COBOL non è il problema: l’IA svela la memoria mancante delle banche

E se la parte più difficile per liberare una banca dal COBOL non fosse capire il COBOL? Gli ultimi risultati di OpenAI suggeriscono che la barriera della sintassi sta finalmente diventando superabile. La conclusione più scomoda è che la vera eredità del settore bancario non sia un linguaggio di programmazione, ma un insieme di decisioni, eccezioni e conoscenze istituzionali non documentate, incorporate in software che ormai nessuno sa più spiegare con sicurezza.

OpenAI afferma che i suoi modelli possono migrare programmi COBOL esistenti verso C++, Java, Kotlin, Python o Rust mantenendone invariato il comportamento. Nella valutazione di OpenAI sulla migrazione dal COBOL, GPT-6.1 Sol ha raggiunto l’86,6% di accuratezza con un livello ridotto di ragionamento e il 97,9% con un livello più elevato. Come riporta Engadget, una migrazione viene considerata riuscita solo quando tutti i test hanno esito positivo. È un risultato notevole e un utile monito a non considerarlo un via libera per i sistemi bancari in produzione.

L’IA migliora nella traduzione, non nel decidere che cosa significhi «corretto»

Il punto più solido del lavoro di OpenAI è che non definisce la migrazione come «il nuovo codice compila». Verifica invece che il programma riscritto si comporti come quello originale, compresi dettagli facili da perdere in una traduzione superficiale. L’aritmetica a virgola fissa del COBOL, per esempio, elimina le cifre decimali in eccesso a meno che non venga richiesto esplicitamente l’arrotondamento. Una riscrittura che arrotonda anziché troncare può funzionare senza problemi e produrre comunque risultati finanziari diversi.

La distinzione conta perché il codice legacy è spesso una registrazione storica delle politiche aziendali. Una riga che appare scomoda o obsoleta può contenere il modo in cui un sistema gestisce un record mancante, un importo frazionario o uno stato insolito di una transazione. In questo contesto, l’IA è preziosa non perché renda moderno il codice, ma perché può aiutare a portare alla luce e riprodurre comportamenti che gli ingegneri non possono permettersi di reinterpretare con leggerezza.

Tuttavia, un modello può preservare solo il comportamento rappresentato dalla sua valutazione. Il test di OpenAI usa casi nascosti e verifica la corrispondenza byte per byte degli output osservabili. Un’istituzione reale deve stabilire se quegli output siano davvero quelli desiderati. Se una regola è stata creata decenni fa, copiata attraverso diversi sistemi e mai documentata, «corrispondere al vecchio sistema» potrebbe conservare un errore con la stessa fedeltà con cui conserva un requisito.

Il risultato più importante del benchmark è il divario che resta

La valutazione più ampia di OpenAI, MultiLangBench, chiede ai modelli di costruire un motore di database compatibile con SQLite in 20 linguaggi. GPT-6.1 Astra ha raggiunto un tasso medio di superamento dei test dell’87,4%, contro il 26,8% di GPT-5.6 Sol. Eppure il COBOL è rimasto il linguaggio più difficile della prova, con il 72,1% per Astra. Lo stesso documento di OpenAI presenta questo risultato come un progresso, e lo è. Ma mostra anche perché «l’IA sa programmare in COBOL» sia un’affermazione molto più limitata di «l’IA sa modernizzare una banca».

Un benchmark per motori di database offre al modello un obiettivo definito e un sistema di test obiettivo. Una banca ha monitor delle transazioni, pianificazioni dei processi batch, archivi dati, interfacce e dipendenze operative attorno ai propri programmi. La ricerca fornita non dimostra che questi sistemi circostanti siano stati migrati, né mostra che un modello sappia individuare autonomamente ogni dipendenza rilevante.

È qui che il messaggio commerciale diventa meno interessante della diagnosi organizzativa. OpenAI afferma che la documentazione può essere incompleta, che gli sviluppatori originali possono aver lasciato l’azienda e che importanti regole aziendali possono esistere soltanto nel codice. Non sono semplicemente ostacoli per un assistente IA. Sono la prova che l’istituzione ha permesso alla propria conoscenza di diventare inseparabile da un artefatto eseguibile.

La risorsa scarsa saranno i test, non il codice generato

La frase più importante di questa storia non è il punteggio del 97,9%. È la condizione che lo rende possibile: tutti i test devono essere superati. Questo criterio trasforma la migrazione in una questione di prove. Quali casi bisogna testare? Quali output hanno rilevanza legale o finanziaria? Quali eccezioni erano intenzionali e quali sono incidenti che nessuno ha osato eliminare?

Pensiamo che le banche dotate di solide suite di test di regressione saranno quelle che otterranno i maggiori vantaggi dalla migrazione assistita dall’IA. Potranno usare i modelli per tradurre il codice, spiegare il flusso di controllo, proporre documentazione e generare implementazioni candidate, mentre i test già esistenti forniranno un perimetro per il comportamento accettabile. Le istituzioni con test deboli si troveranno davanti a una prospettiva più pericolosa: una riscrittura rapida e rifinita, capace di superare i pochi controlli disponibili e di modificare silenziosamente i casi che nessuno ha mai registrato.

Questo rende l’IA meno un sostituto dell’esperienza sul COBOL e più una prova di tenuta della disciplina ingegneristica. Un modello può ridurre il costo della produzione di alternative. Non può, da solo, attribuire la responsabilità di un calcolo degli interessi modificato o dimostrare che fosse sicuro eliminare un’eccezione non documentata. OpenAI afferma esplicitamente che l’uso in produzione richiede ancora la revisione di esperti e test basati sulle regole aziendali e sulle dipendenze: una precisazione da trattare come il titolo principale, non come una nota a piè di pagina.

Il COBOL potrebbe diventare una risorsa invece che uno stigma

È forte la tentazione di descrivere il COBOL come un peso morto in attesa che un linguaggio moderno lo salvi. È una rappresentazione troppo comoda. Il COBOL è ancora prezioso proprio perché esprime sistemi sopravvissuti per anni all’uso nel mondo reale. Il problema non è che il linguaggio sia vecchio, ma che la conoscenza che lo circonda non sia stata resa trasferibile.

L’IA potrebbe contribuire a cambiare questo equilibrio. Usata con attenzione, può trasformare procedure opache in spiegazioni leggibili, individuare logiche ripetute, mappare il comportamento tra versioni e creare casi di test da sottoporre a revisione. In questo ruolo assomiglia più a uno strumento archeologico che a un ingegnere sostitutivo autonomo: utile per recuperare la struttura, pericoloso se gli si permette di dichiarare concluso lo scavo.

I vincitori non saranno le banche che si affretteranno a cancellare il COBOL. Saranno quelle che useranno i progetti di migrazione per catturare le regole oggi intrappolate al suo interno. Il nostro giudizio è semplice: considerare i risultati di OpenAI come la prova che la traduzione sta diventando meno costosa, non che la modernizzazione sia risolta. Prima di spostare una riga di codice critico, costruisci i test, documenta le eccezioni e indica le persone responsabili del risultato. Il futuro del software bancario potrebbe essere scritto in Python o Rust, ma la sua correttezza resterà comunque una conquista sociale e istituzionale, non una semplice conversione di sintassi.