AI agora consegue reescrever COBOL — e o mercado percebeu

Duzentos e vinte bilhões de linhas. É exatamente o quanto de código COBOL, segundo diversas estimativas, ainda processa transações em bancos, seguradoras, agências governamentais e sistemas de pagamento em todo o mundo. Uma linguagem criada em 1959—dez anos antes do pouso na Lua—continua sendo o fundamento invisível da infraestrutura financeira global. E esse fundamento está rachando: o número de especialistas capazes de mantê-lo diminui a cada ano, enquanto o custo de erros em sua substituição é medido em bilhões. Agora a inteligência artificial oferece o primeiro caminho realista para sair desse impasse—e os mercados financeiros já começaram a recalcular suas apostas.

O problema do COBOL não é simplesmente uma curiosidade técnica para entusiastas de computadores retrô. É um risco sistêmico sobre o qual as pessoas preferem não falar abertamente. De acordo com a Reuters, aproximadamente 95% das transações em caixas eletrônicos nos EUA e cerca de 80% das operações financeiras presenciais passam por sistemas COBOL de uma forma ou de outra.

A idade média dos programadores proficientes nessa linguagem há muito ultrapassou sessenta anos. A cada ano, a indústria perde portadores de conhecimento criticamente importante—pessoas que entendem não apenas a sintaxe, mas a lógica de negócios acumulada ao longo de décadas em milhões de linhas de código escritas sem documentação moderna, sem sistemas de controle de versão, frequentemente sem qualquer comentário.

Tentativas de modernização foram empreendidas repetidamente. Os maiores bancos gastaram centenas de milhões de dólares em projetos de reescrita de sistemas legados—e falharam uma e outra vez. O famoso fracasso do Commonwealth Bank of Australia, que gastou mais de um bilhão de dólares na substituição de seu sistema central, tornou-se um exemplo de manual. O problema não é escrever novo código, mas reproduzir precisamente o comportamento do código antigo—com todas as suas peculiaridades não óbvias, soluções alternativas e décadas de regras de negócio acumuladas que ninguém se lembra mais.

É precisamente aqui que os grandes modelos de linguagem entram em cena. Os LLMs modernos demonstraram capacidades surpreendentemente fortes para analisar e traduzir código legado. Eles podem ler programas COBOL, recuperar a lógica de negócios embutida neles, gerar código equivalente em Java ou Python e—criticamente importante—explicar o que cada fragmento faz. Essencialmente, a IA atua como um tradutor entre épocas, compensando a perda de memória institucional. Várias empresas já lançaram ferramentas especializadas no mercado: a IBM integrou capacidades de migração com IA em sua plataforma watsonx, e startups como Phase Change e Modern Systems estão atraindo investimentos significativos precisamente com a promessa de modernização automatizada do COBOL.

O mercado reagiu com a característica franqueza. Os preços das ações de várias empresas de consultoria cujo negócio era construído sobre modernização manual de sistemas legados—projetos de vários anos com equipes massivas e orçamentos previsivelmente inchados—vieram sob pressão. Os investidores estão justificadamente se perguntando: por que pagar milhares de consultores por um projeto de cinco anos se uma ferramenta de IA consegue realizar grande parte do trabalho em meses? Isso não significa que a expertise humana se torna desnecessária—validação, testes e integração ainda requerem compreensão profunda. Mas a proporção de trabalho manual para automatizado em tais projetos está mudando radicalmente.

No entanto, é importante não sucumbir à euforia. Modernização COBOL com IA não é um botão mágico. Modelos de linguagem podem alucinar, gerando código que parece correto, mas se comporta diferentemente em casos extremos. Em sistemas financeiros, onde um erro de um centavo em bilhões de transações pode levar a consequências catastróficas, cada linha de código traduzido deve passar por verificação em múltiplos níveis. Reguladores—do Federal Reserve ao Banco Central Europeu—ainda não estabeleceram padrões claros para migração assistida por IA de infraestrutura crítica. Isso cria incerteza legal que pode retardar a implementação mesmo com prontidão técnica em vigor.

Não obstante, a direção do movimento é clara. O problema do COBOL é um problema avaliado em trilhões de dólares, e pela primeira vez em uma década, surgiu uma ferramenta capaz de tornar sua solução economicamente e tecnicamente viável. Para a indústria financeira, isso significa o início da maior migração tecnológica em sua história. Para empresas de IA—a abertura de um vasto e excepcionalmente solvente mercado. E para todos nós—a esperança de que o sistema através do qual passa nossos salários, pagamentos e economias finalmente deixe de depender de código escrito antes da invenção da internet, e de um punhado de especialistas que se lembram como funciona.