Qué anunció OpenAI y por qué el COBOL sigue siendo crítico
OpenAI publicó en su blog que sus modelos de IA mejoraron de forma notable en lenguajes que casi nadie elige ya para empezar un proyecto: COBOL, Fortran, OCaml y Visual Basic. La razón es simple: según IBM, COBOL sostiene más del 40% de los sistemas bancarios en línea y el 95% de las transacciones en cajeros automáticos, como recogió The Decoder. Y CryptoBriefing cifra en unos 800.000 millones las líneas de COBOL que siguen en producción.
El problema no es que ese código esté viejo. Es que casi nadie sabe leerlo. La edad media del programador de COBOL está entre los 55 y los 58 años, y alrededor del 10% de esa fuerza laboral se jubila cada año, según un análisis publicado por Forbes en junio de 2026. SiliconANGLE cita además una estimación según la cual el 90% de los ingenieros de COBOL actuales se habrá retirado en los próximos cinco a diez años.
Para un founder, eso no es una curiosidad histórica: es el tipo de riesgo operativo que aparece de golpe cuando el sistema que procesa los pagos de tu empresa depende de un código que nadie en tu equipo puede modificar.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasMultiLangBench: cómo se mide si un modelo entiende COBOL
OpenAI no se limitó a decir que mejoró. Construyó MultiLangBench, una prueba en la que la IA debe levantar desde cero un motor de base de datos compatible con SQLite en 20 lenguajes distintos. Los archivos de base de datos funcionan como interfaz compartida: el modelo recibe una base y una consulta SQL, devuelve la base modificada, y la implementación de referencia de SQLite verifica si el contenido coincide, según Developer Tech.
La compañía publicó el benchmark en GitHub para que cualquier desarrollador revise la metodología y el rendimiento por lenguaje. OpenAI compartió la actualización el 19 de octubre, según blockchain.news.
Los números: COBOL pasa del 10,9% al 72,1%
Según los datos recogidos por Hipertextual, el salto entre generaciones es grande:
- GPT-6 Astra alcanzó una tasa media de éxito del 87,4% en MultiLangBench, frente al 26,8% de GPT-5.6 Sol.
- En COBOL, Astra pasó del 10,9% al 72,1%.
- En Fortran, del 21,4% al 83,5%.
- En Visual Basic, la tasa se acercó al 90%.
Developer Tech detalla el resto de la tabla: Visual Basic subió del 27,5% al 89,4% y OCaml del 25,6% al 85,8%. Con el máximo esfuerzo de razonamiento, Astra supera el 83% en 19 de los 20 lenguajes evaluados, y COBOL sigue siendo el más duro, con ese 72%.
También hay una versión económica: GPT-6 Luna promedia un 40,3% de éxito, con un costo estimado de US$0,77 por muestra frente a los US$3,48 de GPT-5.6 Sol, un 78% menos, siempre según Developer Tech.
Migrar sin romper nada: la prueba de paridad byte por byte
La segunda evaluación es la que de verdad importa para una empresa: migrar programas COBOL a C++, Java, Kotlin, Python o Rust manteniendo el comportamiento original. Las pruebas son ocultas y exigen paridad byte por byte en las salidas observables. Una migración solo cuenta como exitosa si pasan todas las pruebas.
GPT-6.1 Sol logró un 86,6% de precisión con bajo esfuerzo de razonamiento y 97,9% cuando se le permitió un proceso más exhaustivo. Developer Tech precisa que, en el mismo ajuste de razonamiento, el salto es de un 5,4% de GPT-5.6 Sol a ese 86,6%, y con un costo 39% menor.
El detalle que explica por qué esto es difícil: la aritmética de punto fijo de COBOL descarta los dígitos decimales sobrantes salvo que se pida el redondeo de forma explícita. Un comportamiento así, enterrado en miles de líneas sin documentar, es exactamente lo que rompe una migración mal hecha.
OpenAI aclara que el uso en producción sigue requiriendo revisión experta y pruebas contra reglas de negocio y dependencias, y que las cifras publicadas miden tasas de aprobación en pruebas definidas, no resultados de despliegue real, según Developer Tech.
¿Qué significa esto para tu startup?
Hay tres lecturas concretas.
La barrera de entrada bajó, pero no desapareció. Antes, migrar un sistema legacy exigía encontrar a alguien que supiera COBOL, un perfil caro y en extinción. Ahora puedes usar un modelo para leer, documentar y traducir. Lo que no cambia es la verificación: en industrias reguladas, un cambio mínimo de comportamiento puede convertirse en un problema de cumplimiento. La herramienta acelera; el criterio sigue siendo humano.
Si vendes software a banca, seguros o gobierno en LATAM o España, esto es una línea de producto. El mercado de modernización legacy lleva años creciendo y hasta el 70% de los presupuestos de TI de muchas empresas se consume en mantenimiento en lugar de innovación, según Forbes. Un proveedor que llegue con una propuesta de migración asistida por IA, con pruebas de paridad incluidas, tiene un argumento comercial que antes no existía.
Empieza por el inventario, no por la herramienta. Antes de elegir un modelo, mapea qué sistemas críticos dependen de lenguajes que nadie en tu equipo domina.
Acciones que puedes ejecutar esta semana:
- Haz un inventario de deuda legacy: lista los sistemas en producción escritos en COBOL, Fortran, Visual Basic u OCaml, quién los mantiene y qué pasaría si esa persona se va.
- Construye primero la suite de pruebas de paridad, no la migración. Usa el modelo para generar casos de prueba y documentación del código existente; si no puedes demostrar que el comportamiento se conserva byte por byte, no migres.
- Adopta un enfoque incremental en lugar de un reemplazo total. El patrón de «strangler fig» — envolver los componentes legacy con APIs modernas y reemplazarlos por partes — reduce el riesgo de que un solo cambio tire abajo un servicio crítico, como recomienda el análisis de Forbes.
- Mide el costo por tarea, no solo la precisión. La diferencia de US$0,77 a US$3,48 por muestra entre modelos, según Developer Tech, cambia por completo la economía de un proyecto que debe procesar miles de archivos.
El mercado que se está moviendo
OpenAI no está solo. Anthropic publicó actualizaciones relacionadas con COBOL en febrero de 2026 e IBM ofrece watsonx Code Assistant, una herramienta diseñada para traducir COBOL a Java; las acciones de IBM cayeron cerca de un 13% después de los anuncios de Anthropic, según CryptoBriefing.
También hay startups atacando el problema. Hypercubic, fundada por ex ingenieros de Apple, levantó US$5,3 millones en una ronda seed liderada por CIV, con participación de Y Combinator, Afore Capital, Pioneer Fund y Multimodal Investors, además de ángeles como Kaz Nejatian y Venky Harinarayan. La compañía ya trabaja con uno de los bancos más grandes de Latinoamérica y con un retailer del Caribe que atiende a más de 50 millones de clientes al año, según SiliconANGLE.
Ese es el dato que más debería interesar a un founder de la región: la modernización de sistemas legacy ya tiene clientes reales en LATAM, no solo en Wall Street.
Conclusión
Que ChatGPT sepa COBOL no es una anécdota técnica. Es la señal de que el cuello de botella de la modernización dejó de ser «no encuentro programadores» y pasó a ser «no puedo demostrar que el sistema sigue comportándose igual». Para tu startup, la oportunidad está en ese segundo problema: pruebas, documentación y verificación de paridad son ahora el servicio más valioso de la cadena. Y si tu propio negocio corre sobre código que nadie entiende, el momento de mapearlo es antes de que se jubile la última persona que sabe tocarlo.
Fuentes
- Hipertextual (fuente original)
- Developer Tech
- The Decoder
- blockchain.news
- CryptoBriefing
- Forbes
- SiliconANGLE
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
