El desafío tecnológico de los sistemas heredados
Cuando se habla de los avances recientes en inteligencia artificial y desarrollo de software, la atención suele centrarse en plataformas modernas basadas en Python o JavaScript. Sin embargo, los cimientos de la infraestructura digital contemporánea dependen todavía de tecnologías con décadas de antigüedad. Diversas instituciones bancarias y organismos gubernamentales operan con software diseñado en épocas pasadas, lo que motivó a OpenAI a capacitar a ChatGPT para interactuar con estos códigos veteranos.
Mediante un comunicado oficial en su blog corporativo, la organización tecnológica reveló que sus algoritmos han experimentado una evolución drástica en el manejo de herramientas informáticas en desuso. Estándares como COBOL, Fortran, OCaml y Visual Basic continúan sosteniendo operaciones críticas a nivel global a pesar de recibir menor atención mediática. Por esta razón, OpenAI entrenó a sus modelos para programar y migrar código en estos lenguajes.
Evaluación de rendimiento y pruebas estandarizadas
Para cuantificar este progreso, los ingenieros de la compañía diseñaron un entorno de evaluación denominado MultiLangBench, el cual exige al sistema la construcción de un motor compatible con SQLite utilizando 20 lenguajes de programación distintos. Adicionalmente, se implementó un banco de pruebas enfocado en la transición de COBOL, diseñado para comprobar si el software es capaz de trasladar desarrollos antiguos hacia arquitecturas actuales sin alterar su desempeño original.
Los informes iniciales indican que GPT-6 Astra logró una tasa media de éxito del 87,4% en el banco multilingüe, un incremento sustancial frente al 26,8% obtenido por su predecesor, GPT‑5.6 Sol. En lo que respecta a COBOL, el rendimiento escaló del 10,9% al 72,1%, mientras que en Fortran el porcentaje aumentó del 21,4% al 83,5%. En cuanto a Visual Basic, la tecnología alcanzó una efectividad cercana al 90%, evidenciando que ChatGPT puede comprender este lenguaje con total soltura.
La transformación digital de aplicaciones complejas
Más allá de las métricas cuantitativas, el verdadero desafío consistía en transformar plataformas informáticas obsoletas. Esta tarea representa uno de los mayores obstáculos para las corporaciones actuales, las cuales deben sostener programas escritos hace más de treinta años. En múltiples escenarios, los creadores originales ya no forman parte de las empresas y la documentación se encuentra extraviada, elevando considerablemente los gastos operativos.
Al momento de migrar una aplicación de COBOL a lenguajes como C++, Java, Kotlin, Python o Rust preservando intacta su funcionalidad, la variante GPT-6.1 Sol alcanzó una efectividad del 86,6% utilizando un nivel mínimo de razonamiento. Cuando se habilitaron procesos analíticos más profundos, la plataforma alcanzó una precisión del 97,9%.
“Para comprobar si estos comportamientos se conservan, evaluamos nuestros modelos en pruebas ocultas que requieren paridad byte por byte en salidas observables”, mencionó la compañía. “Una migración solo se considera exitosa si todas las pruebas pasan”.
Estos avances abren la puerta para que la inteligencia artificial funcione como un catalizador en la actualización de infraestructuras tecnológicas heredadas. Al superar la simple corrección de errores o la redacción de fragmentos aislados, los modelos actuales facilitan que las nuevas generaciones de desarrolladores rescaten y adapten sistemas informáticos fundamentales sin la necesidad de dominar códigos vetustos.
About the Author
