News

OpenAI riesce a tradurre il software di 60 anni fa: GPT-6.1 Sol raggiunge il 97,9% di precisione

GuruHiTech 112 Views ,  ,  ,  , 

Immagina di dover aggiornare un programma scritto quarant’anni fa, utilizzato ancora oggi per gestire pagamenti, conti bancari o operazioni di un’azienda. Il codice funziona, ma chi lo ha creato potrebbe essere andato in pensione e la documentazione potrebbe essere incompleta. Riscriverlo in un linguaggio moderno senza cambiare neppure una regola di funzionamento è uno dei problemi più difficili dell’informatica. Ora OpenAI sostiene di aver compiuto un salto enorme proprio nella modernizzazione del software più vecchio, con risultati che fino a poco tempo fa sembravano fuori portata.

In un rapporto pubblicato il 19 ottobre 2026, OpenAI ha presentato nuovi test sui linguaggi di programmazione meno rappresentati nei dati di addestramento, tra cui COBOL, Fortran, Visual Basic e OCaml. Il dato che colpisce di più riguarda GPT-6.1 Sol: nel benchmark dedicato alla migrazione di programmi COBOL ha raggiunto il 97,9% di accuratezza con un livello elevato di ragionamento. Un risultato notevole, che però non equivale alla garanzia di poter convertire automaticamente qualsiasi software aziendale senza controlli.

Perché banche e aziende utilizzano ancora programmi vecchi di decenni

Nel mondo della tecnologia siamo abituati ad aggiornamenti continui, ma una parte enorme delle infrastrutture essenziali continua a utilizzare software sviluppato molti anni fa. Il linguaggio COBOL, nato alla fine degli anni Cinquanta, è ancora presente in numerosi sistemi bancari e applicazioni amministrative. OpenAI richiama stime secondo cui COBOL sostiene oltre il 40% dei sistemi bancari online, l’80% delle transazioni con carta effettuate di persona e il 95% delle operazioni agli sportelli automatici.

Anche Fortran mantiene un ruolo importante nei calcoli scientifici, nelle previsioni meteorologiche e in applicazioni che richiedono simulazioni complesse. Visual Basic, invece, è stato utilizzato per anni in software gestionali e applicazioni aziendali.

Il problema non è che questi linguaggi siano inutilizzabili: molti sistemi continuano a svolgere perfettamente il proprio lavoro. Il rischio nasce quando diventa necessario modificarli. La documentazione può essere frammentaria, gli sviluppatori esperti possono essere difficili da trovare e alcune regole fondamentali per il funzionamento dell’azienda possono esistere soltanto nel codice.

Per questo una migrazione non consiste semplicemente nel sostituire istruzioni COBOL con istruzioni Java o Python. Bisogna preservare il comportamento del programma, i calcoli, la gestione dei dati e tutti i casi particolari che il software originale affronta ogni giorno.

GPT-6.1 Sol arriva al 97,9% nei test di migrazione COBOL

Per misurare i progressi, OpenAI ha sviluppato un benchmark specifico dedicato alla migrazione di programmi COBOL. Il modello deve convertire il codice verso linguaggi moderni, tra cui C++, Java, Kotlin, Python e Rust, mantenendo lo stesso comportamento del programma di partenza.

Il confronto con la generazione precedente è particolarmente netto. Con un livello basso di ragionamento, GPT-5.6 Sol raggiungeva il 5,4% di accuratezza, mentre GPT-6.1 Sol arriva all’86,6%. Secondo OpenAI, il nuovo modello ottiene questo risultato con un costo API stimato inferiore del 39%.

Aumentando il livello di ragionamento, GPT-6.1 Sol raggiunge il 97,9%, avvicinandosi alla saturazione della valutazione utilizzata. In altre parole, nei casi specifici del benchmark il modello riesce molto più spesso a produrre una versione che conserva il comportamento previsto.

La percentuale non va però interpretata come una probabilità di successo garantita su qualsiasi progetto reale. I benchmark utilizzano insiemi di test definiti, mentre i sistemi aziendali possono contenere milioni di righe di codice, dipendenze esterne, database, procedure operative e requisiti normativi non rappresentati completamente nella prova.

GPT-6 Astra mette alla prova 20 linguaggi e sorprende anche con Fortran

OpenAI ha introdotto anche MultiLangBench, una valutazione che richiede ai modelli di costruire da zero un motore di database compatibile con SQLite in 20 linguaggi di programmazione differenti. È un test molto diverso dalla traduzione di un singolo file: il modello deve realizzare un software articolato e superare una serie di verifiche funzionali.

Con il massimo livello di ragionamento, GPT-6 Astra raggiunge una media dell’87,4% di test superati, contro il 26,8% di GPT-5.6 Sol. Il miglioramento riguarda tutti i linguaggi esaminati.

Alcuni risultati rendono l’idea del salto: in COBOL si passa dal 10,9% al 72,1%; in OCaml dal 25,6% all’85,8%; in Fortran dal 21,4% all’83,5%; in Visual Basic dal 27,5% all’89,4%. Astra supera l’83% in 19 dei 20 linguaggi, mentre COBOL resta il più difficile nel test.

Anche GPT-6 Luna mostra progressi: raggiunge il 40,3% medio in MultiLangBench con un costo API stimato inferiore di circa il 78% rispetto a GPT-5.6 Sol. Questo aspetto è rilevante perché le migrazioni di grandi progetti possono richiedere moltissime operazioni di analisi e generazione di codice.

Leggi anche:

Come funziona davvero la conversione di un vecchio programma

Per capire perché il risultato è importante, immagina un gestionale bancario scritto in COBOL che calcola interessi, applica commissioni e aggiorna i saldi. Convertirlo in Java significa ricostruire tutte queste operazioni senza modificare neppure accidentalmente le regole sui decimali, le date o l’ordine delle elaborazioni.

Un modello di IA può aiutare a leggere il programma originale, individuare le dipendenze, proporre una struttura più moderna e generare codice equivalente. Ma il lavoro non termina quando il nuovo programma si avvia: occorre verificare che, a parità di input, produca gli stessi risultati del sistema precedente, anche nei casi più rari.

Per questo gli strumenti di modernizzazione più affidabili prevedono migrazioni graduali, test automatici, confronti tra vecchio e nuovo software e revisione da parte di sviluppatori che conoscano il contesto aziendale. La conversione sintattica è soltanto una parte del processo.

OpenAI ha pubblicato anche indicazioni pratiche per utilizzare Codex nella modernizzazione di codebase complesse, con attenzione alla pianificazione degli interventi, alla tracciabilità delle modifiche e alla validazione dei risultati.

Il rischio nascosto: un software può funzionare e produrre dati sbagliati

Una migrazione incompleta non provoca necessariamente un errore visibile. Un programma può compilarsi, avviarsi e superare molti test, ma calcolare in modo scorretto una commissione o aggiornare male un database soltanto in circostanze particolari.

In un’applicazione bancaria, assicurativa o sanitaria, questi difetti possono avere conseguenze serie. Il fatto che un modello raggiunga il 97,9% in un benchmark non elimina quindi la necessità di verifiche indipendenti, controlli di sicurezza e test su scenari reali.

C’è inoltre il problema dell’architettura: il codice originale può dipendere da un mainframe, da formati di archiviazione particolari o da servizi che non esistono nell’ambiente di destinazione. Riscrivere il linguaggio non basta a sostituire l’intera infrastruttura.

La vera innovazione sta nella possibilità di ridurre una parte del lavoro manuale, non nell’eliminare il ruolo degli ingegneri. Saranno proprio gli esperti a dover decidere quali sistemi conviene migrare, come farlo e quali garanzie ottenere prima di sostituire il software in produzione.

Cosa cambia per le aziende e per chi sviluppa software

Se i progressi osservati nei benchmark si confermeranno nei progetti reali, molte aziende potrebbero accelerare l’aggiornamento di applicazioni che finora risultavano troppo costose o rischiose da modificare. Un sistema scritto in COBOL potrebbe diventare più facile da analizzare, documentare e integrare con servizi moderni.

Anche per gli sviluppatori il cambiamento potrebbe essere importante. Invece di trascorrere settimane a ricostruire manualmente ogni dettaglio di un vecchio programma, potrebbero usare l’IA per proporre conversioni e concentrare più tempo su test, progettazione, sicurezza e regole di business.

Resta però una differenza tra la promessa di un benchmark e la complessità di un sistema aziendale che deve funzionare senza interruzioni. La nuova ricerca di OpenAI non dimostra che il problema della modernizzazione del software sia stato risolto una volta per tutte.

Dimostra piuttosto qualcosa di concreto: i modelli di ultima generazione stanno diventando molto più capaci di comprendere e trasformare linguaggi che fino a poco tempo fa gestivano male. E se questa capacità continuerà a migliorare, il codice scritto decenni fa potrebbe smettere di essere un ostacolo così difficile da superare.

Fonte

Ti potrebbe interessare:
Segui guruhitech su:

Esprimi il tuo parere!

Che ne pensi di questa notizia? Lascia un commento nell’apposita sezione che trovi più in basso e se ti va, iscriviti alla newsletter.

Per qualsiasi domanda, informazione o assistenza nel mondo della tecnologia, puoi inviare una email all’indirizzo [email protected].

Scopri di più da GuruHiTech

Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.

0 0 voti
Article Rating
Iscriviti
Notificami
guest
0 Commenti
Più recenti
Vecchi Le più votate