OpenAI reporta avances con IA en COBOL, expertos dudan

El 19 de octubre, OpenAI aseguró que sus modelos más nuevos dieron un salto sustancial en una de las tareas más difíciles de la ingeniería de software: migrar código COBOL de décadas de antigüedad a lenguajes modernos sin cambiar lo que hace el programa. Su modelo GPT-6.1 Sol alcanzó 87% de precisión en preservación de comportamiento, frente al 5% que marcaba una generación anterior en la misma prueba. Si eso se sostiene, cambia la economía de un problema que le cuesta a la economía estadounidense alrededor de US$105.000 millones al año, según una estimación citada por The Verge.

COBOL (common business-oriented language) nació en 1959. Casi siete décadas después, sigue siendo el pegamento de la banca, los seguros y buena parte del sector público. Entender qué tan lejos está la IA de reemplazarlo es clave si tu startup vende software o servicios a empresas que operan sobre sistemas que nadie se atreve a tocar.

Que anuncio OpenAI y que dicen sus propios numeros

OpenAI publicó que sus modelos más recientes lograron "mejoras sustanciales" al migrar software escrito en lenguajes antiguos hacia código moderno, incluyendo C++, Java, Kotlin, Python y Rust, sin alterar el comportamiento del programa original.

Las cifras que importan, según sus propias pruebas: GPT-6.1 Sol marcó 87% de precisión en preservación de comportamiento con esfuerzo de razonamiento bajo, y subió a 98% al aumentar ese esfuerzo. En el mismo ejercicio, GPT-6 Astra quedó alrededor de 86%, GPT-6 Sol en 21% y GPT-5.6 Sol en apenas 5%.

El detalle metodológico no es menor. OpenAI define el éxito de una migración con una sola condición: "una migración se considera exitosa solo si pasan todas las pruebas". No se premia que el código compile ni que se vea más limpio, sino que haga exactamente lo mismo que el sistema viejo.

Hay letra chica. Estas cifras salen de una evaluación interna de OpenAI, no de un benchmark reproducible por terceros. The New Stack reportó versiones algo distintas de los mismos números (86,6% y 97,9%) y señaló que nadie fuera de la empresa pudo reproducir la prueba, según recogió Online Tech Tips. Un salto de 5% a casi 98% merece una pregunta obvia: ¿de quién es el examen?

Por que el COBOL sigue sosteniendo la infraestructura critica

Según IBM, COBOL es la base de más del 40% de los sistemas bancarios en línea, soporta el 80% de las transacciones presenciales con tarjeta de crédito y maneja el 95% de las operaciones en cajeros automáticos. También está debajo de sistemas de gobierno, desde el Seguro Social hasta el IRS en Estados Unidos.

Una estimación aproximada citada por The Verge sitúa el costo anual de las ineficiencias del COBOL para el PIB estadounidense en unos US$105.000 millones.

El problema no es solo el código. Es la gente. Muchos de los programadores que entendían esos sistemas se jubilaron o murieron, y los que quedan son escasos y caros. Vadim Zaytsev, profesor asociado de evolución de software en la Universidad de Twente, contó a The Verge que el sistema más grande que vio tenía 250 millones de líneas de COBOL, y que "definitivamente no es el más grande del mundo".

No es un fenómeno exclusivo del COBOL. Fortran sigue en uso en computación científica, pronóstico del tiempo y códigos vinculados a la seguridad nuclear.

Anthropic, IBM y el negocio de mantener el codigo viejo

Anthropic vio la oportunidad antes. En febrero publicó un "manual de modernización de código" paso a paso y posicionó a su agente Claude Code como herramienta para migrar COBOL a lenguajes como Java o Python. No presentó benchmarks de desempeño, pero afirmó que "la economía de la modernización de COBOL ha cambiado".

El mercado reaccionó de inmediato. Las acciones de IBM cayeron 13,2% en una jornada, su mayor desplome diario desde el 18 de octubre de 2000, según Economic Times. La lógica es directa: parte de los ingresos de IBM viene de ayudar a empresas a mantener sistemas antiguos.

Anthropic fue más agresiva en su blog: "Modernizar un sistema COBOL requería ejércitos de consultores gastando años mapeando flujos de trabajo. Herramientas como Claude Code pueden automatizar las fases de exploración y análisis que consumen la mayor parte del esfuerzo. Con IA, los equipos pueden modernizar su base de código COBOL en trimestres en vez de años".

El mercado que se disputan no es simbólico. El mercado de modernización de mainframes estaba valorado en US$6.850 millones en 2025 y se espera que llegue a US$16.950 millones en 2035, con un crecimiento anual compuesto de 9,39% entre 2026 y 2035, según el research de SNS Insider difundido por Yahoo Finance. Banca, servicios financieros y seguros concentraban cerca del 32% de ese mercado en 2025.

Que dicen los expertos: reescribir codigo no es reemplazar un sistema

Los especialistas consultados por The Verge no discuten que la IA mejoró. Discuten que eso alcance.

"Reescribir el código no es lo mismo que reemplazar un sistema", dijo Vadim Zaytsev. El código es solo una parte: hay datos en formatos distintos, integraciones técnicas con otros sistemas y expectativas de personas y organizaciones. Su conclusión: "la IA no está jugando un rol importante en este momento en el reemplazo o migración de sistemas COBOL legacy".

Arie van Deursen, profesor de ingeniería de software en la Universidad Tecnológica de Delft, calificó el blog de OpenAI de "superficial". Su punto: el benchmark evalúa una tarea relativamente simple y bien definida, parecida a lo que los modelos ya vieron en entrenamiento, y está "a años luz" de una modernización real. Además, mantener un sistema viejo es mucho más fácil que modernizarlo, y las evaluaciones de OpenAI no abordan la dificultad central: partir un sistema legacy complejo en unidades que puedan reemplazarse una por una.

Alastair Donaldson, profesor de lenguajes de programación en el Imperial College de Londres, apunta a otro lado: "el desafío principal no es entender cómo funciona el sistema". Ese desconocimiento es muy común en sistemas legacy, y hay poquísima gente que sepa programar en esos lenguajes. Su frase resume el estado del arte: "nadie en su sano juicio usaría COBOL para un proyecto nuevo".

Jacopo Mauro, de la Universidad del Sur de Dinamarca, pone la verificación formal sobre la mesa: métodos matemáticos para comprobar automáticamente que el código hace lo que debe. Ya se usan para validar resultados matemáticos generados por IA, pero aplicarlos a código legacy exigiría "una enorme cantidad de trabajo". Mientras tanto, "la verificación humana sigue siendo esencial".

Zaytsev lo cierra con la pregunta que todo equipo debería hacerse antes de presupuestar una migración: "Supón que tienes una varita mágica de IA que maneja el 99% de tu código. ¿Qué haces con el 1% restante? Ese 1% puede ser un millón de líneas de código, disperso por todos lados y fallando de formas que no imaginas en toda tu vida".

Que significa esto para tu startup

La noticia tiene dos lecturas. Si eres founder de una fintech, insurtech o vendes software al sector público en LATAM o España, tus clientes operan sobre sistemas que nadie quiere tocar. Y si vendes servicios de modernización, tu competencia acaba de conseguir un argumento de marketing muy potente.

Pero el titular no cambia la matemática del riesgo. Esto es lo que puedes hacer con esta información:

• Corre tu propio piloto antes de creerle a un proveedor. No firmes un contrato grande sobre la base de un benchmark interno. Elige un módulo pequeño y de bajo riesgo, migra ese fragmento con el modelo y mide preservación de comportamiento con tus propias pruebas, no con las del vendedor.
• Presupuesta la descomposición, no la traducción. El consenso de los expertos es que el trabajo real está en partir el sistema en unidades reemplazables y en construir la infraestructura de verificación. Si tu propuesta de valor es solo "traducimos código con IA", estás compitiendo en la parte fácil y barata del problema.
• Mira el costo real de tokens en proyectos largos. Según el desglose de precios de OpenAI recogido por Online Tech Tips, GPT-6.1 Sol cuesta US$2 por millón de tokens de entrada y US$10 por millón de salida en la tarifa estándar, con entrada en caché a US$0,10 por millón. En una migración, donde el mismo código se reprocesa muchas veces, esa diferencia pesa más que el precio nominal. Y ojo: el modelo todavía no está disponible en los chats normales de ChatGPT, solo vía API y en ChatGPT Work y Codex, según TechCrunch.
• El expertise humano se revaloriza, no desaparece. Quien entienda el sistema viejo pasa de programador a inspector de calidad. Si tienes ese perfil en tu equipo o en tu red de contactos, es un activo, no un costo heredado.

La conclusión práctica es incómoda y valiosa: la IA ya acelera el análisis y el mapeo, que es la fase que consume más esfuerzo. Pero mientras nadie pueda verificar automáticamente el comportamiento de sistemas críticos, el último tramo lo sigue firmando una persona que entiende las reglas de negocio de 1987.

Fuentes

• Can AI help solve the COBOL code crisis? - The Verge
• IBM posts steepest daily drop since 2000 after Anthropic says AI can modernize COBOL - Economic Times
• Mainframe Modernization Market to Reach $16.95 Billion by 2035 - SNS Insider via Yahoo Finance
• OpenAI's GPT-6.1 Sol shows dramatic improvements in legacy code migration including COBOL - Online Tech Tips
• OpenAI launches GPT-6.1 Sol, says it nearly matches GPT-6 Astra and costs less - TechCrunch