A IA finalmente entendeu COBOL — mas não entende o que ele precisa fazer

De 5,4% para 97,9% em uma única geração de modelo. A OpenAI divulgou, em 19 de outubro, que o GPT-6.1 Sol agora traduz COBOL para linguagens modernas com precisão que parecia impossível há meses.

Nenhum banco vai demitir o time de mainframe por causa disso.

A tese desta análise é simples: a OpenAI resolveu o problema de traduzir código COBOL linha a linha. Não resolveu o problema de saber o que aquele código deveria continuar fazendo — conhecimento que, em muitos bancos, existe só na cabeça de programadores perto da aposentadoria. Migrar sintaxe ficou fácil. Migrar memória institucional continua caro, lento e arriscado.

COBOL segue vital nos bancos (e a IA não muda isso)

A linguagem não é relíquia de museu. Segundo estimativas da IBM, COBOL sustenta mais de 40% dos sistemas bancários online e 95% das transações em caixas eletrônicos nos Estados Unidos. No Brasil, bancos como Itaú, Bradesco, Banco do Brasil e Caixa mantêm operações críticas — Pix, débito automático, folha de pagamento — rodando sobre mainframes IBM Z, segundo a OpServices, empresa brasileira especializada em infraestrutura legada. É o tipo de sistema que não pode parar para um teste A/B.

O salto que a OpenAI divulgou

Segundo o blog oficial da OpenAI, o GPT-6.1 Sol atinge 86,6% de acerto na migração de COBOL com nível baixo de raciocínio e 97,9% com raciocínio máximo, contra apenas 5,4% do GPT-5.6 Sol na mesma avaliação. O Tech Times replicou os números em 21 de outubro e cita o MultiLangBench, outro teste da própria OpenAI: aí o salto é de 10,9% para 72,1% entre as duas gerações.

A avaliação testa se o programa traduzido para C++, Java, Kotlin, Python ou Rust preserva o comportamento original do COBOL, incluindo detalhes como regras de arredondamento e tratamento de registros ausentes — pontos onde pequenas diferenças geram resultados financeiros diferentes.

Mas a própria OpenAI limita o alcance: o teste avalia só programas de arquivo único. Não cobre copybooks (estruturas de dados compartilhadas por centenas de programas em um banco real), nem JCL (linguagem que organiza ordem de execução no mainframe), nem CICS (middleware transacional que processa boa parte das operações bancárias em tempo real).

Como resume o Tech Times, "o que não mudou são os copybooks, os fluxos de JCL, a lógica de negócio não documentada e a complexidade organizacional que tornam a migração empresarial real difícil" — um problema organizacional e arquitetural, não de precisão de modelo. A própria OpenAI reconhece que o resultado "não elimina a necessidade de supervisão especializada".

O que dizem os estudos

OpenAI (relatório de empresa, 2026). Avaliação dedicada de migração COBOL mostra GPT-6.1 Sol com 97,9% de acerto em raciocínio máximo e 86,6% em raciocínio baixo, contra 5,4% do GPT-5.6 Sol, testando só programas de arquivo único. Limitação assumida pela própria empresa: não cobre copybooks, JCL nem CICS, e o resultado "não elimina a necessidade de supervisão especializada" — a própria fonte que anuncia o avanço avisa que ele é parcial.

Gartner (citado por imprensa especializada, 2026). Previsão de que mais de 70% dos projetos de saída de mainframe iniciados em 2026 vão falhar em entregar os benefícios prometidos, apontando superestimação das ferramentas de IA generativa como causa principal. Limitação: não foi possível acessar o relatório original da Gartner nesta apuração, apenas a citação reproduzida por veículos terceiros — o número deve ser lido como indicação de tendência, não como dado auditado diretamente.

Legacy-Bench, Factory.ai (relatório de empresa, 2026). Benchmark próprio da empresa de automação de código encontrou falhas silenciosas em migrações geradas por IA: um cálculo de folha de pagamento passou 24 de 29 testes automatizados computando descontos errados, sem gerar erro de compilação. Das 44 tarefas de migração que nenhum modelo testado conseguiu resolver, 31 eram em COBOL. Limitação: a Factory.ai vende serviços de migração de código legado (interesse comercial direto) e a metodologia completa do benchmark não está detalhada nas fontes secundárias consultadas.

O outro lado

Quem defende acelerar a migração tem um argumento que os números sustentam: o salto de 5,4% para 97,9% em uma única geração é real, e o custo despencou junto. Segundo a reportagem da OpenAI, o GPT-6 Luna processa o mesmo teste por US$ 0,77 por amostra, contra US$ 3,48 do GPT-5.6 Sol — quase um quarto do preço. Se a curva continuar nesse ritmo, a janela em que a migração completa é "impossível" por limitação técnica pode estar encolhendo mais rápido do que os céticos admitem.

O que isso muda na prática

A escassez de mão de obra é o problema que a OpenAI não resolveu com este modelo. Estimativas do setor, em circulação desde 2019 e ainda repetidas em relatórios recentes, apontam cerca de 84 mil posições de mainframe não preenchidas nos Estados Unidos, idade média de 58 anos entre desenvolvedores COBOL e cerca de 10% se aposentando por ano. Uma pesquisa da Forrester encomendada pela Deloitte indica que 71% das equipes de mainframe relatam falta de pessoal.

Um modelo que traduz sintaxe não documenta a regra de negócio que só existe na cabeça de quem vai se aposentar em dois anos.

Para quem acompanha o setor, o indicador a observar não é a próxima pontuação de benchmark, mas sim se algum banco grande — no Brasil ou fora — anuncia um projeto de saída de mainframe com prazo e orçamento públicos nos próximos meses. Esse anúncio, mais que qualquer teste de precisão, sinalizará que o gargalo organizacional começou a ceder.

Até lá, a leitura mais honesta é a que a própria OpenAI deu: a IA ficou muito melhor em traduzir código. Não ficou, ainda, melhor em saber o que esse código precisa continuar fazendo.