SULAWESI TENGGARA — OpenAI menyatakan model AI-nya kini lebih mumpuni menangani COBOL, Fortran, dan Visual Basic, bahasa pemrograman lawas yang masih menopang sekitar 40 persen sistem bank dunia. Kemampuan ini diuji lewat MultiLangBench, dengan GPT-6 Astra mencatat tingkat kelulusan rata-rata 87,4 persen di 20 bahasa. Migrasi dari COBOL disebut bisa memakan biaya hingga ratusan juta dolar, sementara jumlah programmer yang menguasainya terus menyusut.
OpenAI menilai kemampuan modelnya dalam membangun dan memigrasikan perangkat lunak berbahasa lama kini meningkat signifikan. Persoalannya mendesak: 40 persen bank di dunia masih bergantung pada sistem COBOL, sementara programmer yang menguasai bahasa itu kian menua dan berkurang dari angkatan kerja.
Migrasi ke bahasa modern bukan perkara murah. OpenAI menyebut biayanya bisa mencapai jutaan hingga ratusan juta dolar per institusi, ditambah waktu pengerjaan yang panjang. Kondisi itu membuat bank yang masih memakai COBOL harus mulai berpindah dalam beberapa tahun ke depan.
COBOL dirancang puluhan tahun lalu untuk memproses transaksi dalam jumlah besar, dan sampai sekarang masih dipakai di sistem inti banyak bank. Selama sistem berjalan, menggantinya berisiko mengganggu operasional harian.
OpenAI menyebut pengembangan kemampuan COBOL pada modelnya dipandu langsung oleh masukan developer dan pelanggan enterprise. Model coding sebelumnya diketahui kesulitan saat berhadapan dengan bahasa-bahasa lama.
Untuk mengukur kemampuan ini, OpenAI membuat AI evaluation suite bernama MultiLangBench. Uji tersebut meminta model membangun mesin basis data kompatibel SQLite dalam bahasa pemrograman tertentu.
GPT-6 Astra mencatat tingkat kelulusan rata-rata 87,4 persen di 20 bahasa, jauh di atas GPT-5.6 Sol yang hanya 26,8 persen. COBOL tetap menjadi bahasa tersulit, dengan tingkat kelulusan Astra sebesar 72 persen.
Pengujian lain meminta model memigrasikan program COBOL ke C++, Java, Kotlin, Python, atau Rust tanpa mengubah perilaku program. GPT-6.1 Sol meraih akurasi tertinggi 97,9 persen pada high reasoning effort, dan 86,6 persen pada low reasoning effort.
Migrasi dinilai berhasil hanya jika seluruh tes lolos. Model harus mampu mempertahankan perilaku khas program COBOL, termasuk cara pembulatan angka dengan digit desimal berlebih dan penanganan record yang hilang.
"Behavior-preserving capabilities like these are useful for teams maintaining and modernizing older systems, though applying it to production software still requires expert review and testing against the system's business rules and dependencies," tulis OpenAI dalam keterangannya.
Artinya, hasil migrasi tetap butuh tinjauan ahli serta pengujian terhadap aturan bisnis dan dependensi sistem sebelum dipakai di lingkungan produksi.
Bagi industri perbankan, kemampuan model AI semacam ini bisa memangkas waktu dan biaya migrasi sistem inti yang biasanya berlangsung bertahun-tahun. Namun adopsi di Indonesia tetap bergantung pada kesiapan tim IT internal dan kepatuhan terhadap regulasi OJK soal penyelenggaraan teknologi informasi.
Bank dengan sistem warisan yang kompleks paling diuntungkan, asalkan punya proses validasi memadai. Institusi yang belum memiliki dokumentasi lengkap sebaiknya tidak langsung mengandalkan output AI untuk produksi.
OpenAI memposisikan kemampuan ini sebagai alat bantu modernisasi, bukan pengganti tim engineering. Untuk bank yang masih menimbang migrasi, hasil uji MultiLangBench bisa jadi acuan awal sebelum melakukan proof of concept internal.