Hver gang du hæver penge i en pengeautomat, overfører dine bankoplysninger eller får udbetalt fra staten, kører koden gennem systemer skrevet i COBOL – et programmeringssprog fra 1959. Ifølge IBM understøtter COBOL 40 procent af verdens onlinebanksystemer, håndterer 95 procent af pengeautomattransaktioner og driver kritiske offentlige systemer fra IRS til amerikanske socialforsikring.
Men COBOL skal væk. Ikke fordi det ikke virker – det virker. Men fordi næsten ingen mennesker kan læse, forstå eller vedligeholde det længere. De programmører, som skrev koden i 1970erne og 1980erne, er pensioneret eller død. En uformel beregning sætter årlige tabte værdier for den amerikanske økonomi til omkring 105 milliarder dollars på grund af ineffektivitet i COBOL-systemer.
OpenAI melder sig nu til opgaven. I sidste uge annoncerede virksomheden, at dens nyeste AI-modeller kan oversætte COBOL til moderne sprog som Python, Java og C++ med “væsentlig forbedring” i præcisionen. I OpenAIs egne tests opnåede GPT-6.1 Sol 87 procents nøjagtighed ved lavt ressourceforbrug – klatret til 98 procent ved højere indsats. Antropics Claude-model skal efter eget udsagn også kunne modernisere COBOL-kode til Java eller Python.
Eksperter: Ordspillet er større end en kodeoversættelse
Men værk ikke for stærkt før tiden. Softwareeksperter fra førende universiteter advarer om, at OpenAIs evalueringer ikke fanger den egentlige kompleksitet ved at modernisere kritiske systemer.
“Skrivning af kode igen er ikke det samme som at udskifte et system,” siger Vadim Zaytsev, lektor i softwareudvikling ved Universitetet i Twente i Nederlandene. Han har mødt COBOL-systemer med 250 millioner linjer kode – “bestemt ikke verdens største” – men problemet strækker sig langt ud over selve koden. Systemer består typisk af flere programmeringssprog, hardata i forskellige formater, integreres med andre systemer og skal opfylde menneskers forventninger.
Arie van Deursen, professor i softwareteknik ved Delft Universitet, kritiserer OpenAIs blog for at være “overfladisk”. Virksomheden testede AI-modellerne på relativt simple opgaver – langt fra den virkelige modernisering. “Vedligeholdelse af et gammelt system er selvfølgelig meget nemmere end at modernisere det. De evalueringer, som OpenAI brugte, er lysår væk fra faktisk modernisering,” siger van Deursen. Han pointerer også, at OpenAis evalueringer ikke håndterer den kritiske udfordring: at dele et komplekst legacy-system op i mindre dele, der kan udskiftes enkeltvis.
Den virkelige udfordring: At forstå hvad systemet gør
Alastair Donaldson, professor i programmeringssprog ved Imperial College London, peger på en anden hovedudfordring: “Hovedudfordringen er faktisk ikke at forstå, hvordan koden virker – det er at forstå, hvordan systemet virker.” Det er et “meget almindeligt” problem for COBOL-systemer, hvor meget få mennesker længere kan programmere i sproget. “Ingen i deres fulde fem ville bruge COBOL til nyt udviklingsprojekt,” konstaterer Donaldson.
Det betyder, at robust test er afgørende. En metode kunne være at køre de samme arbejdsgange gennem både gammelt og nyt system for at kontrollere, at de opfører sig identisk. Kunstig intelligens kunne også dokumentere sin kodeoversættelse, så mennesker, som forstår COBOL, kan gennemgå arbejdet. Anden tilgang er “formel verifikation” – matematiske teknikker der beregner, om koden fungerer korrekt.
“Når de systemer, som vi taler om, er så kritiske som dem, der kører på COBOL, skal man være absolut sikker på, at erstatningen virker,” siger Zaytsev. “I mange tilfælde er selv små forskelle i systemets opførsel før og efter migration uacceptable.”
Det sidste 1 procent kan være en million linjer
Jacopo Mauro, professor i matematik og computervidenskab ved Syddansk Universitet, understreger, at menneskeligt eftersyn forbliver “væsentligt” – dog meget arbejdskrævende. Men der er en anden fælde: selv hvis AI løser 99 procent af problemet, hvad gør man med det sidste 1 procent? “Det 1 procent kan være en million linjer kode, spredt alle vegne, og fejle på mere subtile måder, end du kan forestille dig i dit hele liv,” siger Zaytsev.
OpenAIs talsmand Oscar Haines erkender i en email til mediet The Verge, at legacy-kode “stadig er langt fra løst” og siger, at virksomheden lytter til feedback fra udviklere og virksomheder samt udforsker bedre testmetoder.
AI kan uden tvivl spare penge og accelerere processen. Men som eksperterne pointerer, betyder det ikke, at verden kan kassere COBOL-systemerne morgen. Den kompleksitet betyder, at delvis automatisering ikke er nok – mens verden venter på løsningen, fortsætter IRS, verdens banker og amerikanske pengeautomater med at kræve COBOL-kode, skrevet af mennesker som forstår sproget, og testet af mennesker som forstår systemet.