OpenAI ist derzeit effektiver darin, der Bankenbranche bei der Migration von Software, die auf veralteten Programmiersprachen basiert, zu helfen, insbesondere bei Systemen wie COBOL, Fortran und Visual Basic, die nach wie vor weit verbreitet sind. Weltweit sind etwa 40 % der Banken weiterhin auf COBOL als Kernsystem angewiesen. Der Wechsel zu einer neuen Sprache kann Kosten von bis zu mehreren Millionen Dollar verursachen, und die zeitlichen und risikobezogenen Aufwände sind enorm. Angesichts der schrittweisen Pensionierung von COBOL-Programmierern wird die vollständige Migration in den kommenden Jahren zu einer dringenden Aufgabe. OpenAI gibt an, dass die Verbesserung der COBOL-Fähigkeiten des Modells auf dem Feedback von Entwicklern und Unternehmenskunden basiert; in der praktischen Anwendung ist es entscheidend, das Verhalten von Programmen mit den Randbedingungen numerischer Berechnungen in Einklang zu bringen, um sicherzustellen, dass das Systemverhalten nach der Migration konsistent bleibt. Der obige Plan zeigt, dass KI-Modelle über die bestehenden Automatisierungstools hinaus langfristige Tests und Überprüfungen benötigen, um zuverlässig in Produktionsumgebungen zu arbeiten.
Fortschritte bei Tests zur Verhaltensbewahrung und Migrationsfähigkeit von Modellen in veralteten Sprachen, herausragende Ergebnisse und Einschränkungen
OpenAI hat mit dem MultiLangBench-Bewertungssatz die Leistung von Modellen bei Aufgaben getestet, die die Erstellung von SQLite-kompatiblen Datenbank-Engines in bestimmten Sprachen umfassen. GPT‑6 Astra erreichte eine durchschnittliche Bestehensquote von 87,4 % in 20 Sprachen, was eine signifikante Verbesserung im Vergleich zu der vorherigen Generation GPT‑5.6 Sol mit 26,8 % darstellt. Bei COBOL, der schwierigsten Sprache, liegt die Bestehensquote von Astra jedoch nur bei 72 %. Diese Zahlen zeigen, dass trotz der allgemeinen Leistungssteigerung noch erhebliche Herausforderungen bestehen, um die strengen Anforderungen der Bankenbranche zu erfüllen und gleichzeitig bestehende Datenstrukturen, finanzielle Regeln und Fehlertoleranzmechanismen zu bewahren.
Grenzen der Genauigkeit bei der sprachübergreifenden Migration und der Verhaltensbewahrung, Produktionsanwendbarkeit wird überprüft
OpenAI hat auch die Migration von COBOL-Programmen in moderne Sprachen wie C++, Java, Kotlin, Python oder Rust bewertet, während das ursprüngliche Verhalten beibehalten wird. Diese Tests zeigen, dass der erfolgreiche Transfer nicht nur davon abhängt, dass „der Code die Tests besteht“, sondern auch, dass wichtige Geschäftsregeln wie die Behandlung von Rundungsfehlern und fehlenden Datensätzen erhalten bleiben. GPT-6.1 Sol erreichte bei hohem logischen Aufwand eine maximale Genauigkeit von 97,9 %, während sie bei niedrigem logischen Aufwand 86,6 % betrug. OpenAI weist darauf hin, dass zur Erreichung einer produktionsreifen Migration alle Tests bestanden werden müssen, andernfalls sind zusätzliche Expertenprüfungen und systematische Tests erforderlich. Diese Ergebnisse zeigen, dass KI-gestützte Migration in risikosensiblen Finanzanwendungen weiterhin eine strikte Übereinstimmung mit der vor Ort geltenden Geschäftslogik erfordert.
Hintergrundinformationen zeigen, dass die Anwendbarkeit aktueller Modelle in veralteten Sprachen durch das Verständnis von logischer Schlussfolgerung und Datenstrukturen eingeschränkt ist. Im Vergleich zur allgemeinen Softwareentwicklung erfordert das Kernbankensystem vorhersehbare Ausgaben und strenge Compliance, die nicht allein durch automatisierte Generierungsmodelle gelöst werden können. OpenAI erklärt, dass auf dem Weg zur Modernisierung der Migration weiterhin die Integration und Validierung mit den Testprozessen vor Ort, den Geschäftsregel-Engines und den Datenverwaltungsstrukturen der Kunden erforderlich ist, um sicherzustellen, dass „alle Tests bestanden werden“, während gleichzeitig ein risikofreies tatsächliches Funktionieren gewährleistet wird.
Zusammenfassend zeigt diese Forschungsrunde, dass KI-Technologien tatsächlich erhebliche Fortschritte bei der Migration von veralteten Sprachen gemacht haben, insbesondere bei der Verbesserung der Leistung und der Bestehensquoten in mehrsprachigen Umgebungen, doch bleibt COBOL die größte Herausforderung. Wenn Regierungen und Finanzinstitute ihre bestehenden COBOL-Systeme reibungslos auf moderne Architekturen umstellen wollen, müssen sie nicht nur auf die Automatisierungsfähigkeiten der Modelle vertrauen, sondern auch auf begleitende menschliche Überprüfungen, die Definition bestehender Regeln und langfristige Überwachungssysteme zurückgreifen. OpenAI weist darauf hin, dass die Fähigkeit zur Verhaltensbewahrung für Teams, die alte Systeme warten und modernisieren, einen praktischen Wert hat, aber um in Produktionsumgebungen eingesetzt zu werden, sind strenge Tests und Bewertungen erforderlich, um die Kompatibilität mit Geschäftsregeln und Abhängigkeiten sicherzustellen.