Банки живут на старом коде. Зачем ИИ учат работать с COBOL

Подготовлено RD analytics

На телефоне — современное банковское приложение. За ним — система, части которой могут работать десятилетиями. Клиент видит новый интерфейс, а его операции могут обрабатываться кодом на COBOL — языке программирования, появившемся в 1959 году.

По оценке OpenAI, COBOL используется более чем в 40% систем онлайн-банкинга, обеспечивает 80% операций с банковскими картами при личном обслуживании и 95% операций в банкоматах. Эти цифры показывают масштаб технологического наследия, которое продолжает обслуживать финансовую инфраструктуру.

Многие такие программы работают на мейнфреймах — мощных компьютерах, рассчитанных на обработку больших объёмов транзакций. Вокруг них сформировались сложные системы расчётов, пакетной обработки данных и обмена информацией с другими приложениями.

Современные сервисы можно создавать вокруг этой основы. Но когда изменения затрагивают сами расчёты и обработку операций, приходится обращаться к старому коду.

Почему его сложно заменить

COBOL способен выполнять финансовые расчёты и обрабатывать большие объёмы операций. Проблема возникает, когда накопленную систему нужно существенно изменить.

Представьте старый кредитный продукт: условия менялись, для отдельных договоров действовали исключения, а правила их обработки закреплялись в коде и были связаны с данными в базе. При переносе нужно разобраться, какие решения по-прежнему необходимы и как они влияют на результат.

Даже миллионы строк переписанного кода сами по себе не доказывают успешность модернизации. Важно, чтобы система правильно начисляла проценты, проводила платежи и взаимодействовала с остальными программами.

Отсюда стоимость и риск таких проектов. Новый интерфейс можно показать клиенту быстро. Обновление расчётной основы требует гораздо более глубокой работы.

Что сделала OpenAI

19 октября 2026 года OpenAI представила результаты тестирования моделей на языках программирования, для которых доступно меньше кода и документации, чем для Python или JavaScript.

Одно из испытаний проверяет перенос программ с COBOL на C++, Java, Kotlin, Python или Rust с сохранением исходного поведения.

GPT-6.1 Sol успешно выполнила 86,6% заданий при низком уровне рассуждений против 5,4% у GPT-5.6 Sol. При более высоком уровне рассуждений результат GPT-6.1 Sol достиг 97,9%.

Задание засчитывали только после прохождения всех скрытых проверок: наблюдаемые выходные данные должны были совпадать с оригиналом байт в байт.

Для финансовых программ такая точность принципиальна. Например, COBOL при работе с числами фиксированной точности отбрасывает лишние десятичные знаки, если явно не задано округление. Если при переносе изменить это поведение, программа может запускаться без ошибок, но выдавать другие финансовые результаты.

Второе испытание, MultiLangBench, проверяет создание совместимого с SQLite движка базы данных с нуля на 20 языках программирования. Средняя доля пройденных проверок GPT-6 Astra составила 87,4% против 26,8% у GPT-5.6 Sol. Для COBOL показатель GPT-6 Astra вырос с 10,9% до 72,1%. Несмотря на прогресс, COBOL остался самым сложным из 20 языков теста.

Эти испытания проверяют разные навыки: первое — сохранение поведения существующих программ при переносе, второе — создание нового программного обеспечения.

Что это меняет для бизнеса

ИИ может облегчить перенос программ, которые компаниям трудно обновлять из-за накопленной сложности. Для банков с долгой историей автоматизации это потенциальная возможность постепенно модернизировать основу своих систем.

Но есть важное ограничение: результаты опубликованы самой OpenAI. Компания открыла тестовый набор MultiLangBench на GitHub, однако воспроизведение результатов этого испытания не означает независимого подтверждения качества миграции COBOL. Для последней оценки необходимо отдельно проверять доступность методики и тестовых материалов.

Даже высокий результат на тестах не гарантирует корректной работы со всеми зависимостями, исключениями и бизнес-правилами конкретного банка. OpenAI подчёркивает необходимость экспертной проверки и испытаний с учётом особенностей производственной системы.

Практический вопрос теперь звучит так: сможет ли ИИ помочь банку изменить старую систему, сохранив правильность её работы? От ответа зависит гораздо больше, чем скорость написания очередного приложения.

Источник: OpenAI — Advancing Coding in Low-Resource Programming Languages, 19 октября 2026 года