AI 可否安全遷移 COBOL？關鍵在驗證而非改寫

圖片：TechLab 自製資訊圖

TechLab 編輯部（譯）·2026-10-27

OpenAI 表示，其新一代模型在把 COBOL 等舊式程式碼遷移至 C++、Java、Kotlin、Python 或 Rust 時，較能保留原有行為。

不過，這距離讓 AI 安全「接管」核心系統遷移仍很遠。OpenAI 的數據屬公司自行評估，且成功標準是所有測試均通過；荷蘭特文特大學及代爾夫特理工大學的學者均指出，評估未充分涵蓋真實現代化工程最棘手的部分：資料格式、跨系統整合、業務流程，以及把龐大系統拆成可逐步取代的單位。

程式碼改寫只是遷移的起點

OpenAI 報稱，GPT-6.1 Sol 在其測試中，以較低推理強度可達 87% 行為保留準確率，較高推理強度則達 98%。數字反映模型處理特定轉譯任務有所進步，但不能直接等同整個舊系統可被替換。

原因是企業系統的「正確」不只在於程式能否編譯或完成單元測試。舊系統往往混合多種程式語言，並連接不同格式的資料、外部介面及多年累積的營運規則。即使新程式大部分輸出一致，一個邊緣個案的細微差異，亦可能影響交易、帳務或公共服務流程。

特文特大學軟件演化副教授 Vadim Zaytsev 以大型 COBOL 系統為例，指出其見過的系統已有 2.5 億行程式碼，而那還未必是最大規模。若 AI 處理了 99%，餘下的 1% 仍可能是分散各處、難以重現問題的龐大程式量。這也說明，模型輸出的百分比不能取代風險盤點。

可用作加速器，前提是建立驗證閘門

倫敦帝國學院教授 Alastair Donaldson 認為，遷移時必須有強健測試。其中一個實際方向，是讓新舊系統以相同工作流程平行運行，再逐項比較結果。AI 若能同時交代每段翻譯的依據，讓熟悉舊語言的工程師覆核，價值會比單純大量產生新程式碼更高。

南丹麥大學教授 Jacopo Mauro 則提到形式驗證：以數學方法檢查程式行為是否符合要求。理論上，這可為 AI 生成的轉譯提供更嚴格保證；但要套用至遺留系統，所需工作量很大。在此之前，人手驗證仍屬必要。

因此，AI coding agent 較合理的角色，是協助理解舊程式、產生初稿、補寫測試與整理文件，讓遺留系統工程師把時間集中在業務規則、例外流程及風險審核。部署上亦宜從邊界清晰、可回退的模組開始，配合平行驗證和明確的資料存取控制，再決定是否擴大範圍。

下一步要看公開評估能否貼近真實工程

OpenAI 發言人亦承認，遺留程式碼問題仍遠未解決，並稱正研究更佳測試方法。往後值得觀察的，不只是模型宣稱的行為保留率，還包括測試資料是否足以覆蓋真實業務情境、模型如何處理資料與系統整合，以及企業能否保留可審核、可回退的遷移過程。對高度關鍵的系統而言，速度有價值，但可證明的等價性和責任分工更重要。