Durante décadas, COBOL ha permanecido como una anomalía en la industria tecnológica. Nació en 1959, sobrevivió a múltiples revoluciones digitales como la llegada de los primeros sistemas operativos de Apple y Microsoft y, contra todo pronóstico, sigue operando en el corazón de bancos, aseguradoras y sistemas gubernamentales.
En sus últimos años, su longevidad ha estado siendo cuestionada e incluso ha sido calificada como un problema estructural que afronta problemas como la falta de ingenieros capacitados en este lenguaje. Pero en plena era de la inteligencia artificial, está experimentando una nueva oportunidad; no porque COBOL haya evolucionado, sino porque la IA está empezando a hacerlo comprensible de nuevo.
Conocimiento en extinción
Gran parte de la infraestructura financiera global aún depende de COBOL. Se estima que miles de millones de líneas de código siguen ejecutándose diariamente en sistemas que procesan pagos, gestionan cuentas o liquidan transacciones.
Para muchos ingenieros, el verdadero reto no es el lenguaje en sí, sino el conocimiento acumulado que vive dentro de esos sistemas. Durante décadas, equipos de desarrolladores construyeron capas de lógica de negocio bastante específicas, pero muchos de esos expertos se están jubilando, llevándose consigo el contexto necesario para entender cómo funcionan estos sistemas.
“La pérdida de conocimiento es pérdida de dinero. El conocimiento aislado está costando a las empresas millones de dólares debido a la pérdida de productividad, la baja eficiencia, la colaboración limitada y los bloqueos operativos”, advierte Claudio González, CTO & EVP de intive.
La principal consecuencia de este problema es que las empresas todavía dependen de sistemas críticos que ya no comprenden completamente.
La inteligencia artificial y su capacidad para comprender sistemas complejos
En los últimos años, la inteligencia artificial ha sido presentada como una especie de “traductor universal” capaz de resolver el problema de los sistemas legacy. Sin embargo, los expertos no recomiendan tomar código antiguo y convertirlo a lenguajes modernos como Java.
Además, históricamente la modernización se entendía como reemplazo que se basa en construir algo nuevo y descartar lo viejo. Pero hoy, especialmente en sectores como la banca, eso rara vez es viable.
Con lenguajes como COBOL, el problema no está en la sintaxis sino en la lógica de negocio, las dependencias ocultas y las decisiones acumuladas durante décadas. Y es aquí donde la IA empieza a aportar valor real. No como reemplazo, sino como intérprete.
Más que escribir código, los modelos actuales pueden analizar grandes bases de código legacy para identificar patrones, mapear dependencias y reconstruir la intención detrás de cada sistema. En palabras de González, la IA puede “analizar bases de código heredadas para descubrir dependencias ocultas y reglas de negocio, y ayudar a los equipos a entender la intención detrás de los sistemas, no solo su estructura”.
Lo que ocurre con COBOL es solo la punta del iceberg en un momento en el que el mantenimiento y desarrollo de software están siendo transformados por la IA. Durante años, la industria tecnológica avanzó creando nuevas capas sin necesariamente reemplazar las anteriores. El resultado es un ecosistema híbrido donde conviven tecnologías de distintas épocas, creando además una brecha de talento significativa.
Precisamente la IA sirve como puente entre generaciones tecnológicas. Puede leer código antiguo como si fuera documentación actual; ayudar a nuevos desarrolladores a trabajar con sistemas que nunca aprendieron y acelerar procesos de migración sin perder contexto crítico. En otras palabras, la IA no amenaza el pasado tecnológico, lo hace más comprensible y utilizable.
El caso de COBOL demuestra que una tecnología no siempre muere cuando deja de ser relevante, y que la inteligencia artificial puede devolverle contexto a sistemas que parecían condenados a la opacidad. Pero capitalizar ese potencial va más allá de implementar nuevas herramientas: implica entender profundamente tanto el legado como el destino.
Justo ahí, donde conviven décadas de lógica de negocio y nuevas capacidades de IA, es donde empiezan a cobrar relevancia equipos especializados y compañías como intive, capaces de traducir no solo el código, sino el sentido completo de los sistemas sobre los que se construye la transformación.
