AI se naučila COBOL, kterému rozumí už jen stárnoucí programátoři. Pro banky to mění všechno

OpenAI tvrdí, že její nový model zvládne přepsat staré bankovní systémy s přesností 97,9 procenta. Ještě loni to uměl pod šest procent. Jenže skutečná překážka pro firmy neleží v kódu.

Představte si jazyk, kterým je napsaná větší část světového bankovnictví, a přitom mu rozumí hrstka programátorů, jejichž průměrný věk se blíží šedesátce. Přesně taková je situace kolem COBOLu — jazyka z roku 1960, na kterém dodnes běží výplaty, pojistky i státní registry. A právě tenhle problém chce vyřešit umělá inteligence. OpenAI minulý týden oznámila, že její nejnovější model zvládne staré systémy přepsat s přesností, která ještě před rokem vypadala jako sci-fi.

Čísla jsou skutečně působivá. Model GPT-6.1 Sol dosáhl v interním testu migrace COBOL kódu přesnosti 97,9 procenta — ovšem při nejvyšším nasazení takzvaného reasoningu, tedy hlubokého uvažování. V úspornějším režimu zvládl 86,6 procenta. Pro srovnání: předchozí generace modelu před rokem zvládla stejnou úlohu jen z 5,4 procenta. To je skok, který v oblasti takzvaných low-resource jazyků nemá obdoby.

Pro české podnikatele to na první pohled může znít jako zpráva ze vzdáleného světa Wall Street a velkých amerických bank. Jenže legacy systémy — tedy ty staré, letité a těžko nahraditelné — netrápí jen giganty. Trápí každou firmu, pojišťovnu nebo úřad, který postavil své klíčové procesy před patnácti a více lety a od té doby je jen opatrně záplatuje. A přesně těmto organizacím umělá inteligence poprvé nabízí reálnou cestu ven.

Proč zrovna COBOL stále drží svět pohromadě

Pro mnoho podnikatelů zní COBOL jako archaismus, se kterým nemají nic společného. Opak je pravdou — pokud používáte platební kartu, posíláte peníze přes internetbanking nebo vybíráte z bankomatu, s velkou pravděpodobností se vaše transakce někde v pozadí opře o kód starý desítky let.

Podle statistik IBM běží na COBOLu zhruba 95 procent všech transakcí v bankomatech, kolem 80 procent plateb kartou u pokladen a více než 40 procent systémů online bankovnictví. Celkem se odhaduje, že po světě je stále v aktivním provozu přibližně 250 miliard řádků tohoto kódu. Nejde o žádné muzeum — jsou to systémy, které každý den zpracovávají reálné peníze.

Problém je, že lidí, kteří COBOLu skutečně rozumějí, dramaticky ubývá. Studie z roku 2019 uváděla průměrný věk COBOL programátora 58 let, přičemž zhruba desetina jich každým rokem odchází do důchodu. Formální výuka tohoto jazyka na univerzitách prakticky skončila. V USA se odhaduje na 84 tisíc neobsazených pozic kolem sálových počítačů. Firmy tak sedí na kritických systémech, kterým rozumí stále menší okruh lidí.

Tenhle demografický problém není abstraktní. Když firmě odejde do důchodu poslední programátor, který rozuměl tomu, jak přesně se v jejím systému počítá úrok z prodlení nebo výpočet pojistného plnění, odnese si s sebou znalost, kterou nikdo nestihl sepsat. Systém dál funguje — ale stane se neprůhlednou černou skříňkou, kterou se nikdo neodváží změnit. A právě tady se slibuje nejvíc.

Co přesně model umí — a kde leží háček

GPT-6.1 Sol dokáže starý COBOL kód převést do moderních jazyků jako Python, Java, Kotlin, Rust nebo C++. Testovací metrika přitom není mírná: aby se migrace počítala jako úspěšná, musí přepsaný program projít všemi skrytými testy a jeho výstupy se musí shodovat s originálem doslova bajt po bajtu. Každý rozdíl, byť v zaokrouhlení jedné desetiny, znamená neúspěch — a v bankovním prostředí i potenciální problém s regulátorem.

Právě tady je ale potřeba výsledky číst střízlivě. Test probíhal na izolovaných jednosouborových programech. Nezahrnoval takzvané copybooky, dávkové skripty JCL ani transakční prostředí CICS — tedy přesně ty vrstvy, které dělají reálné firemní systémy složitými. COBOL navíc i po tomto skoku zůstává nejtěžším jazykem v celém testu: v průměru napříč dvaceti jazyky model dosahuje 72,1 procenta právě na COBOLu.

Jeden mzdový program prošel 24 z 29 testů, přitom ale počítal srážky špatně — a nic na to neupozornilo.

Tenhle nález z nezávislého testu dobře ilustruje největší riziko. Model může kód přepsat tak, že navenek funguje, ale tiše mění obchodní logiku. U výplatní pásky nebo výpočtu pojistného je taková tichá chyba nebezpečnější než pád systému — protože ji nikdo hned nezaznamená.

Skutečná překážka se přesouvá z kódu do firmy

Důležité je také chápat, jak se k výsledku došlo. Oněch 97,9 procenta model nedosáhl rychlým jedním průchodem, ale při maximálním nasazení výpočetního uvažování, které stojí znatelně víc peněz i času. V úspornějším a levnějším režimu klesá přesnost na zmíněných 86,6 procenta. Pro firmu to znamená, že nejvyšší kvalita migrace není zadarmo — je to volba mezi cenou a spolehlivostí, kterou je potřeba vědomě řídit, ne nechat na automatu.

A tady se dostáváme k tomu podstatnému pro každého, kdo řídí firmu se staršími systémy. I kdyby model psal bezchybně, zdaleka to neznamená, že migrace bude snadná. Analytici Gartneru odhadují, že přes 70 procent projektů na opuštění sálových počítačů, které firmy spustí v roce 2026, nepřinese očekávaný užitek — a to mimo jiné kvůli přehnaným nadějím vkládaným do generativní AI.

Důvod je prostý: skutečné překážky nejsou technické, ale organizační. Jde o nezdokumentovaná obchodní pravidla, o závislosti mezi moduly, o dávkové procesy a hlavně o ověření, že nový systém dělá přesně totéž co starý — na úrovni celého provozu, ne jednoho souboru. Žádné skóre v testu tyto věci nevyřeší. I sama OpenAI přiznává, že před nasazením do produkce je stále nutná kontrola odborníkem proti kompletním obchodním pravidlům.

Konkurence to vidí podobně. Firma Cognition u jedné modernizace v bance Itaú Unibanco hlásila pět až šest násobné zrychlení práce bez jediné produkční chyby — zároveň ale otevřeně říká, že plně autonomní migrace transakčních systémů je pro dnešní AI agenty stále mimo dosah. IBM zase u svého nástroje sází na to, co samostatný model nemá: napojení na firemní kontext, metadata a definice dat.

Co si z toho odnést

Pokud vaše firma, banka nebo instituce stojí na starších systémech — a v Česku to platí pro řadu bank, pojišťoven i státní správy — tahle zpráva má praktický dopad. Dobrá zpráva: přepis kódu samotného přestává být neřešitelným úzkým hrdlem. Co ještě loni vyžadovalo vzácné a drahé specialisty, dnes model zvládne z velké části sám.

• Nespoléhejte na to, že AI zvládne migraci sama od začátku do konce. Rozhodující fází zůstává ověření, že nový systém počítá přesně stejně jako starý.
• Investujte do dokumentace obchodních pravidel ještě dřív, než o migraci začnete uvažovat. Právě nezdokumentované výjimky bývají nejčastější příčinou tichých chyb.
• Berte efektní čísla z testů jako orientační. Reálné firemní prostředí s provázanými moduly je o řád složitější než izolovaný program v laboratoři.
• Vnímejte to jako posun strategické výhody: kdo má své systémy dobře popsané, získá z nové generace AI nástrojů nejvíc. Kdo spoléhal jen na pár odcházejících odborníků, má teď poslední šanci znalosti zachytit.

Zásadní je nepřehlédnout jednu věc. Technologický pokrok právě přesunul těžiště problému. Dřív byla překážkou neznalost starého jazyka. Dnes je jí nedostatek řádu ve vašich vlastních procesech. A to je paradoxně mnohem lepší zpráva — protože na rozdíl od ubývajících COBOL programátorů je pořádek ve firemní dokumentaci něco, co máte plně ve svých rukou.