오픈에이아이(OpenAI)는 자사의 인공지능 모델들이 COBOL, Fortran, Visual Basic과 같이 숙련된 프로그래머 수가 감소하고 있는 구형 프로그래밍 언어로 작성된 소프트웨어를 구축하고 업데이트하는 데 있어 더욱 효율적으로 변했다고 발표했습니다. 회사 데이터에 따르면 전 세계 은행의 약 40%가 여전히 COBOL 기반 시스템에 의존하고 있으며, 현대적 언어로의 전환은 수백만 달러의 비용과 긴 시간이 소요됨에도 불구하고 전문 프로그래머들의 은퇴로 인해 이러한 기관들은 향후 몇 년 안에 기술적 마이그레이션을 단행해야 하는 상황에 직면해 있습니다.
회사는 프로그래밍 모델이 구형 프로그래밍 언어를 처리할 때 실제적인 어려움에 직면했던 점을 바탕으로, 개발자들과 기업 고객들로부터 받은 피드백과 의견을 참고하여 이러한 능력을 개발했습니다. 성능을 평가하기 위해 오픈에이아이는 모델들에게 특정 프로그래밍 언어로 SQLite 호환 데이터베이스 엔진을 구축할 것을 요구하는 MultiLangBench라는 테스트 패키지를 개발했습니다.
테스트 결과는 현저한 우위를 보여주었으며, GPT-6 Astra 모델은 20개 언어에 걸쳐 87.4퍼센트의 성공률을 기록하여 26.8퍼센트를 기록한 GPT-5.6 Sol 모델을 크게 앞질렀습니다. 이러한 개선에도 불구하고 COBOL은 가장 어려운 과제로 남아, Astra 모델의 COBOL 성공률은 약 72퍼센트를 기록했습니다.
이 뉴스가 중요한 이유는 무엇인가요?
구형 은행 시스템은 중요 금융 데이터 및 절대적인 정확성을 요구하는 복잡한 비즈니스 규칙과 연관되어 있기 때문에 기술적 발전에 큰 걸림돌이 됩니다. 새로운 발전의 중요성은 C++, Java, Kotlin, Python 또는 Rust와 같은 언어로 변환하는 과정에서 모델이 원래 프로그램의 동작을 유지할 수 있는 능력에 있습니다.
복잡한 소수점 숫자 반올림 방식 및 누락된 레코드 처리와 같이 프로그램 동작을 정확하게 유지하는 변환 평가 과정에서, GPT-6.1 Sol 모델은 높은 수준의 추론을 사용할 때 97.9퍼센트에 달하는 최고 정확도를 기록했으며 낮은 추론 수준에서는 86.6퍼센트의 정확도를 기록했습니다.
제한 사항 및 실무적 요구 사항
오픈에이아이는 은행 업무의 민감성으로 인해 모든 소프트웨어 마이그레이션 과정의 성공은 모든 정확성 테스트를 통과하는 것을 요구한다고 강조합니다. 회사는 이러한 능력이 유지보수 및 업데이트 팀에게 귀중한 보조 도구가 되지만, 실제 운영 환경에서의 소프트웨어 배포는 여전히 전문적인 인적 검토와 비즈니스 규칙 및 시스템 관련 고려 사항에 부합하는 엄격한 테스트를 필요로 한다고 지적합니다.