OpenAI punta a semplificare la modernizzazione delle infrastrutture informatiche costruite su linguaggi storici come COBOL, Fortran e Visual Basic. L'azienda ha annunciato nuovi progressi dei propri modelli nella scrittura e nella migrazione di software obsoleto, spesso complesso da gestire per la scarsità di codice e documentazione disponibili durante l'addestramento.
Il peso di COBOL nei sistemi finanziari
Il caso più rilevante resta COBOL, che secondo i dati citati da OpenAI sostiene oltre il 40% dei sistemi di online banking, l'80% delle transazioni con carta nei negozi fisici e il 95% delle operazioni agli sportelli automatici. Mantenere queste piattaforme è costoso e la migrazione può richiedere da milioni a centinaia di milioni di dollari, aggravata dall'invecchiamento dei programmatori specializzati.
Per misurare i progressi, OpenAI ha sviluppato MultiLangBench, una suite che verifica la capacità di realizzare da zero un motore di database compatibile con SQLite in 20 linguaggi diversi. I risultati mostrano GPT-6 Astra al 87,4% medio di superamento dei test, contro il 26,8% di GPT-5.6 Sol. COBOL resta il linguaggio più impegnativo, con Astra al 72,1% partendo dal 10,9% del modello precedente.
Migrazione byte per byte e costi ridotti
La seconda valutazione riguarda la capacità di trasferire programmi COBOL in linguaggi moderni come C++, Java, Kotlin, Python o Rust mantenendo lo stesso comportamento. OpenAI usa test nascosti che richiedono la corrispondenza byte per byte degli output: GPT-6.1 Sol raggiunge l'86,6% di accuratezza con basso sforzo di ragionamento, salendo al 97,9% aumentando lo sforzo. Il modello GPT-6 Luna riduce inoltre il costo medio per campione a 0,77 dollari, circa il 78% in meno rispetto a GPT-5.6 Sol.
I risultati indicano che i modelli stanno diventando strumenti promettenti per la modernizzazione del software aziendale, ma OpenAI sottolinea che non eliminano la necessità di verifiche approfondite. L'impiego in produzione richiede ancora la revisione di esperti e test rispetto alle regole aziendali. La configurazione di MultiLangBench è ora disponibile su GitHub per permettere agli sviluppatori di esaminare i criteri utilizzati e individuare eventuali limiti.
