Компания OpenAI представила инструмент на базе искусственного интеллекта, предназначенный для автоматического переноса программного кода с языка COBOL на более современные платформы. Согласно опубликованным данным, точность преобразования достигает 97,9 %, что для задачи миграции legacy-систем считается исключительно высоким показателем. Новость появилась на фоне растущего интереса крупных технологических игроков к автоматизации работы с унаследованным кодом, который десятилетиями накапливался в банках, страховых компаниях и государственных структурах. Речь идёт не о простом переписывании синтаксиса, а о попытке решить одну из самых дорогих и рискованных проблем корпоративной ИТ-отрасли. Показательно, что анонс пришёл в тот же новостной поток, где соседствуют сообщения о штрафах Meta, убытках Anthropic и расширении ИИ-инфраструктуры Amazon и Nvidia — то есть на фоне общего обострения конкуренции в сфере генеративного ИИ, где каждая компания ищет свою нишу практического применения моделей.

Ключевая деталь заключается в заявленной точности 97,9 % — этот показатель компания приводит как результат внутренних испытаний системы на реальных массивах кода. COBOL остаётся одним из самых распространённых языков в финансовом секторе: по разным оценкам, на нём до сих пор работают десятки миллиардов строк кода, обслуживающих транзакции, расчёты и банковские операции по всему миру. При этом специалистов, способных поддерживать такие системы, становится всё меньше, а стоимость их найма растёт. Именно поэтому автоматизация перевода с COBOL воспринимается как способ снизить зависимость от узкого круга экспертов и ускорить модернизацию без полной переписи систем вручную. Важно и то, что COBOL создавался в эпоху, когда программы писались под конкретные машины и задачи, поэтому один и тот же фрагмент логики в разных компаниях может выглядеть совершенно по-разному — универсального шаблона для миграции попросту не существует.

С технической точки зрения задача сложнее, чем кажется на первый взгляд. COBOL имеет специфическую структуру, ориентированную на обработку деловых данных, и многие программы писались десятилетиями с многочисленными патчами и нестандартными решениями. ИИ-система должна не просто распознавать синтаксис, но и понимать бизнес-логику, сохранять поведение программы и корректно переносить работу с файлами, базами данных и отчётностью. Заявленная точность 97,9 % означает, что часть кода всё равно требует ручной проверки и доработки, поэтому инструмент скорее сокращает трудозатраты, чем полностью заменяет инженеров. В OpenAI подчёркивают, что система ориентирована на практическое применение в корпоративной среде, где ошибки в расчётах недопустимы. Именно поэтому речь идёт о переносе с сохранением поведения, а не о вольном переписывании: любое отклонение в обработке чисел, округлений или форматов отчётности может обернуться финансовыми потерями для заказчика.

Контекст новости связан с общим трендом на применение больших языковых моделей к программированию. За последние два года инструменты вроде GitHub Copilot и аналогичных ассистентов стали привычными для разработчиков, однако работа с legacy-кодом долгое время оставалась на периферии. Крупные подрядчики и системные интеграторы годами предлагали услуги по миграции с COBOL, но такие проекты растягивались на годы и стоили очень дорого. Появление ИИ-инструмента с высокой точностью может изменить экономику этих проектов и подтолкнуть компании к более активной модернизации, которую раньше откладывали из-за рисков и затрат. При этом важно понимать, что рынок legacy-миграции формировался вокруг доверия к конкретным подрядчикам и проверенным методикам, а генеративная модель — это принципиально иной подход, к которому корпоративные заказчики будут присматриваться осторожно.

Если сравнивать с альтернативами, то большинство существующих инструментов миграции работают по правилам и шаблонам, а не с помощью генеративных моделей. Они требуют тщательной настройки под конкретную систему и плохо справляются с нестандартными конструкциями. Подход OpenAI с обучением на больших объёмах кода выглядит более гибким, но и более непредсказуемым: заявленная точность в 97,9 % всё равно означает, что на масштабе в миллионы строк останутся тысячи потенциально проблемных фрагментов. Кроме того, открытым остаётся вопрос, как система поведёт себя с кодом, содержащим конфиденциальные данные и уникальную бизнес-логику конкретного заказчика. Отдельная проблема — воспроизводимость результата: если один и тот же фрагмент при повторном прогоне переводится по-разному, аудит и приёмка таких работ усложняются, а в банковской сфере любое изменение требует документированной проверки.

Для российского рынка тема имеет двойственное значение. С одной стороны, в банковской и государственной сферах также сохраняются системы на устаревших языках, и автоматизация их перевода могла бы снизить нагрузку на ИТ-подразделения. С другой стороны, доступ к инструментам OpenAI в России ограничен, поэтому прямой эффект новости невелик. Тем не менее сам факт появления подобной технологии стимулирует интерес к отечественным разработкам в области ИИ-ассистентов для программирования и миграции legacy-систем. Российские интеграторы и вендоры уже предлагают свои решения для анализа и перевода унаследованного кода, и появление зарубежного бенчмарка задаёт ориентир для сравнения. Кроме того, на фоне новостей о возвращении в параллельный импорт памяти Samsung и SK hynix и роста рынка малых ЦОД в России видно, что инфраструктурная повестка в стране активна — и запрос на модернизацию унаследованных систем в ней органично вписывается.

Дальнейшее развитие событий будет зависеть от того, насколько охотно компании доверят ИИ миграцию критических систем. Пока неясно, в каком формате OpenAI планирует предоставлять доступ к инструменту — как отдельный продукт, через API или в партнёрстве с интеграторами. Также открыт вопрос сертификации и аудита результатов: в банковской сфере любые изменения требуют проверки регуляторов. Наконец, остаётся неясным, на каких именно наборах кода измерялась точность 97,9 % и насколько эти данные репрезентативны для систем с десятилетиями накопленных патчей. Тем не менее сам факт появления системы с точностью, близкой к 98 %, показывает, что ИИ постепенно берётся за задачи, которые ещё недавно считались уделом исключительно опытных инженеров, и это может заметно ускорить обновление инфраструктуры в ближайшие годы.