A OpenAI anunciou que seus modelos inteligentes tornaram-se mais eficientes na construção e atualização de softwares escritos em linguagens de programação antigas que sofrem com a escassez de programadores proficientes nelas, como COBOL, Fortran e Visual Basic. Dados da empresa indicam que cerca de 40% dos bancos em todo o mundo ainda dependem de sistemas baseados na linguagem COBOL e, embora a transição para linguagens modernas custe milhões de dólares e leve muito tempo, a aposentadoria de programadores especializados obriga essas instituições a realizarem a migração tecnológica nos próximos anos.
A empresa baseou o desenvolvimento dessas capacidades em observações e feedbacks de desenvolvedores e clientes do setor corporativo, visto que os modelos de programação enfrentavam desafios reais ao processar linguagens de programação antigas. Para avaliar o desempenho, a OpenAI desenvolveu um pacote de testes conhecido como MultiLangBench, que exige que os modelos construam mecanismos de banco de dados compatíveis com o SQLite em uma linguagem de programação específica.
Os resultados dos testes mostraram uma superioridade notável, com o modelo GPT-6 Astra registrando uma taxa de sucesso de 87,4 por cento em 20 linguagens, superando significativamente o modelo GPT-5.6 Sol, que registrou 26,8 por cento. Apesar dessa melhoria, a linguagem COBOL continuou sendo o desafio mais difícil, com a taxa de sucesso do modelo Astra atingindo cerca de 72 por cento.
Por que esta notícia é importante?
Os sistemas bancários legados representam um grande obstáculo ao desenvolvimento tecnológico devido à sua conexão com dados financeiros críticos e regras de negócios complexas que exigem precisão extrema. A importância do novo desenvolvimento reside na capacidade dos modelos de preservar os comportamentos originais do software durante o processo de conversão para linguagens como C++, Java, Kotlin, Python ou Rust.
Em avaliações de conversão que mantêm com precisão o comportamento do software — como o método de arredondamento de números decimais complexos e o tratamento de registros ausentes — o modelo GPT-6.1 Sol registrou a maior precisão, atingindo 97,9 por cento ao usar um nível alto de raciocínio, enquanto a precisão foi de 86.6 por cento em níveis baixos de raciocínio.
Limitações e requisitos práticos
A OpenAI enfatiza que o sucesso de qualquer processo de migração de software requer a aprovação em todos os testes de precisão, dada a sensibilidade das tarefas bancárias. A empresa aponta que essas capacidades são uma ferramenta de assistência valiosa para as equipes de manutenção e atualização, mas a implantação de software em ambientes de produção reais ainda exige revisão humana especializada e testes rigorosos consistentes com as regras de negócios e considerações relacionadas ao sistema.