Esta semana, OpenAI ha puesto en primer plano el lenguaje COBOL, tradicionalmente un reto para las herramientas de inteligencia artificial. La compañía ha publicado resultados de pruebas que apuntan a mejoras notables en sus modelos más recientes para migrar programas COBOL y desarrollar software en lenguajes con menos código y documentación disponible.
Según OpenAI, su prueba interna para la migración desde COBOL mostró que GPT-6.1 Sol alcanzó una tasa de precisión del 86,6% con un bajo nivel de razonamiento, un aumento significativo frente al 5,4% conseguido por GPT-5.6 Sol, además de reducir el coste en un 39%. Cuando se aplica un mayor nivel de razonamiento, el modelo más avanzado logra un 97,9% de precisión.
No obstante, estas cifras deben analizarse con cautela, ya que OpenAI no ha divulgado los detalles específicos de su evaluación sobre COBOL, el lenguaje de programación orientado a negocios que aún domina muchos sistemas legacy. En cambio, sí ha hecho público el conjunto de pruebas y metodología denominada MultiLangBench en su repositorio de GitHub. Esta prueba mide la capacidad de los modelos para construir desde cero un motor de base de datos compatible con SQLite usando 20 lenguajes diferentes. 
OpenAI describe estos avances como “mejoras sustanciales en ambas evaluaciones, que ofrecen mayor precisión con menos coste”. Estos resultados podrían representar un gran paso para los equipos que mantienen y actualizan software antiguo, aunque la imposibilidad de explorar los casos de prueba en COBOL pone freno a la validación por parte de la comunidad de desarrolladores.
¿Una nueva esperanza para la modernización del COBOL?
Según OpenAI, la nueva prueba de migración de COBOL evalúa si un modelo puede transformar programas existentes a otros lenguajes manteniendo intacto el comportamiento original. En concreto, las migraciones se prueban en C++, Java, Kotlin, Python y Rust.
Para superar la prueba, cada migración debe pasar un conjunto de test ocultos que exigen una igualdad exacta en la salida observable del programa, byte a byte. Y con una precisión muy superior a sus predecesores, GPT-6.1 Sol demuestra un avance considerable en estas tareas.
Aunque la mejora es llamativa, OpenAI no es la única compañía que aplica IA a la modernización de COBOL. Este lenguaje sigue siendo crucial, especialmente en sectores financieros donde, según IBM, soporta más del 40% de la banca online, el 80% de las transacciones con tarjeta presenciales y el 95% de las operaciones en cajeros automáticos. Sin embargo, representa un objetivo difícil para los modelos de inteligencia artificial debido a la escasez de código y documentación accesibles, y a la reducción de desarrolladores expertos disponibles.
Progresos de la IA en 20 lenguajes distintos
Aparte de las pruebas de migración COBOL, OpenAI ha creado el benchmark MultiLangBench para evaluar la capacidad de sus modelos para construir software complejo desde cero. Este conjuntos de pruebas consiste en desarrollar un motor compatible con SQLite en 20 lenguajes diferentes.
En la prueba, se proporciona una base de datos y una consulta SQL inicial, y el modelo debe generar una base de datos modificada. La implementación oficial de SQLite sirve como referencia para validar si el resultado contiene los datos esperados.
El modelo principal de OpenAI, GPT-6 Astra, alcanzó una tasa media de aciertos del 87,4% en las pruebas con los 20 lenguajes, un salto notable desde el 26,8% que logró GPT-5.6 Sol. Superó el 83% de aciertos en 19 de los 20 lenguajes y mejoró en todos ellos.
Por su parte, GPT-6 Luna, la opción más económica, obtuvo un 40,3% de tasa de éxito, inferior a Astra pero superando claramente a su antecesor GPT-5.6 Sol en cada lenguaje testado y con un coste estimado un 78% menor en la API.
Resultados prometedores, pero con reservas
Aunque los datos del benchmark de migración COBOL y MultiLangBench son alentadores, no reflejan toda la realidad. Según el ranking Real-SWE 1.1, basado en código cerrado, Claude Opus 5.5 lidera con un 56,8% de resolución, mientras que otras pruebas anteriores evidencian diferentes líderes y resultados menores.
Además, la ausencia de acceso público a los casos y conjuntos de prueba específicos para COBOL impide que terceros puedan verificar de forma independiente los avances que declara OpenAI. La empresa afirma que el trabajo fue guiado por los comentarios de desarrolladores y clientes corporativos, pero sin transparencia total, la comunidad permanece cautelosa.
OpenAI reconoce asimismo que la aplicación práctica en entornos productivos requiere revisión experta y pruebas exhaustivas para validar las reglas de negocio y dependencias de cada sistema.
En realidad, OpenAI entra en un terreno donde otras firmas llevan tiempo explorando soluciones. Anthropic, por ejemplo, describió cómo su modelo Claude Code puede asistir en la modernización de COBOL, mientras que Amazon Web Services lanzó agentes de inteligencia artificial para facilitar migraciones de mainframe en 2024.
