OpenAI ha anunciado que sus modelos inteligentes se han vuelto más eficientes en la construcción y actualización de software escrito en lenguajes de programación antiguos que sufren de una escasez de programadores competentes, como COBOL, Fortran y Visual Basic. Los datos de la empresa indican que alrededor del 40% de los bancos en todo el mundo todavía dependen de sistemas basados en el lenguaje COBOL y, aunque la transición a lenguajes modernos cuesta millones de dólares y lleva mucho tiempo, la jubilación de los programadores especializados obliga a estas instituciones a realizar una migración tecnológica en los próximos años.
La compañía basó el desarrollo de estas capacidades en los comentarios y la retroalimentación de los desarrolladores y clientes del sector empresarial, ya que los modelos de programación enfrentaban desafíos reales al procesar lenguajes de programación antiguos. Para evaluar el rendimiento, OpenAI desarrolló un conjunto de pruebas conocido como MultiLangBench, que requiere que los modelos construyan motores de bases de datos compatibles con SQLite en un lenguaje de programación específico.
Los resultados de las pruebas mostraron una superioridad notable, con el modelo GPT-6 Astra alcanzando una tasa de éxito del 87,4 por ciento en 20 lenguajes, superando significativamente al modelo GPT-5.6 Sol, que registró un 26,8 por ciento. A pesar de esta mejora, el lenguaje COBOL siguió siendo el desafío más difícil, ya que la tasa de éxito del modelo Astra rondó el 72 por ciento.
¿Por qué es importante esta noticia?
Los sistemas bancarios heredados representan un importante obstáculo para el desarrollo tecnológico debido a su vinculación con datos financieros críticos y reglas comerciales complejas que requieren una precisión extrema. La importancia de este nuevo desarrollo radica en la capacidad de los modelos para mantener los comportamientos originales del software durante el proceso de conversión a lenguajes como C++, Java, Kotlin, Python o Rust.
En las evaluaciones de conversión que preservan estrictamente el comportamiento del software —como el método de redondeo de números con decimales complejos y el manejo de registros perdidos—, el modelo GPT-6.1 Sol registró la mayor precisión, alcanzando el 97,9 por ciento al utilizar un alto nivel de razonamiento, mientras que la precisión fue del 86,6 por ciento en niveles de razonamiento bajos.
Limitaciones y requisitos prácticos
OpenAI enfatiza que el éxito de cualquier operación de migración de software requiere superar todas las pruebas de precisión, dada la sensibilidad de las tareas bancarias. La compañía señala que estas capacidades se consideran una herramienta de asistencia valiosa para los equipos de mantenimiento y actualización; sin embargo, el despliegue de software en entornos de producción reales todavía requiere de una revisión humana especializada y pruebas rigurosas acordes con las reglas de negocio y las consideraciones del sistema.