A IA consegue salvar o COBOL que sustenta 40% dos sistemas bancários?

Por trás de cada transferência, cada saque de caixa eletrônico, cada transação com cartão de crédito, existe um código escrito décadas atrás em COBOL — uma linguagem de programação criada em 1959 que ainda move bilhões de dólares em operações por dia. Segundo a IBM, o COBOL sustenta mais de 40% dos sistemas bancários online do mundo, 80% das transações com cartões de crédito presencialmente e 95% das transações em caixas eletrônicos. A linguagem foi projetada para uma época em que computadores ocupavam andares inteiros e programadores eram contados em centenas. Hoje, rodando em mainframes que viraram parte da infraestrutura invisível da economia, o COBOL é tán onipresente quanto o ar que respiramos: só percebemos que existe quando ele falha.

E o problema só se aprofunda. Programadores que trabalham com COBOL estão envelhecendo e saindo da fora de trabalho — a média de idade de um desenvolvedor COBOL gira em torno dos 45 a 55 anos, e cada vez menos jovens estão aprendendo a linguagem. O resultado é uma crise silenciosa que já começou: bancos e instituições financeiras enfrentam um cenário em que migrar seu código legado para linguagens modernas custaria milhões — ou centenas de milhões — de dólares, sem garantir que o processo não introduza bugs catastróficos em sistemas que ninguém ousa tocar.

A promessa da OpenAI

Em 19 de outubro de 2026, a OpenAI anunciou avanços significativos na capacidade de seus modelos de IA para trabalhar com linguagens de programação de baixo recurso — COBOL, Fortran e Visual Basic. O anúncio veio junto com os resultados brutais de duas avaliações que a própria empresa criou para medir o progresso: o MultiLangBench e a avaliação de migração COBOL.

No MultiLangBench, que pede ao modelo construir um mecanismo compatível com SQLite do zero em 20 linguagens de programação diferentes, o GPT-6 Astra alcançou uma taxa de aprovação média de 87,4% — um salto brutal em relação aos 26,8% do GPT-5.6 Sol. Em todas as 20 linguagens, os resultados melhoraram. No COBOL especificamente, o modelo pulou de 10,9% para 72,1%. Isso significa que, pela primeira vez, um modelo de IA consegue realmente escrever código COBOL funcional com alguma confiabilidade.

Mas o verdadeiro teste — e o que interessa para os bancos — foi a avaliação de migração. Aqui, o modelo recebe um programa COBOL existente e precisa migrá-lo para outra linguagem (C++, Java, Kotlin, Python ou Rust) preservando exatamente o mesmo comportamento. O detalhe crucial: não basta o código traduzir sintaticamente. Ele precisa manter a lógica de negócio, incluindo detalhes obscuros como como o programa arredonda números com casas decimais excedentes ou lida com registros ausentes. Para um sistema bancário, um bug nesse nível pode significar dinheiro desaparecido, transações duplicadas ou relatórios regulatórios incorretos.

O GPT-6.1 Sol alcançou 86,6% de precisão em esforço de raciocínio baixo e 97,9% em esforço alto — um número tão próximo da saturação que o próprio artigo da OpenAI admite que a avaliação está "quase no limite". O modelo também custou 39% menos em APIs que a versão anterior. Os números são impressionantes. A cautela é igual.

O abismo entre benchmark e produção

Na avaliação de código, 97,9% pode parecer perto da perfeição. No mundo real de sistemas bancários, 2,1% de erro significa milhares de transações corrompidas. A própria OpenAI reconhece isso em seu artigo: "aplicar isso a software de produção ainda requer revisão especializada e testes contra as regras de negócio e dependências do sistema".

O caso do COBOL não é só um problema técnico — é um problema de escala e de risco sistêmico. Quando um banco decide migrar, não se trata de traduzir um aplicativo de lista de tarefas. São milhões de linhas de código espalhadas por décadas de fusoões, aquisições e atualizações emergenciais. Cada módulo depende de outro. Cada regra de negócio foi implementada de forma diferente em sistemas diferentes. Antony Jenkins, ex-CEO do Barclays, explicou ao Sott.net que "é imensamente complexo". Para grandes instituições financeiras, "o problema de substituir a velha tecnologia vai além da redução do número de especialistas".

A analogia mais precisa é pensar na migração COBOL como equivalente a reconstruir o motor de um avião em pleno voo — e o avião é um Boeing 747 transportando 300 passageiros que não sabem que o motor está sendo trocado. Qualquer falha na migração pode resultar em transações financeiras duplicadas, saldos incorretos, relatórios regulatórios falsos. E se o bug for descoberto meses depois, quando as declarações trimestrais já foram enviadas ao regulador?

O que vem a seguir

O que a OpenAI demonstrou não é que a migração COBOL está resolvida — é que os modelos de IA estão se aproximando rapidamente de uma capacidade que, há dois anos, parecia ficção científica. O salto de 5,4% para 86,6% em precisão de migração COBOL, em uma geração de modelo, é mais rápido do que qualquer previsão de analistas.

Mas há uma diferença fundamental entre um benchmark controlado e um mainframe bancário. O MultiLangBench testa programas isolados com comportamento conhecido. Um banco tem décadas de código legado onde regras de negócio estão embutidas em lógica de variáveis, comentários em três línguas diferentes, e correções emergenciais aplicadas há 15 anos que ninguém mais entende. IA pode documentar, pode traduzir, pode sugerir migrações — mas até que o modelo consiga não apenas traduzir o código, mas entender o contexto empresarial que o produziu, a migração COBOL vai continuar sendo um trabalho híbrido: IA fazendo o pesado, humanos fazendo o crítico.

A pergunta que fica é se esse híbrido será rápido o suficiente para evitar que a crise de habilidades em COBOL cause falhas sistêmicas antes que a tecnologia de migração amadureça. Ou se o momento em que os últimos programadores veteranos se aposentarem chegará antes dos modelos estarem prontos para tocar nos sistemas que sustentam a economia global.

Fontes: The Verge, OpenAI, Engadget

✓ Fontes independentes cruzadas e verificadas antes da publicação