La IA aprende a reescribir COBOL, y el mercado ya ha tomado nota

Doscientos veinte mil millones de líneas. Según diversas estimaciones, esa es la cantidad de código COBOL que todavía procesa transacciones en bancos, aseguradoras, organismos públicos y sistemas de pago de todo el mundo. El lenguaje nació en 1959, diez años antes de la llegada a la Luna, y sigue siendo el cimiento invisible de la infraestructura financiera global. Y ese cimiento se está agrietando: cada año quedan menos especialistas capaces de mantenerlo, y un error durante su sustitución puede costar miles de millones. Ahora la inteligencia artificial ofrece la primera salida realista a este callejón, y los mercados financieros ya han empezado a recalcular sus apuestas.

El problema de COBOL va mucho más allá de una curiosidad técnica para aficionados a la informática retro. Es un riesgo sistémico del que se prefiere no hablar en voz alta. Según Reuters, alrededor del 95 por ciento de las transacciones en cajeros automáticos de Estados Unidos y cerca del 80 por ciento de las operaciones financieras presenciales pasan, de un modo u otro, por sistemas COBOL.

La edad media de los programadores que dominan este lenguaje superó hace tiempo los sesenta años. Cada año, la industria pierde a depositarios de un conocimiento crítico: personas que entienden la sintaxis y, sobre todo, la lógica de negocio que se ha ido acumulando durante décadas en millones de líneas de código escritas sin documentación moderna, sin sistemas de control de versiones y, a menudo, sin un solo comentario.

Los intentos de modernización se han sucedido. Los grandes bancos han invertido cientos de millones de dólares en proyectos para reescribir sus sistemas heredados y han fracasado una y otra vez. El célebre fiasco del Commonwealth Bank of Australia, que gastó más de mil millones de dólares en sustituir el núcleo de su sistema, se ha convertido en un caso de manual. Escribir código nuevo no es lo difícil. Lo difícil es reproducir con exactitud el comportamiento del antiguo, con todas sus particularidades poco evidentes, sus soluciones provisionales y décadas de reglas de negocio acumuladas que ya nadie recuerda.

Aquí es donde entran en juego los grandes modelos de lenguaje. Los LLM actuales han demostrado una capacidad sorprendentemente sólida para analizar y traducir código heredado. Pueden leer programas en COBOL, reconstruir la lógica de negocio que contienen, generar código equivalente en Java o Python y, lo que es crucial, explicar qué hace exactamente cada fragmento. En la práctica, la IA actúa como un traductor entre épocas que compensa la pérdida de memoria institucional. Varias compañías ya han lanzado herramientas especializadas: IBM ha integrado capacidades de migración con IA en su plataforma watsonx, y startups como Phase Change y Modern Systems están captando inversiones importantes precisamente con la promesa de automatizar la modernización de COBOL.

El mercado reaccionó con su franqueza habitual. Las acciones de varias consultoras cuyo negocio se basaba en la modernización manual de sistemas heredados (proyectos de varios años, con equipos enormes y presupuestos que se disparan de forma previsible) se vieron presionadas. Los inversores se preguntan, con razón, para qué pagar a miles de consultores por un proyecto de cinco años si una herramienta de IA puede hacer buena parte del trabajo en meses. Eso no significa que la experiencia humana deje de ser necesaria: la validación, las pruebas y la integración siguen exigiendo un conocimiento profundo. Pero la proporción entre trabajo manual y automatizado en estos proyectos está cambiando de forma radical.

Conviene, sin embargo, no dejarse llevar por la euforia. La modernización de COBOL con IA no es un botón mágico. Los modelos de lenguaje pueden alucinar y generar código que parece correcto pero se comporta de otra manera en los casos límite. En los sistemas financieros, donde un error de un céntimo multiplicado por miles de millones de transacciones puede tener consecuencias catastróficas, cada línea de código traducido debe pasar por una verificación en varios niveles. Los reguladores, desde la Reserva Federal hasta el Banco Central Europeo, todavía no han establecido estándares claros para la migración asistida por IA de infraestructuras críticas. Esto genera una incertidumbre jurídica que puede frenar la adopción incluso cuando la tecnología esté preparada.

Aun así, la dirección está clara. El problema de COBOL es un problema valorado en billones de dólares y, por primera vez en décadas, existe una herramienta capaz de hacer que su solución sea viable desde el punto de vista económico y técnico. Para la industria financiera, esto supone el inicio de la mayor migración tecnológica de su historia.

Para las empresas de IA, la apertura de un mercado enorme y con una enorme capacidad de pago. Y para todos nosotros, la esperanza de que el sistema por el que pasan nuestras nóminas, pagos y ahorros deje por fin de depender de un código escrito antes de la invención de internet y de un puñado de especialistas que aún recuerdan cómo funciona.