En muchas empresas medianas, los procesos centrales se ejecutan sobre software más antiguo que las empleadas y empleados que lo manejan. Cálculo de nóminas, gestión de almacenes, lógica de facturación: a menudo la lógica de negocio real reside en programas COBOL, cálculos en Fortran o aplicaciones en Visual Basic que han crecido durante décadas. Rara vez existe documentación, y los desarrolladores originales generalmente ya no están en la empresa.
Precisamente en este punto interviene un desarrollo reciente en OpenAI. La empresa ha optimizado sus modelos más recientes específicamente para lenguajes de programación para los que, en comparación con Python o JavaScript, hay poco material de entrenamiento disponible públicamente.
Las cifras reportadas
OpenAI hace referencia a un nuevo benchmark llamado MultiLangBench, que abarca más de 20 lenguajes de programación. Un benchmark es una prueba estandarizada que permite comparar modelos entre sí. Según los datos, GPT-6 Astra alcanza allí una tasa de aprobación de pruebas del 87,4 por ciento, mientras que el anterior GPT-5.6 Sol llegó al 26,8 por ciento.
Para la migración de COBOL en particular, OpenAI menciona una precisión de hasta el 97,9 por ciento para GPT-6.1 Sol. Este es un valor interesante especialmente en lo que respecta a la infraestructura financiera, ya que allí se encuentra una gran parte de los sistemas COBOL utilizados en todo el mundo.
Como contextualización: los valores de benchmark son valores de laboratorio. Indican qué tan bien se desempeña un modelo bajo condiciones de prueba definidas, no qué tan bien traduce una aplicación especializada concreta que ha crecido durante más de 30 años con casos especiales no documentados. Sin embargo, el salto de menos del 30 al más del 85 por ciento es lo suficientemente grande como para replantear la cuestión del uso en proyectos reales.
Por qué los lenguajes antiguos son difíciles para los modelos de IA
Los modelos de lenguaje aprenden de texto. Cuanto más código de un lenguaje está disponible públicamente, mejor dominan los modelos sus idiomas, patrones de error y convenciones. En COBOL, Fortran y Visual Basic la situación es la inversa: la mayor parte del código productivo se encuentra en entornos empresariales cerrados y no aparece en repositorios públicos.
A ello se suma que estos lenguajes a menudo están estrechamente entrelazados con la plataforma en la que se ejecutan. Un programa COBOL accede a formatos de archivo, monitores de transacciones o accesos a bases de datos que ya no existen de esa forma en un entorno de servicios moderno. Una mera traducción del lenguaje no resuelve este problema.
Qué abarca realmente una migración
Quien reemplaza una aplicación heredada rara vez se enfrenta a una tarea de mera traducción. Típicamente surgen varios paquetes de trabajo:
- Inventario: ¿Qué programas siguen funcionando realmente, cuáles están efectivamente muertos? En sistemas que han crecido, esta no es una pregunta trivial.
- Reconstruir la lógica de negocio: ¿Qué hace el código y por qué? Aquí un modelo puede prestar buenos servicios al convertir rutinas no documentadas en descripciones comprensibles.
- Definir la arquitectura objetivo: ¿Reconstruir el monolito uno a uno o dividirlo en servicios? Esta decisión no la toma ningún modelo.
- Interfaces y datos: Los formatos de datos, conjuntos de caracteres y estructuras de registros del mundo antiguo deben mapearse correctamente.
- Cobertura de pruebas: Sin pruebas sólidas no se puede demostrar que la nueva implementación hace lo mismo que la antigua.
La verdadera oportunidad de la nueva generación de modelos reside menos en la migración automática completa que en la aceleración de estos trabajos previos. Hacer legible el código, mapear dependencias y derivar casos de prueba a partir del comportamiento existente son tareas en las que un modelo potente puede acortar semanas de análisis manual.
Riesgos que permanecen
Una precisión de casi el 98 por ciento suena tranquilizador, pero no lo es automáticamente. En una lógica de facturación, dos por ciento de casos divergentes puede significar que en cada quincuagésima operación se genere un importe incorrecto. Por eso es decisivo cómo se detectan las divergencias, no con qué frecuencia ocurren.
Es practicable un procedimiento en el que el sistema antiguo y el nuevo se ejecuten en paralelo durante un tiempo y sus resultados se comparen de forma automatizada. Solo cuando no aparezcan divergencias durante un período relevante se realiza el cambio. Este principio es más antiguo que la migración asistida por IA, pero se vuelve más importante gracias a ella, porque se genera más código en menos tiempo.
Un segundo punto es la confidencialidad. El código legacy a menudo contiene secretos comerciales, lógicas de precios o datos de clientes en conjuntos de datos de prueba. Quien entrega dicho código a un servicio externo necesita una regulación clara sobre dónde se procesa y qué sucede con los datos.
Paso a paso en lugar de big bang
El error más común en los proyectos de modernización es intentar reemplazarlo todo de una vez. Más realista es un procedimiento en el que áreas funcionales individuales se extraen sucesivamente y se conectan al sistema antiguo a través de interfaces definidas. El sistema antiguo se reduce así a lo largo de meses, en lugar de apagarse en una fecha límite.
Mejores modelos desplazan en este panorama sobre todo el esfuerzo por paso. Lo que hasta ahora fracasaba por falta de conocimiento sobre el código antiguo se vuelve más planificable.
Contextualización para proyectos web y de software
Para proyectos que deben conectar una aplicación especializada heredada a una interfaz web moderna o a servicios, la barrera de entrada disminuye notablemente: el código antiguo se puede comprender y documentar más rápido antes de escribir siquiera una línea nueva. Sin embargo, las decisiones de arquitectura, la disciplina de pruebas y la aceptación funcional permanecen sin cambios bajo responsabilidad humana.
Quien planee una modernización debería, por tanto, prever las nuevas herramientas como aceleradores del análisis y de la configuración de pruebas, no como sustituto de un proyecto de migración bien delimitado.