COBOL no es el problema: la IA deja al descubierto la memoria perdida de la banca

¿Y si lo más difícil para que un banco abandone COBOL no fuera entender COBOL? Los últimos resultados de OpenAI sugieren que la barrera de la sintaxis por fin empieza a ser negociable. La conclusión más incómoda es que el verdadero legado de la banca no es un lenguaje de programación. Es un conjunto de decisiones, excepciones y memoria institucional sin documentar, incrustado en un software que ya nadie puede explicar con seguridad.

OpenAI afirma que sus modelos pueden migrar programas COBOL existentes a C++, Java, Kotlin, Python o Rust conservando su comportamiento. En la evaluación de migración de COBOL de la compañía, GPT-6.1 Sol alcanzó una precisión del 86,6 % con un esfuerzo de razonamiento bajo y del 97,9 % con un esfuerzo mayor. Como informa Engadget, una migración solo cuenta como satisfactoria cuando todas las pruebas pasan. Es un resultado impresionante de la evaluación y una advertencia útil contra la tentación de interpretarlo como luz verde para los sistemas bancarios en producción.

La IA mejora al traducir, no al decidir qué significa «correcto»

Lo más sólido del trabajo de OpenAI es que no define la migración como «el código nuevo compila». Comprueba si el programa reescrito se comporta como el original, incluidos detalles fáciles de pasar por alto en una traducción superficial. La aritmética de punto fijo de COBOL, por ejemplo, descarta los decimales sobrantes salvo que se solicite explícitamente el redondeo. Una reescritura que redondee en su lugar puede funcionar a la perfección y, aun así, producir resultados financieros distintos.

Esa distinción importa porque el código heredado suele ser un registro histórico de la política de negocio. Una línea que parece torpe u obsoleta puede codificar cómo gestiona un sistema un registro ausente, una cantidad fraccionaria o un estado de transacción inusual. En este contexto, la IA resulta valiosa no porque modernice el código, sino porque puede ayudar a dejar al descubierto y reproducir comportamientos que los ingenieros no pueden permitirse reinterpretar a la ligera.

Aun así, un modelo solo puede conservar el comportamiento representado por su evaluación. La prueba de OpenAI utiliza casos ocultos y exige paridad byte a byte en las salidas observables. Una institución real debe determinar si esas salidas son, en sí mismas, las que desea. Si una regla se creó hace décadas, se copió en varios sistemas y nunca se documentó, «coincidir con el sistema antiguo» puede conservar un error con la misma fidelidad con la que conserva un requisito.

El resultado más importante de la evaluación es la brecha que queda

La evaluación más amplia de OpenAI, MultiLangBench, pide a los modelos construir un motor de bases de datos compatible con SQLite en 20 lenguajes. GPT-6 Astra alcanzó una tasa media de pruebas superadas del 87,4 %, frente al 26,8 % de GPT-5.6 Sol. Sin embargo, COBOL siguió siendo el lenguaje más difícil de la prueba, con un 72,1 % para Astra. El propio análisis de OpenAI presenta ese resultado como un avance, y lo es. Pero también muestra por qué «la IA puede programar en COBOL» es una afirmación mucho más limitada que «la IA puede modernizar un banco».

Una evaluación de un motor de bases de datos ofrece al modelo un objetivo definido y un sistema de pruebas objetivo. Un banco tiene sistemas de monitorización de transacciones, calendarios de procesos por lotes, almacenes de datos, interfaces y dependencias operativas alrededor de sus programas. La investigación facilitada no demuestra que esos sistemas periféricos se hayan migrado, ni que un modelo pueda descubrir por sí solo todas las dependencias relevantes.

Aquí es donde el discurso comercial resulta menos interesante que el diagnóstico organizativo. OpenAI afirma que la documentación puede estar incompleta, que los desarrolladores originales pueden haberse marchado y que reglas de negocio importantes pueden existir únicamente en el código. No son solo obstáculos para un asistente de IA. Son pruebas de que la institución ha permitido que su conocimiento se vuelva inseparable de un artefacto ejecutable.

El recurso escaso serán las pruebas, no el código generado

La frase más trascendental de esta historia no es la puntuación del 97,9 %. Es la condición que hay detrás: todas las pruebas deben pasar. Ese criterio convierte la migración en una cuestión de evidencias. ¿Qué casos deben probarse? ¿Qué resultados son relevantes desde el punto de vista legal o financiero? ¿Qué excepciones fueron intencionadas y cuáles son accidentes que nadie se ha atrevido a eliminar?

Creemos que los bancos con buenas baterías de pruebas de regresión serán los que más partido saquen de la migración asistida por IA. Pueden utilizar modelos para traducir código, explicar el flujo de control, proponer documentación y generar implementaciones candidatas, mientras que sus pruebas existentes delimitan el comportamiento aceptable. Las instituciones con pruebas deficientes se enfrentan a una perspectiva más peligrosa: una reescritura rápida y pulida que supere las comprobaciones limitadas disponibles y cambie silenciosamente los casos que nadie registró.

Eso convierte a la IA menos en un sustituto de la experiencia en COBOL que en una prueba de estrés para la disciplina de ingeniería. Un modelo puede reducir el coste de producir alternativas. No puede, por sí solo, asignar responsabilidades ante un cambio en el cálculo de intereses ni demostrar que una excepción sin documentar se podía eliminar sin riesgo. OpenAI afirma explícitamente que el uso en producción sigue requiriendo revisión experta y pruebas frente a las reglas de negocio y las dependencias, una salvedad que debería tratarse como el titular, no como una nota al pie.

COBOL podría convertirse en un activo en lugar de un estigma

Existe la tentación de presentar COBOL como un lastre que espera a que un lenguaje moderno venga a rescatarlo. Es una visión demasiado conveniente. COBOL sigue siendo valioso precisamente porque expresa sistemas que han sobrevivido años de uso en el mundo real. El problema no es que el lenguaje sea antiguo, sino que el conocimiento que lo rodea no se ha hecho portable.

La IA podría ayudar a cambiar ese equilibrio. Utilizada con cuidado, puede convertir procedimientos opacos en explicaciones legibles, identificar lógica repetida, trazar el comportamiento entre versiones y crear casos de prueba para su revisión. En ese papel, se parece más a una herramienta arqueológica que a un ingeniero autónomo que lo sustituya: resulta útil para recuperar estructuras, pero es peligrosa si se le permite declarar terminada la excavación.

Los ganadores no serán los bancos que se apresuren a borrar COBOL. Serán los que utilicen los proyectos de migración para capturar las reglas que ahora están atrapadas en él. Nuestro veredicto es sencillo: consideremos los resultados de OpenAI como una prueba de que traducir es cada vez más barato, no de que la modernización esté resuelta. Antes de mover una sola línea de código crítico, hay que crear las pruebas, documentar las excepciones y nombrar a las personas responsables del resultado. El futuro del software bancario puede escribirse en Python o Rust, pero su corrección seguirá siendo un logro social e institucional, no una simple conversión de sintaxis.