Cuatro décadas de deuda tecnológica acumulada en la banca global están encontrando una vía de salida concreta. Aproximadamente el 40% de los bancos a nivel mundial aún opera sobre sistemas escritos en COBOL, un lenguaje de programación cuya comunidad de especialistas activos se reduce cada año por jubilaciones y falta de relevo generacional. Migrar esos sistemas a lenguajes modernos —C++, Java, Python, Kotlin o Rust— representa inversiones que van de millones a cientos de millones de dólares, además de plazos de ejecución que pueden extenderse por años.

Ese contexto explica por qué OpenAI ha orientado parte de su desarrollo hacia las capacidades de sus modelos en lenguajes de programación heredados. La compañía desarrolló una suite de evaluación propia llamada MultiLangBench, diseñada para medir qué tan bien un modelo puede construir motores de base de datos compatibles con SQLite en un lenguaje específico. Los resultados muestran una brecha significativa entre generaciones de modelos: mientras GPT-5.6 Sol alcanzó una tasa de aprobación promedio del 26.8% en 20 lenguajes, su sucesor GPT-6 Astra llegó al 87.4%. En COBOL específicamente, Astra registró un 72% de aprobación, lo que lo posiciona como el lenguaje más complejo dentro del benchmark.

El reto real: preservar el comportamiento, no solo traducir el código

La migración de sistemas bancarios no es un ejercicio de traducción sintáctica. Los programas COBOL que gestionan operaciones financieras críticas tienen comportamientos muy específicos: la forma en que redondean decimales, cómo manejan registros faltantes o cómo procesan excepciones define si una transacción es correcta o no. Replicar esa lógica en un lenguaje moderno sin alterar el resultado es el verdadero desafío técnico.

En pruebas de migración de COBOL hacia lenguajes contemporáneos, el modelo GPT-6.1 Sol alcanzó una precisión del 97.9% bajo configuración de alto razonamiento, y del 86.6% en modo de razonamiento estándar. OpenAI establece como criterio de éxito que "todos los tests pasen", reconociendo que en software financiero no existe margen para comportamientos aproximados.

Implicaciones para la modernización de infraestructura crítica

La capacidad de un modelo para preservar el comportamiento exacto de un sistema heredado antes de migrarlo tiene implicaciones directas sobre el riesgo operativo de cualquier institución financiera que enfrente este proceso. Reduce la dependencia de especialistas escasos, acorta los ciclos de análisis y documentación, y permite ejecutar pruebas de regresión a una escala que sería inviable de forma manual.

Sin embargo, OpenAI advierte que estas capacidades no eliminan la necesidad de revisión experta. La aplicación en software de producción sigue requiriendo validación rigurosa de reglas de negocio y dependencias del sistema. Lo que cambia es el punto de partida: en lugar de comenzar desde cero, los equipos técnicos reciben una base migrada con alta fidelidad que pueden auditar, ajustar y certificar. Eso transforma la naturaleza del trabajo —de construcción a verificación— y puede comprimir significativamente los plazos de proyectos que históricamente se han medido en años.