OpenAIのモデルは、銀行業界における旧来のプログラミング言語のソフトウェア移行をより効果的に支援しており、特にCOBOL、Fortran、Visual Basicといった依然として広く使用されているシステムにおいて顕著である。世界中の銀行の約40%が依然としてCOBOLをコアに使用しており、新しい言語に移行する場合、コストは数百万ドルに達する可能性があり、時間的コストとリスクも非常に高い。COBOLプログラマーが徐々に引退する中、今後数年内に移行を完了することが急務となっている。OpenAIは、COBOL能力の向上に関する作業は、開発者や企業顧客からのフィードバックに基づいて進められていると述べている。また、実際の応用においては、プログラムの動作と数値計算の境界条件を生き残らせることが、移行後のシステムの動作を一貫させるための核心である。上記の計画は、既存の自動化ツールの上にAIモデルが長期的なテストとレビューを必要とし、初めて生産環境で信頼性を持って機能することを示している。
モデルの旧言語における動作保持と移行能力のテスト進展、成績のハイライトと限界
OpenAIは、MultiLangBench評価キットを通じて、モデルが指定された言語でSQLite互換のデータベースエンジンを構築するなどのタスクにおけるパフォーマンスをテストした。GPT-6 Astraは20言語での平均合格率が87.4%に達し、前世代のGPT-5.6 Solの26.8%と比較して顕著な向上を示した。最も難しい言語であるCOBOLに関しては、Astraの合格率は依然として72%にとどまっている。これらの数字は、全体的なパフォーマンスは向上しているものの、銀行業界の厳格な要求の下で既存のデータ構造、財務ルール、フォールトトレランス機構を保持しながら、なお克服すべき距離があることを示している。
クロス言語移行の正確性と動作保持の限界、生産適用性が審査中
OpenAIは、COBOLプログラムをC++、Java、Kotlin、Python、Rustなどの現代言語に移行し、元の動作を維持することについても評価した。これらのテストは、成功した移行の前提は「コードがテストに合格する」だけでなく、モジュールが数値の四捨五入や欠損記録の処理などの重要なビジネスルールを保持することが必要であることを示している。GPT-6.1 Solは高い推論能力の下で、最高精度が97.9%に達し、低推論能力では86.6%であった。OpenAIは、真に生産レベルの移行を達成するためには、すべてのテストが合格する必要があり、そうでなければ追加の専門家によるレビューと体系的なテストが必要であると指摘している。これらの結果は、AI支援の移行がリスクに敏感な金融アプリケーションにおいて、依然として現場のビジネスロジックと厳密に連携する必要があることを示している。
背景資料によれば、現在のモデルの旧言語における適用性は、論理推論とデータ構造に対する理解の深さに制限されている。一般的なソフトウェア開発と比較して、銀行のコアシステムは予測可能な出力と厳格なコンプライアンスを必要とし、これらは自動化生成モデルだけでは解決できない。OpenAIは、現代化移行を推進する上で、顧客の現場でのテストプロセス、ビジネスルールエンジン、データガバナンスアーキテクチャとの統合と検証が必要であり、「すべてのテストが合格する」ことを保証しつつ、実際の運用においてリスクがないことを確保する必要があると述べている。
総じて、この研究はAI技術が旧言語の移行において確かに顕著な進展を示していることを明らかにしており、特に多言語環境におけるパフォーマンス向上と合格率の向上が見られるが、COBOLは依然として最大の課題である。政府や金融機関が既存のCOBOLシステムをスムーズに現代のアーキテクチャに移行させるためには、モデルの自動化能力だけに依存するのではなく、適切な人力レビュー、既存のルール定義、長期的な監視体制が必要である。OpenAIは、動作保持能力がチームにとって旧システムの維持と現代化に実際的な価値を持つが、生産環境に投入するためには厳格なテストと評価を経て、ビジネスルールや依存関係と互換性があることを確認する必要があると指摘している。