OpenAI ha annunciato che i suoi nuovi modelli hanno prodotto risultati significativamente superiori nei test per la migrazione di software scritti in vecchi linguaggi di programmazione verso linguaggi moderni. Il modello GPT-6.1 Sol dell'azienda ha raggiunto un tasso di precisione del 97,9% nella valutazione che misura la conversione di vecchi programmi COBOL.
La modernizzazione del codice è particolarmente importante per settori critici come quello bancario e finanziario. Non è sufficiente tradurre semplicemente i vecchi sistemi utilizzati in questi ambiti in un nuovo linguaggio; è necessario preservare anche i calcoli, le regole aziendali e il comportamento dell'applicazione. In caso contrario, anche se il nuovo software dovesse funzionare, potrebbe sorgere il rischio di produrre risultati diversi nelle transazioni finanziarie.
LA DIFFICOLTÀ NEI VECCHI CODICI È PRESERVARE IL COMPORTAMENTO
Il COBOL è ancora ampiamente utilizzato nelle infrastrutture finanziarie. Secondo le stime di IBM, il COBOL supporta oltre il 40% dei sistemi bancari online, l'80% delle transazioni con carta di credito di persona e il 95% delle operazioni agli sportelli bancomat.
Tra i motivi che rendono difficile la conversione in questo tipo di sistemi vi sono la mancanza di documentazione tecnica pregressa e il fatto che alcune regole aziendali fondamentali si trovino esclusivamente all'interno del codice esistente. Ad esempio, in COBOL, comportamenti come il troncamento delle cifre in eccesso nei decimali quando non viene fornita un'istruzione esplicita di arrotondamento possono influenzare direttamente i risultati dei calcoli.
La valutazione di OpenAI misura se i programmi convertiti, dopo il trasferimento di vecchi programmi COBOL in linguaggi come C++, Java, Kotlin, Python o Rust, mostrano lo stesso comportamento del software originale. Per essere considerati superati nei test, i nuovi codici devono superare test nascosti e i loro output osservabili devono essere compatibili con la versione originale.
AUMENTO ANCHE NEL TEST MULTILANGBENCH
L'azienda ha testato i suoi modelli anche in una valutazione separata chiamata MultiLangBench. Questo test misura la capacità dei modelli di sviluppare un motore di database compatibile con SQLite utilizzando 20 diversi linguaggi di programmazione.
Secondo i risultati di MultiLangBench, GPT-6 Astra ha raggiunto un tasso di successo medio dell'87,4%. Nel modello GPT-5.6 Sol, lo stesso tasso era al 26,8%. In base ai dati condivisi da OpenAI, Astra ha registrato prestazioni migliori rispetto al modello precedente in tutti i 20 linguaggi di programmazione valutati.
Ha attirato l'attenzione anche l'aumento nei vecchi linguaggi di programmazione. In Fortran, il tasso di successo è passato dal 21,4% all'83,5%, mentre in Visual Basic è salito dal 27,5% all'89,4%. In COBOL, che continua a essere l'opzione più impegnativa tra i linguaggi testati, il tasso di successo di GPT-6 Astra è aumentato dal 10,9% al 72,1%.
I risultati di OpenAI indicano che la conversione del codice supportata dall'intelligenza artificiale potrebbe diventare uno strumento più potente nel rinnovamento dei vecchi software aziendali. Tuttavia, in settori critici come la finanza, la sicurezza e il calcolo scientifico, la conversione non deve limitarsi alla sola traduzione automatica, ma deve essere supportata da processi di convalida completi.
Fonte della notizia: 12punto
