98 por ciento con un alto esfuerzo de razonamiento.
• COBOL soporta el 95 por ciento de las transacciones en cajeros automáticos y el 80 por ciento de las transacciones presenciales con tarjeta de crédito.
• Se estima que el costo anual de las ineficiencias de COBOL para el PIB de EE. UU. ronda los 105 mil millones de dólares.
• Los expertos señalan que reescribir código es distinto de reemplazar sistemas complejos completos.
• Anthropic publicó una guía de práctica para la modernización de código en febrero, pero no proporcionó puntos de referencia de rendimiento.
• La verificación formal y la revisión humana siguen siendo esenciales para garantizar la seguridad en migraciones críticas.

Por qué importa

Para los ingenieros de software y líderes técnicos, este desarrollo señala una posible reducción de la deuda técnica asociada con los sistemas heredados. La capacidad de traducir automáticamente COBOL a lenguajes modernos como Python o Rust podría bajar la barrera de entrada para mantener estos sistemas, que actualmente dependen de un grupo cada vez menor de desarrolladores especializados. Esto podría conducir a ahorros significativos de costos y mejorar la seguridad para bancos, gobiernos y otras instituciones dependientes de infraestructuras obsoletas.

Sin embargo, el entusiasmo debe moderarse ante la realidad de la complejidad del sistema. Los expertos advierten que las herramientas de IA actuales luchan con el contexto más amplio de los sistemas heredados, que a menudo involucran múltiples lenguajes, diversos formatos de datos e integraciones intrincadas. Como señaló Vadim Zaytsev de la Universidad de Twente, dividir un sistema heredado complejo en unidades más pequeñas y reemplazables es la dificultad clave que las evaluaciones actuales no abordan. Confiar únicamente en la IA para tales tareas sin pruebas robustas y supervisión humana plantea riesgos significativos.

Qué puede hacer

• Evalúe las herramientas de codificación con IA para asistir con la documentación y comprensión del código heredado existente, en lugar de un reemplazo total.
• Implemente marcos de pruebas rigurosos para comparar el comportamiento del código heredado y el modernizado lado a lado.
• Invierta en métodos de verificación formal para demostrar matemáticamente que el código traducido cumple con los requisitos especificados.
• Mantenga la supervisión humana haciendo que desarrolladores familiarizados con lenguajes heredados revisen las traducciones generadas por IA.
• Comience con módulos no críticos para probar la confiabilidad de las herramientas de migración de IA antes de aplicarlas a sistemas centrales.
• Manténgase actualizado sobre los resultados de puntos de referencia de múltiples proveedores para evaluar la preparación real de estas tecnologías.