Selama puluhan tahun, bank, maskapai penerbangan, kantor pajak, dan perusahaan utilitas publik bergantung pada program COBOL yang kini hanya sedikit orang tahu cara mengubahnya dengan aman. OpenAI menyatakan model AI terbarunya telah mengalami kemajuan signifikan dalam memahami dan menangani bahasa pemrograman yang telah berusia puluhan tahun itu, sehingga menawarkan kemungkinan perangkat baru bagi organisasi yang terjepit antara mempertahankan sistem penting agar tetap beroperasi dan menggantinya. Klaim ini menempatkan kecerdasan buatan di salah satu hambatan teknologi yang paling tak terlihat, tetapi paling berdampak: perangkat lunak di balik pembayaran, perjalanan, catatan publik, dan layanan lain yang diharapkan masyarakat selalu berfungsi. Peluangnya bukan sekadar beralih dari kode lama ke kode baru, melainkan menemukan cara yang lebih aman untuk memeriksa, menjelaskan, dan memodernisasi secara bertahap sistem yang kegagalannya dapat menimbulkan dampak langsung terhadap manusia dan keuangan.
COBOL, singkatan dari Common Business-Oriented Language, dirancang pada akhir 1950-an untuk pemrosesan data bisnis. Umurnya yang panjang mencerminkan keandalannya sekaligus keengganan untuk berubah. Komputer mainframe masih menangani transaksi dalam volume besar, termasuk setoran, klaim asuransi, dan perhitungan tunjangan, dengan kinerja yang konsisten. Seiring waktu, berbagai lembaga menambahkan aturan dan pengecualian ke dalam program-program ini, sehingga cara kerja operasional mereka yang sebenarnya tertanam di dalamnya. Mengganti fondasi tersebut secara menyeluruh dapat menuntut perancangan ulang yang mahal, pengujian ekstensif, dan migrasi data yang berisiko; membiarkannya tanpa perubahan dapat mempersulit pembaruan keamanan, integrasi, dan penyesuaian terhadap aturan kepatuhan.
Keterbatasan tenaga ahli sama seriusnya. Para spesialis COBOL berpengalaman mulai memasuki masa pensiun, sementara mencari pengganti sulit karena bahasa ini kini jarang diajarkan sebagai jalur karier arus utama. Menyusutnya jumlah tenaga ahli membuat pemeliharaan rutin menumpuk sebagai pekerjaan langka dan mahal. Bahkan perubahan yang tampak sederhana mungkin memerlukan peninjauan cermat oleh orang-orang yang memahami sejarah suatu sistem. Bagi bank dan lembaga pemerintah, masalahnya bukan sekadar kode yang ketinggalan zaman: ada risiko keahlian penting akan hilang sebelum sistemnya dapat diubah dengan aman.
AI dapat membantu dengan memudahkan pembacaan kode yang belum dikenal, memetakan hubungan antarkomponen, serta mengusulkan penjelasan atau perubahan untuk ditinjau manusia. Dalam praktiknya, model dapat membantu teknisi menelusuri alur transaksi dalam sebuah program, mengidentifikasi bagian tempat suatu aturan diterapkan, atau menyusun dokumentasi yang selama bertahun-tahun belum tersedia. Bantuan semacam ini dapat mempersingkat pekerjaan penelusuran dan pemeliharaan, sehingga tenaga ahli yang terbatas bisa berfokus pada keputusan penting alih-alih menguraikan setiap baris kode dari awal. Peningkatan yang dilaporkan OpenAI penting karena logika bisnis COBOL sering kali padat, saling terhubung erat, dan minim dokumentasi. Akibatnya, bantuan kode generik kurang bermanfaat jika tidak mampu mengikuti konteks di seluruh sistem yang besar.
Namun, kemampuan memahami kode yang lebih baik tidak serta-merta membuat perubahan otomatis aman. Perubahan yang dihasilkan AI bisa saja valid secara sintaksis, tetapi tetap keliru menangani kasus khusus yang memengaruhi pembayaran pensiun, pemesanan tiket pesawat, atau saldo bank. Organisasi memerlukan pengujian ketat, jejak audit, kontrol akses, dan persetujuan manusia, serta cara untuk membandingkan penjelasan yang dihasilkan AI dengan perilaku sistem yang sebenarnya. Kode keuangan dan pemerintahan yang sensitif juga memunculkan pertanyaan tentang lokasi pemrosesan data, pihak yang dapat mengaksesnya, dan apakah keluaran model dapat direproduksi. Penyedia teknologi harus membangun kepercayaan, bukan sekadar menunjukkan kefasihan.
Taruhan komersialnya besar. Jika perangkat AI dapat secara konsisten mengurangi waktu dan tenaga ahli yang dibutuhkan untuk memahami perangkat lunak warisan, organisasi mungkin dapat melakukan modernisasi secara bertahap alih-alih membiayai penggantian besar-besaran yang berisiko. Hal itu dapat membantu mereka menghubungkan mainframe dengan layanan cloud, meningkatkan aplikasi yang digunakan pelanggan, dan merespons perubahan kebijakan atau pasar dengan lebih cepat, sembari mempertahankan mesin transaksi yang telah terbukti andal. Penyedia cloud dan perusahaan perangkat lunak telah mengembangkan perangkat modernisasi, termasuk sistem agenik yang dirancang untuk menemukan aplikasi dan mengoordinasikan pekerjaan migrasi. Persaingan dapat menekan biaya, tetapi pembeli perlu membandingkan hasil yang terukur, portabilitas, dan risiko keterikatan pada satu vendor, alih-alih menganggap demonstrasi AI sebagai bukti kesiapan untuk penggunaan produksi.
Bagi konsumen, modernisasi yang berhasil mungkin tidak terlihat dalam bentuk chatbot, melainkan melalui lebih sedikit gangguan layanan, perubahan yang lebih cepat pada layanan daring, dan penanganan transaksi rutin yang lebih andal. Lembaga yang lebih kecil mungkin mendapat manfaat besar jika perangkat ini mengurangi ketergantungan pada segelintir konsultan berbiaya tinggi, meski mereka mungkin juga kekurangan staf untuk memvalidasi pekerjaan otomatis. Pelajaran yang lebih luas adalah bahwa nilai AI mungkin bukan hanya berasal dari kemampuannya menciptakan perangkat lunak baru, tetapi juga dari bantuannya kepada masyarakat untuk memahami dan memelihara sistem yang telah menyatu dengan kehidupan sehari-hari. Karena itu, langkah OpenAI di bidang COBOL merupakan perkembangan yang menjanjikan, bukan solusi tuntas. Ujian sesungguhnya adalah apakah organisasi dapat menggunakan model-model ini untuk membuat infrastruktur penting lebih aman, adaptif, dan akuntabel tanpa menimbulkan risiko baru yang lebih sulit terlihat.
