Yapay Zeka COBOL Krizini Çözebilir mi? Uzmanlar Temkinli

Dünyanın bankacılık sistemlerini, havayollarını, vergi kurumlarını ve devlet altyapılarını ayakta tutan yazılımların büyük bölümü, onlarca yıl önce yazılmış eski programlama dillerine dayanıyor. Bu dillerin başında da 1959'da geliştirilen COBOL geliyor. OpenAI, 19 Ekim'de yayımladığı blog yazısında en yeni yapay zeka modellerinin bu tür eski kodları modern programlama dillerine aktarma konusunda "kayda değer iyileşmeler" sağladığını duyurdu. Şirket, bu gelişmenin kuruluşların eski sistemleri modernize etmesine yardımcı olabileceğini savunuyor. Ancak alanın uzmanları, bu iddiaların gerçek dünya koşullarında ne anlam ifade ettiği konusunda çok daha ihtiyatlı bir tutum sergiliyor.

COBOL Neden Hâlâ Her Yerde?​

"Common Business-Oriented Language" yani ortak iş odaklı dil anlamına gelen COBOL, yaklaşık yedi on yıl önce hayata geçmesine karşın günümüzde hâlâ kritik sistemlerin bel kemiğini oluşturuyor. IBM'in verilerine göre COBOL, çevrimiçi bankacılık sistemlerinin yüzde kırkından fazlasının temelini oluşturuyor; yüz yüze kredi kartı işlemlerinin yüzde sekseni ve ATM işlemlerinin yüzde doksanbeşi bu dil üzerinden yürütülüyor. Sosyal Güvenlik, IRS ve pek çok eyalet hizmetleri de dahil olmak üzere sayısız devlet sistemi de COBOL'a bağımlı. Bir tahmine göre bu verimsizliklerin ABD ekonomisine yıllık maliyeti yaklaşık 105 milyar dolar.
Peki bu kadar yaygın kullanılan bir dil neden bir türlü tarihe gömülemiyor? Yanıt kısmen teknik, kısmen de insani: Sistemler değiştirilmesi için çok kritik, onu anlayan programcıların büyük çoğunluğu ise çoktan emekli olmuş ya da hayatını kaybetmiş durumda. Imperial College London'dan programlama dilleri profesörü Alastair Donaldson'ın deyimiyle, "Aklı başında hiçbir kimse yeni bir geliştirme projesi için COBOL kullanmaz." Yine de dil, varlığını sürdürmeye devam ediyor.

OpenAI'ın Açıkladığı Test Sonuçları​

OpenAI, blog yazısında GPT-6.1 Sol modelinin COBOL kodunu C++, Java, Kotlin, Python ve Rust gibi modern dillere aktarırken düşük akıl yürütme çabasıyla yüzde 87 davranış koruma doğruluğu elde ettiğini bildirdi. Yüksek akıl yürütme çabasında bu oran yüzde 98'e çıkıyor. Karşılaştırma yapıldığında, aynı düşük çaba seviyesinde GPT-6 Astra yüzde 86, GPT-6 Sol yüzde 21 ve GPT-5.6 Sol ise yalnızca yüzde 5 oranında başarı gösterdi. Şirket, "Bir geçiş ancak tüm testler geçildiğinde başarılı sayılır" notunu düşerek başarı kriterini net biçimde ortaya koydu.
Anthropic da bu alanda fırsat gördüğünü açıkça ortaya koymuş durumda. Şirket Şubat ayında adım adım bir "kod modernizasyonu rehberi" yayımladı ve yapay zeka kodlama aracı Claude Code'u COBOL kodunu Java veya Python gibi modern dillere taşımak için bir çözüm olarak sundu. Anthropic, Claude Code'un bu tür geçişlerde ne kadar başarılı olduğunu gösteren herhangi bir performans karşılaştırması paylaşmadı; ancak "COBOL modernizasyonunun ekonomisi değişti" ifadesini kullandı. Anthropic'in bu açıklamasının ardından eski sistemlerin bakımından gelir elde eden IBM'in hisse senetleri sert bir düşüş yaşadı.

Uzmanlar: Kod Yeniden Yazmak, Sistemi Değiştirmek Değildir​

The Verge'ün görüştüğü uzmanlar, yapay zeka araçlarının son yıllarda eski kodlarla başa çıkma konusunda gerçekten ilerleme kaydettiğini kabul ediyor. Ancak OpenAI'ın duyurduğu gelişmelerin, kritik eski sistemleri güvenle değiştirmeyi mümkün kılmaktan çok uzak olduğu konusunda da hemfikir.
Hollanda'daki University of Twente'de yazılım evrimi alanında doçent olan Vadim Zaytsev, konuyu şu sözlerle özetliyor: "Kod yeniden yazmak, bir sistemi değiştirmekle aynı şey değildir." Zaytsev'e göre gördüğü en büyük sistemin 250 milyon satır COBOL içerdiğini ve bunun dünya genelindeki en büyük sistem olmadığını belirtiyor. Kod miktarı sorunun yalnızca bir parçası; birden fazla dilde yazılmış kodlar, farklı biçimlerde depolanan veriler, diğer sistemlerle teknik entegrasyonlar ve kurumların beklentileri de hesaba katılması gereken unsurlar arasında. Tüm bu karmaşıklık göz önüne alındığında Zaytsev, "Yapay zeka şu an eski COBOL sistemlerini değiştirme veya taşıma sürecinde büyük bir rol oynamıyor" diyor.
Delft University of Technology'den yazılım mühendisliği profesörü Arie van Deursen ise OpenAI'ın blog yazısını "yüzeysel" olarak nitelendirdi. Van Deursen'e göre şirketin dil karşılaştırması, modellerin eğitim sırasında muhtemelen karşılaştığı sistemlere benzer, görece basit ve iyi tanımlanmış bir görevi test ediyor. Üstelik eski bir sistemi bakımda tutmak ile onu modernize etmek arasında dev bir uçurum var. "Bakım yapmak, modernize etmekten çok daha kolay" diyen van Deursen, OpenAI'ın modellerini değerlendirmek için kullandığı görevlerin gerçek modernizasyondan "ışık yılı" uzakta olduğunu vurguluyor. "OpenAI'ın değerlendirmeleri temel zorluğu ele almıyor: Karmaşık bir eski sistemi tek tek değiştirilebilecek küçük birimlere bölmek."

Doğrulama Sorunu ve İnsan Denetiminin Önemi​

Uzmanlar, asıl zorluğun kodun nasıl çalıştığını anlamak olmadığı konusunda da dikkat çekiyor. Donaldson, eski sistemler söz konusu olduğunda bu tür bir anlayış eksikliğinin "çok yaygın" olduğunu belirtiyor. Bu nedenle sağlam test süreçleri kritik önem taşıyor. Olası yaklaşımlardan biri, aynı iş akışlarını hem eski hem de yeni sistemden geçirerek davranışların özdeş olup olmadığını doğrulamak. Yapay zekanın kod çevirisini belgelemesi ve eski dile aşina insanların bu çeviriyi incelemesine olanak tanıması da bir seçenek olarak öne çıkıyor.
University of Southern Denmark'tan matematik ve bilgisayar bilimleri profesörü Jacopo Mauro ise biçimsel doğrulama yöntemlerine dikkat çekiyor. Kodun doğru davranıp davranmadığını matematiksel tekniklerle hesaplamalı olarak doğrulayan bu yöntemler, yapay zeka tarafından üretilen matematiksel sonuçları doğrulamak için halihazırda kullanılıyor. Ancak bu yöntemleri eski kodlara uygulamak "muazzam miktarda çalışma" gerektiriyor. Mauro, "Bir insanın çeviriyi doğru bulup bulmadığını kontrol etmesinden daha iyi olacak" dese de şu an için "insan doğrulaması vazgeçilmez olmaya devam ediyor" diyor.
Zaytsev, durumu çarpıcı bir örnekle somutlaştırıyor: "Diyelim ki kodunuzun yüzde doksan dokuzunu halleden sihirli bir yapay zeka değneğiniz var. Geri kalan yüzde biriyle ne yapacaksınız? O yüzde bir, her yere yayılmış bir milyon satır kod olabilir ve ömrünüz boyunca hayal bile edemeyeceğiniz biçimlerde sessiz sedasız hata üretiyor olabilir." OpenAI sözcüsü Oscar Haines de The Verge'e gönderdiği e-postada eski kodun "hâlâ çözülmüş bir sorun olmaktan uzak" olduğunu kabul etti.

Sıkça Sorulan Sorular​

COBOL nedir ve neden bu kadar yaygın kullanılıyor?​

COBOL, 1959 yılında geliştirilen ve "common business-oriented language" yani ortak iş odaklı dil anlamına gelen eski bir programlama dilidir. IBM verilerine göre çevrimiçi bankacılık sistemlerinin yüzde kırkından fazlası, yüz yüze kredi kartı işlemlerinin yüzde sekseni ve ATM işlemlerinin yüzde doksanbeşi bu dil üzerinden çalışıyor. Değiştirilmesi için çok kritik olması ve onu anlayan programcıların büyük çoğunluğunun emekliye ayrılmış ya da hayatını kaybetmiş olması, dilin varlığını sürdürmesinin başlıca nedenleri arasında gösteriliyor.

OpenAI'ın yeni modelleri COBOL kodunu modern dillere aktarmada ne kadar başarılı?​

OpenAI'ın kendi testlerine göre GPT-6.1 Sol modeli, düşük akıl yürütme çabasıyla yüzde 87, yüksek akıl yürütme çabasıyla ise yüzde 98 davranış koruma doğruluğu elde etti. Şirket, bir geçişin ancak tüm testler geçildiğinde başarılı sayıldığını belirtiyor. Ancak uzmanlar, bu testlerin gerçek dünya karmaşıklığını yansıtmadığı konusunda uyarıyor.

Anthropic'in COBOL modernizasyonuna yaklaşımı nasıl?​

Anthropic, Şubat ayında adım adım bir "kod modernizasyonu rehberi" yayımladı ve yapay zeka kodlama aracı Claude Code'u COBOL kodunu Java veya Python gibi modern dillere taşımak için bir çözüm olarak sundu. Şirket, "COBOL modernizasyonunun ekonomisi değişti" ifadesini kullanmakla birlikte Claude Code'un performansını gösteren herhangi bir karşılaştırmalı ölçüm paylaşmadı.

Eski COBOL sistemlerini değiştirmenin önündeki en büyük engeller neler?​

Uzmanlar birden fazla zorluğa dikkat çekiyor: Kod birden fazla dilde yazılmış olabilir, veriler farklı biçimlerde depolanmış olabilir, diğer sistemlerle karmaşık teknik entegrasyonlar bulunabilir ve sistemleri anlayan programcıların büyük çoğunluğu artık aktif değil. Bunun yanı sıra karmaşık bir sistemi tek tek değiştirilebilecek küçük birimlere bölmek de kritik bir zorluk olarak öne çıkıyor. Uzmanlar, kod yeniden yazmanın bir sistemi tamamen değiştirmekle aynı şey olmadığını vurguluyor.

COBOL gibi eski kodların modern dillere aktarılmasında insan denetimi neden gerekli?​

Uzmanlar, kritik sistemlerde geçiş öncesi ve sonrası davranış farklılıklarının çoğu zaman kabul edilemez olduğunu belirtiyor. Bu nedenle aynı iş akışlarını her iki sistemden geçirerek karşılaştırma yapmak, yapay zekanın çevirisini belgeleyerek eski dile aşina kişilerin incelemesine sunmak ve biçimsel doğrulama yöntemleri gibi ek güvenceler gerekiyor. Jacopo Mauro'ya göre bu yöntemler henüz eski kodlara geniş ölçekte uygulanabilir değil ve bu nedenle insan doğrulaması vazgeçilmez olmayı sürdürüyor.