AI ya puede reescribir COBOL — y el mercado lo notó

Doscientos veinte mil millones de líneas. Esa es exactamente la cantidad de código COBOL que, según diversas estimaciones, sigue procesando transacciones en bancos, compañías de seguros, agencias gubernamentales y sistemas de pago en todo el mundo. Un lenguaje creado en 1959—una década antes del alunizaje—sigue siendo el fundamento invisible de la infraestructura financiera global. Y este fundamento se está agrietando: el número de especialistas capaces de mantenerlo disminuye cada año, mientras que el costo de los errores en su reemplazo se mide en miles de millones. Ahora la inteligencia artificial ofrece el primer camino realista para salir de este punto muerto—y los mercados financieros ya han comenzado a reajustar sus apuestas.

El problema del COBOL no es simplemente una curiosidad técnica para entusiastas de ordenadores retro. Es un riesgo sistémico que la gente prefiere no discutir abiertamente. Según Reuters, aproximadamente el 95% de las transacciones en cajeros automáticos en EE. UU. y alrededor del 80% de las operaciones financieras presenciales pasan por sistemas COBOL de una forma u otra. La edad promedio de los programadores competentes en este lenguaje hace tiempo que superó los sesenta años. Cada año la industria pierde portadores de conocimiento críticamente importante—personas que entienden no solo la sintaxis, sino la lógica empresarial acumulada durante décadas en millones de líneas de código escrito sin documentación moderna, sin sistemas de control de versiones, a menudo sin ningún comentario.

Se han realizado intentos de modernización repetidamente. Los bancos más grandes gastaron cientos de millones de dólares en proyectos de reescritura de sistemas heredados—y fracasaron una y otra vez. El famoso fracaso del Commonwealth Bank of Australia, que gastó más de mil millones de dólares en reemplazar su sistema central, se ha convertido en un ejemplo de manual. El problema no es escribir código nuevo, sino reproducir con precisión el comportamiento del código antiguo—con todas sus peculiaridades no obvias, soluciones alternas y décadas de reglas empresariales acumuladas que nadie recuerda ya.

Aquí es precisamente donde entran en juego los grandes modelos de lenguaje. Los LLM modernos han demostrado capacidades sorprendentemente sólidas para analizar y traducir código heredado. Pueden leer programas COBOL, recuperar la lógica empresarial incrustada en ellos, generar código equivalente en Java o Python y—lo que es críticamente importante—explicar qué hace exactamente cada fragmento. Esencialmente, la IA actúa como un traductor entre épocas, compensando la pérdida de memoria institucional. Varias empresas ya han lanzado herramientas especializadas al mercado: IBM ha integrado capacidades de migración con IA en su plataforma watsonx, y startups como Phase Change y Modern Systems están atrayendo inversiones significativas precisamente con la promesa de modernización automatizada del COBOL.

El mercado reaccionó con la franqueza característica. Los precios de las acciones de un número de empresas de consultoría cuyo negocio se construía sobre modernización manual de sistemas heredados—proyectos de varios años con equipos masivos y presupuestos predeciblemente inflados—se vieron bajo presión. Los inversores se están preguntando justamente: ¿por qué pagar a miles de consultores por un proyecto de cinco años si una herramienta de IA puede realizar gran parte del trabajo en meses? Esto no significa que la experiencia humana se vuelva innecesaria—la validación, las pruebas y la integración aún requieren una comprensión profunda. Pero la proporción entre trabajo manual y automatizado en tales proyectos está cambiando radicalmente.

Sin embargo, es importante no sucumbir a la euforia. La modernización de COBOL con IA no es un botón mágico. Los modelos de lenguaje pueden alucinar, generando código que se ve correcto pero se comporta diferente en casos extremos. En sistemas financieros, donde un error de un centavo en miles de millones de transacciones puede llevar a consecuencias catastróficas, cada línea de código traducido debe pasar por verificación multinivel. Los reguladores—de la Reserva Federal al Banco Central Europeo—aún no han establecido estándares claros para la migración asistida por IA de infraestructura crítica. Esto crea incertidumbre legal que podría ralentizar la implementación incluso con la disposición técnica en su lugar.

Sin embargo, la dirección del movimiento es clara. El problema del COBOL es un problema valorado en billones de dólares, y por primera vez en una década, ha surgido una herramienta capaz de hacer su solución económica y técnicamente viable. Para la industria financiera, esto significa el comienzo de la mayor migración tecnológica en su historia. Para las empresas de IA—la apertura de un mercado vasto y excepcionalmente solvente. Y para todos nosotros—la esperanza de que el sistema a través del cual pasan nuestros salarios, pagos y ahorros finalmente deje de depender del código escrito antes de la invención de internet, y de un puñado de especialistas que recuerdan cómo funciona.