مدرن‌سازی COBOL دوباره به یکی از موضوع‌های مهم تیم‌های فناوری سازمانی تبدیل شده است. بسیاری از سامانه‌های بانکی، پردازش کارت، پیش‌بینی هوا و زیرساخت‌های حساس هنوز بر پایهٔ زبان‌هایی ساخته شده‌اند که کد و مستندات آموزشی کمتری برای مدل‌های هوش مصنوعی دارند. OpenAI در مقاله‌ای که ۱۹ اکتبر ۲۰۲۶ منتشر کرد، نتایج ارزیابی مدل‌های تازهٔ خود برای کار با COBOL، Fortran و Visual Basic را توضیح داده است. این نتایج به معنی مهاجرت خودکار و بدون نظارت نیست؛ بلکه نشان می‌دهد مدل‌ها در فهم کد قدیمی، ساخت نرم‌افزار و حفظ رفتار برنامه پیشرفت کرده‌اند.
چرا مدرن‌سازی COBOL هنوز مسئله‌ای حیاتی است؟
کدهای قدیمی معمولاً فقط مجموعه‌ای از فایل‌های قابل تبدیل نیستند. قواعد کسب‌وکار ممکن است در نام‌گذاری‌های قدیمی، ترتیب پردازش رکوردها، محاسبات مالی و استثناهایی پنهان شده باشد که در مستندات ثبت نشده‌اند. در یک سامانهٔ مالی، گرد کردن یا حذف رقم‌های اعشاری اضافه می‌تواند نتیجهٔ تراکنش را تغییر دهد، حتی اگر برنامهٔ بازنویسی‌شده بدون خطای فنی اجرا شود. به همین دلیل، مدرن‌سازی COBOL باید هم‌زمان مستندسازی، آزمون هم‌ارزی و شناخت وابستگی‌های محیط اجرا را پوشش دهد.
OpenAI می‌گوید COBOL بیش از ۴۰ درصد سامانه‌های بانکداری آنلاین، ۸۰ درصد تراکنش‌های حضوری کارت اعتباری و ۹۵ درصد تراکنش‌های ATM را پشتیبانی می‌کند. این اعداد اهمیت حفظ رفتار سامانه را نشان می‌دهند، نه اینکه هر پروژه‌ای باید فوراً به زبان دیگری منتقل شود. در عمل، سازمان باید ابتدا بخش‌های پرریسک و ارزشمند را شناسایی کند و برای هر تغییر، معیار بازگشت‌پذیر داشته باشد.
MultiLangBench چه چیزی را می‌سنجد؟
ارزیابی MultiLangBench از مدل می‌خواهد یک موتور سازگار با SQLite را از ابتدا در ۲۰ زبان برنامه‌نویسی بسازد. آزمون‌ها مدیریت state، خطاها، قابلیت‌های جدید و حفظ عملکرد قبلی را بررسی می‌کنند و نتیجه با تست‌های اقتباس‌شده از SQLite سنجیده می‌شود. طبق گزارش رسمی، GPT-۶ Astra به میانگین نرخ عبور ۸۷.۴ درصد رسید؛ مقدار گزارش‌شده برای GPT-۵.۶ Sol برابر ۲۶.۸ درصد بود. GPT-۶ Luna نیز با میانگین ۴۰.۳ درصد، گزینه‌ای کم‌هزینه‌تر معرفی شده است.
نکتهٔ مهم برای مدیران فنی این است که میانگین کلی، جایگزین آزمون زبان و دامنهٔ واقعی سازمان نیست. در همان ارزیابی، COBOL دشوارترین زبان معرفی شده و نرخ عبور Astra در آن ۷۲.۱ درصد بوده است. بنابراین حتی عملکرد بالا هم باید به‌عنوان کمک به توسعه‌دهنده تفسیر شود، نه مجوز حذف code review یا تست‌های اختصاصی.
نتیجهٔ مهاجرت COBOL و محدودیت‌های آن
در ارزیابی دوم، مدل باید برنامه‌های COBOL را به C++، Java، Kotlin، Python یا Rust منتقل کند و رفتار observable را حفظ کند. OpenAI برای این کار از تست‌های پنهان و شرط برابری بایت‌به‌بایت استفاده کرده است. GPT-۶.۱ Sol در سطح استدلال پایین به دقت ۸۶.۶ درصد و در سطح بالاتر به ۹۷.۹ درصد رسید؛ نتیجهٔ GPT-۵.۶ Sol در تنظیم مشابه ۵.۴ درصد گزارش شده است.
این پیشرفت برای مدرن‌سازی COBOL ارزشمند است، اما ریسک‌های عملیاتی را حذف نمی‌کند. تیم باید ورودی‌ها و خروجی‌های نسخهٔ قدیمی را ثبت کند، تست‌های کسب‌وکار را جدا از تست‌های واحد بنویسد، دادهٔ واقعی را با پوشاندن اطلاعات حساس شبیه‌سازی کند و امکان اجرای موازی دو نسخه را فراهم سازد. مهاجرت مرحله‌ای، canary release و بازگشت سریع، از انتقال یک‌بارهٔ سامانهٔ حیاتی امن‌تر هستند.
یک مسیر عملی برای تیم‌های توسعه
برای شروع مدرن‌سازی COBOL، ابتدا فهرست برنامه‌ها، jobها، پایگاه‌های داده و اتصال‌های بیرونی را بسازید. سپس با کمک مدل، مستندات و نمودار وابستگی تولید کنید؛ اما هر ادعا را با اجرای کد و بررسی متخصص تأیید کنید. در گام بعد، یک جزء کم‌ریسک را انتخاب و برای آن baseline تست بسازید. مدل می‌تواند در تولید تست، توضیح بخش‌های ناشناخته و پیشنهاد refactor کمک کند، درحالی‌که مالک سامانه معیار پذیرش را تعیین می‌کند.
قبل از production، خروجی هر دو نسخه باید روی سناریوهای واقعی و لبه‌ای مقایسه شود؛ به‌ویژه قوانین گرد کردن، ترتیب تراکنش، خطاهای ارتباطی و رکوردهای ناقص. همچنین هزینهٔ API، محرمانگی کد و دسترسی مدل به داده‌ها باید در سیاست داخلی سازمان ثبت شود. گزارش OpenAI مجموعهٔ ارزیابی و تست MultiLangBench را در GitHub نیز منتشر کرده است تا تیم‌ها بتوانند فاصلهٔ مدل با نیاز واقعی خود را مستقل‌تر بسنجند.
جمع‌بندی این است که مدل‌های جدید، مدرن‌سازی COBOL را سریع‌تر و قابل‌اندازه‌گیری‌تر می‌کنند، اما مدرن‌سازی COBOL همچنان جایگزین معماری، آزمون و مسئولیت مهندسی نیست. بهترین راه، استفادهٔ کنترل‌شده از مدل برای فهم، تست و مهاجرت تدریجی است؛ با بازبینی متخصص و تأیید قواعد کسب‌وکار در هر مرحله.
منبع اصلی: گزارش رسمی OpenAI دربارهٔ زبان‌های برنامه‌نویسی کم‌منبع. برای آشنایی با خدمات طراحی و توسعه وب، صفحهٔ خدمات تکتاز را ببینید.
