COBOL não é o problema: a IA expõe a memória que falta aos bancos

E se a parte mais difícil de tirar um banco do COBOL não for entender COBOL? Os resultados mais recentes da OpenAI sugerem que a barreira da sintaxe finalmente está se tornando negociável. A conclusão mais desconfortável é que o verdadeiro legado dos bancos não é uma linguagem de programação. É um conjunto de decisões, exceções e memória institucional não documentadas, incorporadas a softwares que ninguém mais consegue explicar com segurança.

A OpenAI afirma que seus modelos podem migrar programas COBOL existentes para C++, Java, Kotlin, Python ou Rust preservando seu comportamento. Na avaliação de migração de COBOL da empresa, o GPT-6.1 Sol alcançou 86,6% de precisão com baixo esforço de raciocínio e 97,9% com esforço maior. Como relata a Engadget, uma migração só é considerada bem-sucedida quando todos os testes passam. É um resultado impressionante de benchmark — e um alerta útil contra tratá-lo como sinal verde para sistemas bancários em produção.

A IA está melhorando na tradução, não em decidir o que “correto” significa

O ponto mais forte do trabalho da OpenAI é não definir migração como “o novo código compila”. A empresa testa se o programa reescrito se comporta como o original, incluindo detalhes fáceis de ignorar em uma tradução superficial. A aritmética de ponto fixo do COBOL, por exemplo, descarta casas decimais excedentes, a menos que o arredondamento seja solicitado explicitamente. Uma reescrita que arredonde em vez disso pode funcionar perfeitamente e ainda assim produzir resultados financeiros diferentes.

Essa distinção importa porque o código legado muitas vezes é um registro histórico de políticas de negócio. Uma linha que parece estranha ou obsoleta pode codificar a forma como um sistema lida com um registro ausente, um valor fracionário ou um estado incomum de transação. Nesse contexto, a IA é valiosa não porque moderniza o código, mas porque pode ajudar a revelar e reproduzir comportamentos que os engenheiros não podem se dar ao luxo de reinterpretar casualmente.

Ainda assim, um modelo só consegue preservar o comportamento representado por sua avaliação. O teste da OpenAI usa casos ocultos e paridade byte a byte nas saídas observáveis. Uma instituição real precisa estabelecer se essas saídas são, de fato, as desejadas. Se uma regra foi criada décadas atrás, copiada por vários sistemas e nunca documentada, “corresponder ao sistema antigo” pode preservar um erro com a mesma fidelidade com que preserva um requisito.

O resultado mais importante do benchmark é a lacuna que permanece

A avaliação mais ampla MultiLangBench, da OpenAI, pede que os modelos construam um mecanismo de banco de dados compatível com SQLite em 20 linguagens. O GPT-6 Astra alcançou uma taxa média de aprovação nos testes de 87,4%, contra 26,8% do GPT-5.6 Sol. Ainda assim, COBOL continuou sendo a linguagem mais difícil do teste, com 72,1% para o Astra. O próprio texto da OpenAI apresenta esse resultado como progresso — e ele é. Mas também mostra por que “a IA consegue programar em COBOL” é uma afirmação muito menor do que “a IA consegue modernizar um banco”.

Um benchmark de mecanismo de banco de dados oferece ao modelo um objetivo definido e uma estrutura objetiva de testes. Um banco tem monitores de transações, cronogramas de processamento em lote, armazenamentos de dados, interfaces e dependências operacionais em torno de seus programas. A pesquisa fornecida não estabelece que esses sistemas adjacentes tenham sido migrados, nem mostra que um modelo consiga descobrir de forma independente todas as dependências relevantes.

É aqui que o discurso de vendas se torna menos interessante do que o diagnóstico organizacional. A OpenAI afirma que a documentação pode estar incompleta, que os desenvolvedores originais podem ter saído e que regras de negócio importantes podem existir apenas no código. Esses fatores não são apenas obstáculos para um assistente de IA. São evidências de que a instituição permitiu que seu conhecimento se tornasse inseparável de um artefato executável.

O recurso escasso serão os testes, não o código gerado

A frase mais importante desta história não é a pontuação de 97,9%. É a condição por trás dela: todos os testes precisam passar. Esse padrão transforma a migração em uma questão de evidências. Quais casos devem ser testados? Quais saídas têm importância legal ou financeira? Quais exceções foram intencionais e quais são acidentes que ninguém se atreveu a remover?

Acreditamos que os bancos com conjuntos robustos de testes de regressão serão os que mais se beneficiarão da migração assistida por IA. Eles podem usar modelos para traduzir código, explicar o fluxo de controle, propor documentação e gerar implementações candidatas, enquanto seus testes existentes estabelecem os limites do comportamento aceitável. Instituições com testes fracos enfrentam uma perspectiva mais perigosa: uma reescrita rápida e bem-polida que passa pelas poucas verificações disponíveis e altera silenciosamente os casos que ninguém registrou.

Isso faz da IA menos uma substituta da experiência em COBOL do que um teste de estresse para a disciplina de engenharia. Um modelo pode reduzir o custo de produzir alternativas. Mas não pode, por si só, atribuir responsabilidade por uma mudança no cálculo de juros nem provar que era seguro remover uma exceção não documentada. A OpenAI afirma explicitamente que o uso em produção ainda exige revisão especializada e testes com base nas regras de negócio e nas dependências — uma ressalva que deveria ser tratada como a manchete, não como uma nota de rodapé.

O COBOL pode se tornar um ativo em vez de um estigma

Existe uma tentação de retratar o COBOL como um peso morto à espera de que uma linguagem moderna o resgate. Essa visão é conveniente demais. O COBOL continua valioso justamente porque expressa sistemas que sobreviveram a anos de uso no mundo real. O problema não é a idade da linguagem; é que o conhecimento ao redor dela não foi tornado portátil.

A IA poderia ajudar a mudar esse equilíbrio. Usada com cuidado, ela pode transformar procedimentos opacos em explicações legíveis, identificar lógicas repetidas, mapear comportamentos entre versões e criar casos de teste para revisão. Nesse papel, ela se aproxima mais de uma ferramenta arqueológica do que de um engenheiro autônomo que o substitua: útil para recuperar estruturas, perigosa quando autorizada a declarar a escavação concluída.

Os vencedores não serão os bancos que correrem para eliminar o COBOL. Serão aqueles que usarem projetos de migração para capturar as regras atualmente presas a ele. Nosso veredito é direto: trate os resultados da OpenAI como evidência de que a tradução está ficando mais barata, não de que a modernização esteja resolvida. Antes de mover uma linha de código crítico, construa os testes, documente as exceções e nomeie os responsáveis humanos pelo resultado. O futuro dos softwares bancários pode ser escrito em Python ou Rust — mas sua correção continuará sendo uma conquista social e institucional, não uma simples conversão de sintaxe.