Test OpenAI: l'IA migra il COBOL con precisione del 97,9%

IBM stima che il COBOL supporti il 95% delle operazioni agli sportelli automatici e l'80% delle transazioni con carta di credito effettuate presso i punti vendita. Per le banche, questo codice datato non è solo un peso tecnico: è spesso il luogo in cui vivono le regole di business, e talvolta non esiste altrove. OpenAI afferma ora che i suoi modelli più recenti possono riscrivere questi programmi in linguaggi moderni senza modificarne il comportamento, e dichiara una precisione del 97,9% nel proprio test di migrazione.

La difficoltà non dipende solo dall'età del codice. Il COBOL e il Fortran, usato nelle previsioni meteorologiche e nell'analisi della sicurezza dei reattori nucleari, dispongono di molto meno materiale di addestramento rispetto a Python o JavaScript, e la loro documentazione è spesso incompleta. Un programma riscritto può funzionare senza un solo errore e produrre comunque numeri diversi. Il COBOL, per esempio, elimina le cifre decimali in eccesso, a meno che un programma non richieda esplicitamente un arrotondamento, e in finanza quel dettaglio è l'intero calcolo.

Per valutare una migrazione, il test di OpenAI traduce programmi COBOL esistenti in C++, Java, Kotlin, Python o Rust, e richiede che la nuova versione superi ogni test nascosto, compresi i controlli che i suoi output osservabili corrispondano a quelli dell'originale. GPT-6.1 Sol ha raggiunto l'86,6% con uno sforzo di ragionamento basso, contro il 5,4% di GPT-5.6 Sol, e il 97,9% con uno sforzo più alto. OpenAI riporta inoltre una riduzione del 39% dei costi API con l'impostazione più bassa.

I progressi non riguardano solo il COBOL. Su MultiLangBench, che chiede ai modelli di costruire un motore di database compatibile con SQLite in 20 linguaggi di programmazione, GPT-6 Astra ha ottenuto in media l'87,4%, contro il 26,8% di GPT-5.6 Sol, migliorando in ogni linguaggio. Il suo punteggio in Fortran è salito dal 21,4 all'83,5%, mentre il COBOL, ancora il più difficile, è passato dal 10,9 al 72,1%. Il più economico GPT-6 Luna ha ottenuto in media il 40,3%, con circa il 78% in meno di costo per campione: OpenAI stima costi API medi di 0,77 dollari contro 3,48 dollari.

A cambiare per primo è il costo della sperimentazione. Per le istituzioni che da tempo evitano di toccare i sistemi centrali perché sostituirli è rischioso, il punto pratico è un modo più economico di testare le riscritture, e OpenAI sostiene che i costi più bassi di Luna potrebbero permettere ai team di ingegneria di fare più prove senza aumentare sostanzialmente i budget. I limiti sono chiari quanto i progressi: il 97,9% è un punteggio sulla suite di OpenAI, non una garanzia, e l'azienda stessa indica il COBOL come il linguaggio più debole nei suoi risultati. I team dovranno comunque verificare il software migrato su carichi di lavoro reali e sulle dipendenze non documentate, prima di affidargli operazioni critiche.