ШІ переписує старі програми: що стоїть за результатом OpenAI у 97,9%

19 жовтня 2026 року OpenAI представила дослідження можливостей моделей у 20 мовах програмування, зокрема менш популярних у сучасних навчальних матеріалах. Компанія повідомила, що GPT-6.1 Sol досягла 97,9% точності в її оцінюванні міграції COBOL за високого рівня міркування. Це результат конкретного тесту, а не гарантія, що модель безпомилково модернізує будь-яку банківську систему.

Тема виходить за межі програмування, адже старий код досі працює в організаціях, від яких залежать платежі, страхування, державні послуги й внутрішні операції бізнесу. Переписування таких систем дороге та ризиковане: помилка може змінити фінансовий розрахунок або порушити критичний процес. Нові AI-інструменти потенційно допомагають прискорити аналіз, але не скасовують незалежної перевірки.

Що саме перевіряла OpenAI

У дослідженні використано MultiLangBench — оцінювання, де модель має побудувати з нуля програму, сумісну з SQLite, різними мовами. Таке завдання охоплює організацію проєкту, обробку помилок, роботу зі станом і реалізацію взаємопов’язаних компонентів. Окремо автори дослідили міграцію COBOL, тобто перенесення логіки зі старого коду.

OpenAI повідомила середній результат 87,4% на MultiLangBench для GPT-6 Astra проти 26,8% у GPT-5.6 Sol. В іншому режимі GPT-6 Luna показала 40,3% за значно нижчої оціненої вартості використання API. Ці цифри належать до різних моделей і режимів, тому їх не можна об’єднувати в один «рейтинг точності штучного інтелекту».

Що означає точність 97,9% для COBOL

У спеціалізованій оцінці міграції COBOL GPT-6.1 Sol показала 86,6% на низькому рівні міркування проти 5,4% у GPT-5.6 Sol. За високого рівня міркування результат новішої моделі сягнув 97,9%. Компанія також зазначила, що для одного з режимів нова модель знизила оцінену вартість на 39%.

Успішне проходження тестів означає відповідність визначеним у них критеріям, а не доведення ідентичності програм у всіх ситуаціях. Якщо навіть невелика частка крайніх сценаріїв працює інакше, у фінансовій системі це може мати серйозні наслідки. Тому під час реальної міграції потрібно перевіряти граничні значення, правила округлення, часові зони, формати даних і поведінку під навантаженням.

Що таке COBOL і чому його досі використовують

COBOL — мова програмування, історично орієнтована на обробку бізнес-даних і великих обсягів транзакцій. Багато старих корпоративних систем розвивалися десятиліттями, поступово обростаючи перевіреними бізнес-правилами. Якщо програма стабільно виконує важливу роботу, організація не завжди має економічну мотивацію повністю її замінювати.

Основна проблема модернізації полягає не в «застарілому синтаксисі», а у прихованих залежностях між модулями, даними й робочими процесами. Частина правил може існувати лише всередині вихідного коду, без актуальної документації. Тому перед перекладом на іншу мову потрібно відновити картину системи й підтвердити, що її поведінка зрозуміла.

Навіщо OpenAI тестувала менш поширені мови

Завдання в менш популярних мовах допомагають перевірити, чи модель справді переносить загальні навички програмування, а не лише відтворює шаблони з поширених екосистем. Fortran, COBOL та інші мови мають власні особливості роботи з даними, типами й інструментами. Підтримка таких середовищ може розширити коло систем, для яких доступні AI-підказки та автоматизовані тести.

Але висока продуктивність у кількох завданнях не означає однакову компетентність у всіх компіляторах, бібліотеках і корпоративних варіантах мови. Значення має доступність середовища перевірки, тестових даних і точного опису очікуваної поведінки. Чим менше таких опор, тим більше роботи залишається інженеру.

Як виглядає безпечна міграція старої програми

Надійна модернізація починається з інвентаризації: які модулі існують, звідки надходять дані, де система зберігає проміжні результати та що від неї залежить. Наступний крок — створення регресійних тестів, які фіксують поточну поведінку. Тільки після цього варто автоматизувати перенесення окремих частин із використанням AI.

1. Зібрати актуальний код, схеми даних та історію відомих помилок.
2. Зафіксувати тестами правильні результати для звичайних і крайніх випадків.
3. Переносити невеликі модулі, а не всю критичну систему одночасно.
4. Порівнювати результати старої та нової версій на однакових наборах даних.
5. Перевіряти продуктивність, права доступу, аудит і можливість відкату.
6. Вводити нову версію поступово під людським контролем.

Вам також можуть сподобатися:

Новий ШІ-помічник Wabi може створити програму прямо в чаті: як це працює

Google Spaces без технічного жаргону: як працює функція і коли вона справді корисна

Навіть якщо AI прискорює написання коду, оцінка правильної роботи лишається незалежним етапом. Кодова база може компілюватися без помилок і водночас порушувати бізнес-правила. Саме тому тестова інфраструктура часто важливіша за швидкість генерації.

Чому цифру 97,9% не можна напряму переносити на банки

У тестовому середовищі завдання мають задану форму та критерії перевірки. Реальні банківські платформи складаються з багатьох взаємопов’язаних компонентів, містять чутливі дані й підпадають під вимоги аудиту. Оцінка одного типу міграції не підтверджує безпечності переходу конкретного банку на нове програмне забезпечення.

Помилка у фінансовому округленні може накопичуватися на великій кількості операцій, хоча в невеликому тесті залишитися непомітною. Несумісність формату даних або змінений порядок обробки подій може порушити зв’язок із зовнішньою системою. Незалежне тестування й контроль ризиків мають залишатися обов’язковими.

Чи залишиться робота для програмістів старих мов

Розвиток AI може скоротити час на типові перетворення коду, пошук залежностей і документування. Але цінність фахівця, який знає бізнес-процеси та може виявити неправильну поведінку системи, зберігається. Більше того, якісна модернізація може потребувати співпраці спеціалістів із COBOL, сучасних архітекторів, тестувальників і експертів із безпеки.

Замість простого прогнозу «ШІ замінить програмістів» точніше говорити про зміну структури роботи. Частина ручного переписування може автоматизуватися, тоді як вимоги до верифікації, контролю доступу й архітектурних рішень зростатимуть. Наскільки масштабним буде ефект, покажуть незалежні промислові впровадження.

Який висновок для звичайного користувача

Результати дослідження свідчать, що AI-інструменти можуть ставати кориснішими у сферах, де працює багаторічне програмне забезпечення. Якщо модернізація відбуватиметься надійніше й дешевше, це потенційно дозволить організаціям швидше оновлювати сервіси. Проте з конкретної оцінки OpenAI не випливає, що вже завтра всі банки перейдуть на нові системи.

Для споживача важливий не відсоток тесту сам по собі, а безперервність роботи критичних сервісів і захист даних. Будь-яка модернізація має відбуватися так, щоб не погіршити стабільність платежів чи доступність обслуговування. Показники AI-моделей — лише один із багатьох критеріїв такого переходу.

Часті запитання