الذكاء الاصطناعي

أوبن إيه آي: نماذجها تسهّل هجرة البنوك من أنظمة كوبول القديمة

تسعى أوبن إيه آي إلى حل أزمة نقص المبرمجين المتخصصين في اللغات القديمة عبر نماذج ذكاء اصطناعي قادرة على ترجمة وهجرة الكود بدقة عالية.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 20 أكتوبر 2026 · آخر تحديث: 20 أكتوبر 2026 · 4 دقائق قراءة

أوبن إيه آي: نماذجها تسهّل هجرة البنوك من أنظمة كوبول القديمة — الصورة: Engadget

تحديات هجرة الأنظمة المصرفية القديمة

كشفت شركة أوبن إيه آي عن تطورات جوهرية في قدرات نماذجها للتعامل مع لغات البرمجة القديمة التي تعاني من شح في الكفاءات البشرية المتخصصة. وتوضح الشركة في [مقالها التقني](https://openai.com/index/low-resource-programming-languages/) أن 40% من البنوك في العالم لا تزال تعتمد على أنظمة مبنية بلغة كوبول، مما يجعل عملية الانتقال إلى لغات حديثة تحدياً مالياً وزمنياً ضخماً. فالتكاليف قد تصل إلى مئات الملايين من الدولارات، بينما يواجه القطاع أزمة حقيقية بسبب [تقاعد المبرمجين المخضرمين](https://emeraldbook.org/news/jul-3026-3/) الذين يمتلكون المعرفة العميقة بهذه الأنظمة، ما يفرض على البنوك إجراء عمليات هجرة تقنية خلال السنوات القليلة القادمة.

تطوير قدرات النماذج عبر التغذية الراجعة

أوضحت أوبن إيه آي أن تحسين أداء نماذجها في التعامل مع لغات مثل كوبول وفورتران وفيزوال بيسيك تم بناءً على ملاحظات مباشرة من المطورين والعملاء المؤسسيين. وتواجه نماذج البرمجة الحالية صعوبات كبيرة عند التعامل مع البنى القديمة، لذا عملت الشركة على صقل قدرات نماذجها لضمان دقة أعلى في فهم السياق المنطقي لهذه اللغات. ويأتي هذا التحسين ضمن استراتيجية أوسع لتعزيز موثوقية الذكاء الاصطناعي في البيئات الحرجة التي تتطلب دقة متناهية في التنفيذ، حيث أن أي خطأ بسيط في الكود القديم قد يؤدي إلى عواقب مالية أو تشغيلية جسيمة.

اختبارات MultiLangBench وأداء GPT-6 Astra

للتحقق من هذه القدرات، طورت أوبن إيه آي مجموعة تقييمات ذكاء اصطناعي تسمى MultiLangBench، والتي تطلب من النماذج إنشاء محركات قواعد بيانات متوافقة مع [SQLite](https://en.wikipedia.org/wiki/SQLite) بلغة برمجة محددة. وأظهرت النتائج تفوقاً ملحوظاً لنموذج GPT-6 Astra، الذي حقق معدل نجاح متوسطاً بلغ 87.4% عبر 20 لغة مختلفة. وتعد هذه القفزة النوعية كبيرة مقارنة بنموذج GPT-5.6 Sol الذي لم يتجاوز معدل نجاحه 26.8% في نفس الاختبارات، مما يعكس التقدم الكبير في فهم النماذج الحديثة لبنى اللغات البرمجية المتنوعة.

كوبول: اللغة الأكثر تعقيداً في الاختبارات

على الرغم من التحسن العام، تبقى لغة كوبول أصعب لغة يمكن للنماذج التعامل معها بنجاح. وسجّل نموذج GPT-6 Astra معدل نجاح بلغ 72% في اختبارات كوبول، وهو رقم أقل من المتوسط العام للنموذج. ويعود هذا التحدي إلى طبيعة لغة كوبول التي صُممت خصيصاً لمهام المعالجة الدفعية والمالية، مما يتطلب فهماً دقيقاً للقواعد الصارمة التي تحكم معالجة البيانات. وتؤكد هذه الأرقام أن الطريق نحو الأتمتة الكاملة لهجرة الأنظمة المصرفية لا يزال يتطلب مزيداً من التطوير، خاصة في التعامل مع الحالات الحدية المعقدة التي قد تواجهها البنوك.

دقة هجرة الكود إلى لغات حديثة

اختبرت أوبن إيه آي أيضاً قدرة نماذجها على هجرة برامج كوبول إلى لغات حديثة مثل C++ وJava وKotlin وPython وRust، مع الحفاظ الكامل على سلوك البرامج الأصلية. وتشمل هذه السلوكيات تفاصيل دقيقة مثل كيفية تقريب الأرقام ذات الكسور العشرية الزائدة، وطريقة التعامل مع السجلات الناقصة أو غير المكتملة. وفي هذا السياق، حقق نموذج GPT-6.1 Sol أعلى دقة بلغت 97.9% عند استخدام جهد استدلالي عالٍ، بينما انخفضت الدقة إلى 86.6% عند استخدام جهد استدلالي منخفض. وتُظهر هذه النتائج أن مستوى التعقيد المطلوب من النموذج يؤثر بشكل مباشر على جودة المخرجات ودقتها في الحفاظ على الوظائف الأصلية.

متطلبات النجاح والمراجعة البشرية

أقرت أوبن إيه آي في منشورها بأن نجاح عملية الهجرة لا يُقاس إلا بمرور جميع الاختبارات، نظراً للحساسية العالية للمهام المصرفية. وكتبت الشركة: "القدرة على الحفاظ على السلوك بهذه الطريقة مفيدة للفرق التي تحافظ على الأنظمة القديمة وحديثتها، لكن تطبيقها على البرمجيات الإنتاجية لا يزال يتطلب مراجعة الخبراء واختبارها ضد قواعد العمل والتبعيات الخاصة بالنظام". وتؤكد هذه التصريحات على أن الذكاء الاصطناعي يعمل كأداة مساعدة قوية، لكنه لا يغني عن الإشراف البشري المتخصص لضمان السلامة والأمان في الأنظمة الحرجة.