İçindekiler
Dünyanın kritik altyapısının önemli bölümü, kimsenin dokunmaya cesaret edemediği eski kodla çalışıyor. OpenAI, bu kodun modern dillere taşınmasında modellerinin "kayda değer ilerleme" gösterdiğini açıkladı. The Verge'in 26 Ekim 2026 tarihli haberine göre şirket, eski programlama dillerindeki yazılımları C++, Java, Kotlin, Python ve Rust'a taşırken yazılımın davranışını koruma oranını yüzde 98'e çıkardığını duyurdu. Ancak habere görüş veren akademisyenler, bu sonuçların kritik sistemleri değiştirmek için yeterli olmadığını söylüyor.
COBOL neden hâlâ ayakta?
COBOL, "common business-oriented language" ifadesinin kısaltması ve 1959'da geliştirildi. IBM'in verilerine göre bugün çevrim içi bankacılık sistemlerinin yüzde 40'ından fazlasının temelini oluşturuyor, yüz kişisel kredi kartı işleminin yüzde 80'ini ve ATM işlemlerinin yüzde 95'ini destekliyor. ABD'de Sosyal Güvenlik Kurumu'ndan IRS'e, eyalet işsizlik sistemlerinden havayollarına kadar pek çok kurum aynı mirası taşıyor. Brookings'in bir tahmini, COBOL kaynaklı verimsizliğin ABD ekonomisine yıllık maliyetini yaklaşık 105 milyar dolar olarak hesaplıyor.
Sorun, dili bilen insan sayısının hızla azalması. Bu sistemleri anlayan programcıların çoğu emekli oldu ya da hayatını kaybetti. Aynı durum bilimsel hesaplamada, hava tahmininde ve nükleer güvenlik kodlarında kullanılan Fortran için de geçerli.
OpenAI'nin ölçümleri
OpenAI'nin blog yazısına göre göç, yalnızca "tüm testler geçtiğinde" başarılı sayılıyor. Şirketin kendi testlerinde GPT-6.1 Sol, düşük muhakeme eforunda yüzde 87 davranış koruma doğruluğuna ulaştı ve efor yükseltildiğinde bu oran yüzde 98'e çıktı. Aynı koşullarda GPT-6 Astra yaklaşık yüzde 86, GPT-6 Sol yüzde 21, GPT-5.6 Sol ise yalnızca yüzde 5 seviyesinde kaldı.
Şirket ayrıca modellerinin COBOL dahil farklı dillerde veritabanı yazılımı üretme becerisinde de ilerlediğini bildirdi.
Anthropic'in hamlesi ve IBM'in tepkisi
Anthropic de aynı alanda pozisyon alıyor. Şirket Şubat 2026'da adım adım bir "kod modernizasyon el kitabı" yayımladı ve Claude Code'u COBOL kodunu Java veya Python'a taşımanın aracı olarak önerdi. Ancak bu taşımaların ne kadar iyi sonuç verdiğine dair performans ölçümü paylaşmadı. Duyurunun ardından IBM hisseleri, Reuters'ın aktardığına göre 2000 yılından bu yana en sert günlük düşüşünü yaşadı; çünkü IBM gelirinin bir bölümünü eski sistemlerin bakımından elde ediyor.
"Kodu yeniden yazmak, sistemi değiştirmek değil"
Hollanda'daki Twente Üniversitesi'nden yazılım evrimi doçenti Vadim Zaytsev, aradaki farkı net koyuyor: Kodu yeniden yazmak, sistemi değiştirmekle aynı şey değil. Zaytsev'in gördüğü en büyük sistem 250 milyon satır COBOL içeriyordu ve bu, dünyanın en büyüğü değil. Ona göre kod tek başına sorunun yalnızca bir parçası; sistemler birden fazla dilde yazılmış olabiliyor, veriler farklı biçimlerde saklanıyor, başka sistemlerle entegrasyonlar ve kurumsal beklentiler devreye giriyor. Bu nedenle "yapay zeka şu anda eski COBOL sistemlerinin değiştirilmesinde veya taşınmasında büyük bir rol oynamıyor".
Delft Teknik Üniversitesi'nden yazılım mühendisliği profesörü Arie van Deursen, OpenAI'nin blog yazısını "yüzeysel" olarak niteliyor. Ona göre kullanılan kıyaslama görevi nispeten basit ve iyi tanımlı; modellerin eğitimde karşılaşacağı sistemlere benziyor. Van Deursen, bir sistemi bakımda tutmanın modernize etmekten çok daha kolay olduğunu ve test edilen görevlerin gerçek modernizasyondan "ışık yılı" uzakta olduğunu söylüyor. En kritik itirazı ise şu: Yayımlanan değerlendirmeler, karmaşık bir eski sistemi tek tek değiştirilebilecek küçük parçalara ayırma zorluğuna hiç değinmiyor.
Asıl zorluk kodu anlamak değil
Imperial College London'dan programlama dilleri profesörü Alastair Donaldson, en büyük engelin kodun nasıl çalıştığını anlamak olmadığını söylüyor: Asıl sorun, sistemin ne yaptığını bilen insan kalmaması. Donaldson'a göre "aklı başında kimse yeni bir projede COBOL kullanmaz" ama mevcut sistemler kritik olduğu için dokunulmuyor.
Bu nedenle test disiplini belirleyici hale geliyor. Eski ve yeni sistemi aynı iş akışlarıyla paralel çalıştırıp davranışın birebir aynı olduğunu doğrulamak, yapay zekanın çeviri kararlarını belgelemesi ve resmî doğrulama yöntemlerinin kullanılması önerilen yaklaşımlar arasında. Güney Danimarka Üniversitesi'nden Jacopo Mauro, resmî doğrulamanın eski koda uygulanmasının çok büyük emek gerektireceğini, o aşamaya kadar insan denetiminin şart olduğunu belirtiyor.
Yüzde 99 senaryosu neden yetmiyor?
Zaytsev'in cümlesi riski özetliyor: Elinizde kodun yüzde 99'unu halleden sihirli bir değnek olduğunu varsayın; geri kalan yüzde 1 ile ne yapacaksınız? O yüzde 1, milyon satır kod olabilir ve bir ömür boyu hayal edebileceğinizden fazla şekilde sessizce hata verebilir. Kritik sistemlerde taşıma sonrası küçük davranış farkları bile kabul edilemez.
Türkiye'deki kurumlar için not
Bankacılık, sigorta ve kamu sistemlerinde COBOL mirası Türkiye'de de var. Yapay zeka destekli göç araçlarını değerlendirirken üç soru sorulmalı: Taşınacak modülün sınırı net mi, davranış eşdeğerliği hangi testlerle kanıtlanacak ve üretim öncesi paralel çalıştırma ne kadar sürecek? Bu üç soruya yanıt yoksa pilot proje, üretim projesine dönüşmemeli.
Sonuç
OpenAI'nin rakamları, model çağrısı düzeyinde gerçek bir ilerleme olduğunu gösteriyor; GPT-5.6 Sol'den yüzde 98'e giden sıçrama küçümsenecek bir fark değil. Ancak kurumsal göç kararı, benchmark skorundan çok sistem mühendisliği disiplinine bakıyor. Bugün için doğru okuma şu: Yapay zeka, göç işinin bir bölümünü hızlandırıyor; sistemin tamamını devralmaya ise henüz hazır değil.