OpenAI tuyên bố đột phá trong việc di trú COBOL, nhưng các chuyên gia kêu gọi thận trọng

OpenAI đã công bố vào ngày 19 tháng 10 rằng các mô hình AI mới nhất của họ đã đạt được những cải thiện đáng kể trong việc di trú phần mềm cũ, đặc biệt nhắm mục tiêu vào các ngôn ngữ lỗi thời như COBOL. Công ty tuyên bố những tiến bộ này có thể giúp các tổ chức duy trì và hiện đại hóa cơ sở hạ tầng quan trọng mà không làm gián đoạn các hoạt động hiện tại, đánh dấu một sự thay đổi tiềm năng trong cách các ngành công nghiệp xử lý các mã nguồn cũ hàng thập kỷ.

Điều gì đã xảy ra

Thông báo này nhấn mạnh thách thức dai dẳng của các hệ thống cũ trong cơ sở hạ tầng toàn cầu. COBOL, được phát triển vào năm 1959, vẫn hỗ trợ hơn 40% các hệ thống ngân hàng trực tuyến, chiếm 80% giao dịch thẻ tín dụng trực tiếp và xử lý 95% giao dịch ATM theo số liệu từ IBM. Nó cũng vận hành các dịch vụ thiết yếu của chính phủ, bao gồm An sinh xã hội (Social Security) và Sở Thuế vụ Hoa Kỳ (IRS). Bất chấp nỗ lực thay thế, ngôn ngữ này vẫn bám rễ sâu do rủi ro cao khi làm hỏng các hệ thống quan trọng và sự khan hiếm các nhà phát triển hiểu rõ nó.

OpenAI báo cáo rằng mô hình GPT-6.1 Sol của họ đã đạt độ chính xác bảo toàn hành vi 87% ở mức nỗ lực suy luận thấp khi di trú COBOL sang các ngôn ngữ hiện đại như C++, Java, Kotlin, Python và Rust. Con số này tăng lên 98% ở các mức suy luận cao hơn. Để so sánh, các mô hình trước đó hiệu quả kém hơn nhiều, với GPT-5.6 Sol chỉ đạt 5% trong điều kiện tương tự. OpenAI nhấn mạnh rằng một quá trình di trú chỉ được coi là thành công nếu tất cả các bài kiểm tra đều vượt qua, đảm bảo mã mới hoạt động giống hệt bản gốc.

Đối thủ cạnh tranh Anthropic cũng đã tham gia lĩnh vực này, công bố một sổ tay hiện đại hóa mã vào tháng Hai và quảng bá tác nhân Claude Code cho các nhiệm vụ tương tự. Mặc dù Anthropic không cung cấp các chuẩn đo lường cụ thể, họ tuyên bố rằng kinh tế học của việc hiện đại hóa COBOL đã thay đổi. Tin tức này được cho là đã khiến cổ phiếu của IBM, công ty tạo doanh thu từ việc duy trì các hệ thống cũ, giảm giá. Tuy nhiên, các chuyên gia vẫn hoài nghi về tính khả thi thực tế ngay lập tức của việc thay thế hoàn toàn tự động.

Cách thức hoạt động

Cơ chế cốt lõi liên quan đến việc sử dụng các mô hình ngôn ngữ lớn để dịch mã nguồn từ một ngôn ngữ lập trình sang ngôn ngữ khác trong khi vẫn bảo toàn hành vi chức năng của nó. Phương pháp tiếp cận của OpenAI dựa trên việc tăng số lượng bước tính toán, hay nỗ lực suy luận, mà mô hình dành để phân tích vấn đề trước khi đưa ra câu trả lời. Phân tích sâu hơn này cho phép mô hình hiểu rõ hơn logic và cấu trúc của mã cũ, dẫn đến tỷ lệ chính xác cao hơn.

Điều quan trọng là quy trình này không chỉ đơn thuần là dịch cú pháp. Các mô hình được thử nghiệm để đảm bảo rằng mã đầu ra vượt qua cùng bộ bài kiểm tra như phần mềm gốc. Việc bảo toàn hành vi này rất quan trọng đối với các hệ thống quan trọng, nơi mà ngay cả những sai lệch nhỏ cũng có thể gây ra lỗi. Công nghệ nhằm mục đích tự động hóa nhiệm vụ viết lại thủ công tẻ nhạt và dễ mắc lỗi, có khả năng giảm chi phí và thời gian cần thiết cho các dự án hiện đại hóa.

Chi tiết chính

• Mô hình GPT-6.1 Sol của OpenAI đạt độ chính xác bảo toàn hành vi 98% ở mức nỗ lực suy luận cao.
• COBOL hỗ trợ 95% giao dịch ATM và 80% giao dịch thẻ tín dụng trực tiếp.
• Chi phí hàng năm ước tính do sự kém hiệu quả của COBOL gây ra cho GDP Hoa Kỳ khoảng 105 tỷ USD.
• Các chuyên gia lưu ý rằng việc viết lại mã khác với việc thay thế toàn bộ các hệ thống phức tạp.
• Anthropic đã phát hành một sổ tay hiện đại hóa mã vào tháng Hai nhưng không cung cấp các chuẩn đo lường hiệu suất.
• Xác minh hình thức và rà soát bởi con người vẫn là yếu tố thiết yếu để đảm bảo an toàn trong các quá trình di trú quan trọng.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và lãnh đạo kỹ thuật, sự phát triển này báo hiệu khả năng giảm thiểu nợ kỹ thuật liên quan đến các hệ thống cũ. Khả năng tự động dịch COBOL sang các ngôn ngữ hiện đại như Python hoặc Rust có thể hạ thấp rào cản gia nhập trong việc duy trì các hệ thống này, vốn đang phụ thuộc vào một nhóm nhỏ các nhà phát triển chuyên môn đang thu hẹp dần. Điều này có thể dẫn đến tiết kiệm chi phí đáng kể và cải thiện bảo mật cho các ngân hàng, chính phủ và các tổ chức khác phụ thuộc vào cơ sở hạ tầng lỗi thời.

Tuy nhiên, sự cường điệu phải được kiềm chế bởi thực tế về độ phức tạp của hệ thống. Các chuyên gia cảnh báo rằng các công cụ AI hiện nay gặp khó khăn với bối cảnh rộng hơn của các hệ thống cũ, thường liên quan đến nhiều ngôn ngữ, định dạng dữ liệu đa dạng và các tích hợp phức tạp. Như Vadim Zaytsev từ Đại học Twente đã lưu ý, việc chia tách một hệ thống cũ phức tạp thành các đơn vị nhỏ hơn, có thể thay thế được là khó khăn chính mà các đánh giá hiện tại chưa giải quyết được. Việc chỉ dựa vào AI cho các nhiệm vụ như vậy mà không có thử nghiệm chặt chẽ và giám sát của con người đặt ra những rủi ro đáng kể.

Bạn có thể làm gì

• Đánh giá các công cụ lập trình AI để hỗ trợ tài liệu hóa và hiểu mã cũ hiện có, thay vì thay thế hoàn toàn.
• Triển khai các khung thử nghiệm nghiêm ngặt để so sánh hành vi của mã cũ và mã đã hiện đại hóa song song.
• Đầu tư vào các phương pháp xác minh hình thức để chứng minh bằng toán học rằng mã đã dịch đáp ứng các yêu cầu được chỉ định.
• Duy trì sự giám sát của con người bằng cách để các nhà phát triển am hiểu ngôn ngữ cũ rà soát các bản dịch do AI tạo ra.
• Bắt đầu với các module không quan trọng để kiểm tra độ tin cậy của các công cụ di trú AI trước khi áp dụng chúng vào các hệ thống cốt lõi.
• Cập nhật kết quả chuẩn đo lường từ nhiều nhà cung cấp để đánh giá mức độ sẵn sàng thực tế của các công nghệ này.