La IA migra código COBOL con un 97,9 % de precisión, según OpenAI

IBM estima que COBOL da soporte al 95 % de las transacciones en cajeros automáticos y al 80 % de las transacciones con tarjeta de crédito en comercios. Para los bancos, este código antiguo no es solo una carga técnica: a menudo es el lugar donde viven las reglas de negocio, y en ocasiones no existen en ningún otro sitio. OpenAI afirma ahora que sus modelos más recientes pueden reescribir estos programas en lenguajes modernos sin cambiar su comportamiento, y reporta una precisión del 97,9 % en su propia prueba de migración.

La dificultad no reside solo en la antigüedad del código. COBOL y Fortran, este último utilizado en la predicción meteorológica y en el análisis de seguridad de reactores nucleares, cuentan con mucho menos material de entrenamiento disponible que Python o JavaScript, y su documentación suele ser incompleta. Un programa reescrito puede ejecutarse sin un solo error y, aun así, producir cifras distintas. COBOL, por ejemplo, descarta los decimales adicionales salvo que un programa pida explícitamente redondeo, y en finanzas ese detalle es todo el cálculo.

Para puntuar una migración, la prueba de OpenAI traduce programas COBOL existentes a C++, Java, Kotlin, Python o Rust, y exige que la nueva versión supere todas las pruebas ocultas, incluidas las comprobaciones de que sus resultados observables coinciden con los del original. GPT-6.1 Sol alcanzó el 86,6 % con un esfuerzo de razonamiento bajo, frente al 5,4 % de GPT-5.6 Sol, y el 97,9 % con un esfuerzo mayor. OpenAI también informó de una reducción del 39 % en los costes de API con el ajuste más bajo.

Las mejoras van más allá de COBOL. En MultiLangBench, que pide a los modelos construir un motor de bases de datos compatible con SQLite en 20 lenguajes de programación, GPT-6 Astra promedió el 87,4 %, frente al 26,8 % de GPT-5.6 Sol, y mejoró en todos los lenguajes. Su puntuación en Fortran pasó del 21,4 % al 83,5 %, y COBOL, todavía el más difícil, subió del 10,9 % al 72,1 %. El más económico GPT-6 Luna promedió el 40,3 %, con un coste por muestra aproximadamente un 78 % menor: OpenAI estima un coste medio de API de 0,77 dólares frente a 3,48 dólares.

Lo que cambia primero es el coste de experimentar. Para las instituciones que llevan mucho tiempo evitando tocar sistemas centrales porque reemplazarlos es arriesgado, una forma más barata de probar reescrituras es el punto práctico, y OpenAI sostiene que los menores costes de Luna podrían permitir a los equipos de ingeniería realizar más pruebas sin aumentar sustancialmente los presupuestos. Los límites son tan claros como las mejoras: el 97,9 % es una puntuación en el conjunto de pruebas de OpenAI, no una garantía, y la propia empresa señala COBOL como el lenguaje más débil de sus resultados. Los equipos tendrán que comprobar el software migrado con cargas de trabajo reales y dependencias no documentadas antes de confiarle operaciones críticas.