شرکت OpenAI اعلام کرده است که مدلهای هوش مصنوعی آنها اکنون توانایی بهتری در کار با زبانهای برنامهنویسی قدیمی مانند COBOL، Fortran و Visual Basic دارند. این زبانها به دلیل کاهش تعداد برنامهنویسان متخصص، به مرور کمتر استفاده میشوند، اما هنوز بخش قابل توجهی از سیستمهای بانکی جهان بر پایه آنها استوار است.
بر اساس گزارش OpenAI، حدود ۴۰ درصد از بانکهای جهان هنوز از سیستمهای مبتنی بر COBOL استفاده میکنند. مهاجرت به زبانهای برنامهنویسی مدرنتر هزینهای میلیونها تا صدها میلیون دلار در بر دارد و زمان زیادی میطلبد. از سوی دیگر، برنامهنویسان متخصص COBOL به تدریج از بازار کار خارج میشوند و بانکها ناچارند در سالهای آینده این مهاجرت را انجام دهند.
OpenAI با دریافت بازخورد از توسعهدهندگان و مشتریان سازمانی، مدلهای خود را برای بهبود عملکرد در زمینه COBOL بهروزرسانی کرده است. این شرکت همچنین مجموعهای به نام MultiLangBench ایجاد کرده که مدلها را در ساخت موتورهای پایگاه داده سازگار با SQLite در زبانهای مختلف آزمایش میکند. مدل GPT-6 Astra توانسته است با میانگین موفقیت ۸۷.۴ درصد در ۲۰ زبان برنامهنویسی، عملکرد بسیار بهتری نسبت به نسخه قبلی GPT-5.6 Sol با ۲۶.۸ درصد موفقیت داشته باشد. البته COBOL همچنان یکی از دشوارترین زبانها برای مدلها است و Astra در این زبان موفقیت ۷۲ درصدی کسب کرده است.
علاوه بر این، OpenAI مدلهای خود را در زمینه مهاجرت برنامههای COBOL به زبانهای مدرنتر مانند C++، Java، Kotlin، Python و Rust نیز ارزیابی کرده است. در این فرآیند، حفظ عملکرد اصلی برنامهها، مانند نحوه گرد کردن اعداد و مدیریت سوابق ناقص، اهمیت زیادی دارد. مدل GPT-6.1 Sol در این زمینه با دقت ۹۷.۹ درصد و تلاش استدلالی بالا بهترین عملکرد را داشته است. حتی در شرایط تلاش استدلالی پایین، دقت آن به ۸۶.۶ درصد میرسد.
OpenAI تأکید کرده است که موفقیت در مهاجرت نرمافزارهای بانکی تنها زمانی تضمین میشود که تمام تستها با موفقیت پشت سر گذاشته شوند، چرا که دقت بالا در این برنامهها حیاتی است. این شرکت همچنین یادآور شده که قابلیتهای حفظ رفتار برنامهها برای تیمهایی که سیستمهای قدیمی را نگهداری و مدرن میکنند بسیار مفید است، اما استفاده از این مدلها در نرمافزارهای تولیدی همچنان نیازمند بازبینی تخصصی و تستهای دقیق بر اساس قوانین کسبوکار و وابستگیهای سیستم است.
