تحديث الأنظمة القديمة بالذكاء الاصطناعي دخل مرحلة أكثر عملية مع تحسن نماذج البرمجة في لغات قليلة الموارد مثل COBOL وFortran وVisual Basic وOCaml. أعلنت OpenAI في 19 أكتوبر 2026 نتائج تقييمات جديدة أظهرت قفزة في بناء برمجيات بهذه اللغات وفي ترحيل برامج COBOL مع الحفاظ على السلوك. أهمية الخبر لا تأتي من إحياء لغات قديمة للحنين؛ هذه اللغات ما زالت تشغل أنظمة مصرفية، وأجهزة صراف، وتنبؤًا بالطقس، وتحليل سلامة، وعمليات حكومية لا يمكن إيقافها.
لكن عبارة «الذكاء الاصطناعي يهاجر COBOL بدقة تقارب 98%» قد تكون مضللة إذا انفصلت عن طريقة القياس. النتيجة تخص مجموعة تقييم وشروطًا محددة وبأعلى جهد استدلال، ولا تعني أن 98% من أي نظام إنتاجي يتحول بلا مراجعة. الترحيل الحقيقي يحتاج فهم قواعد الأعمال، واختبارات توصيف، ومقارنة دقيقة للمخرجات، وخطة تشغيل متوازٍ وتراجع. هذه المقالة تشرح ما تقيسه الأرقام وكيف تستخدم النماذج من دون المخاطرة بنظام حرج.
لماذا ما زالت COBOL وFortran وVisual Basic مهمة؟
الأنظمة القديمة لا تبقى لأن المؤسسات ترفض التقدم فقط. تبقى لأنها تحمل عقودًا من قواعد الأعمال المجربة، وتتصل بأجهزة وبروتوكولات وشركاء، وتعمل بثبات تحت حمل معروف. برنامج رواتب قد يحتوي استثناءات قانونية لم تعد موثقة إلا في الشيفرة. نظام مصرفي قد يعالج أرقامًا عشرية وقواعد تقريب بطريقة يجب الحفاظ عليها حرفيًا.
تذكر OpenAI، اعتمادًا على مصادر مرتبطة بإعلانها، أن COBOL يدعم أكثر من 40% من أنظمة الخدمات المصرفية عبر الإنترنت، و80% من معاملات بطاقات الائتمان الحضورية، و95% من معاملات أجهزة الصراف. كما تستخدم Fortran في التنبؤ بالطقس وتحليل سلامة المفاعلات. حتى لو اختلف نطاق هذه النسب بين الأسواق، فالرسالة واضحة: الشيفرة قليلة الموارد ليست هامشًا أكاديميًا.
توصف اللغة بأنها قليلة الموارد بالنسبة للنموذج عندما تتوفر لها شيفرة ووثائق وتدريب أقل من Python أو JavaScript. قد يكتب النموذج صيغة صحيحة لكنه يخطئ في دلالة نوع أو ترتيب ملف أو سلوك حساب ثابت. كما أن بيئات البناء والمكتبات القديمة أقل حضورًا في بيانات التدريب. لذلك كانت نماذج البرمجة تتراجع في هذه المستودعات رغم نجاحها في تطبيق ويب حديث.
المشكلة البشرية تتزايد مع تقاعد الخبراء وصعوبة توظيف مطورين. لكن استبدال الخبير بنموذج ليس حلًا؛ الأفضل استخدام النموذج لتوسيع قدرة الفريق: شرح وحدات، وبناء اختبارات، وربط استخدامات الحقول، واقتراح تغييرات يراجعها مختص المجال.
إذا تحولت الأداة من مساعد يكتب اقتراحًا إلى وكيل يشغل البناء والاختبارات ويعدل عدة ملفات، طبّق فصل الصلاحيات ونقاط التحقق الواردة في دليل وكلاء الذكاء الاصطناعي طويلة المهام. التحديث الآمن يعتمد على مسار يمكن مراقبته وإيقافه، لا على طلب واحد واسع.
ما نتائج OpenAI في اللغات قليلة الموارد؟
وفق البحث الرسمي من OpenAI، حقق GPT-6 Astra متوسط نجاح 87.4% عبر 20 لغة في تقييم MultiLangBench، مقارنة بـ26.8% لـGPT-5.6 Sol. شملت القفزات COBOL من 10.9% إلى 72.1%، وFortran من 21.4% إلى 83.5%، وOCaml من 25.6% إلى 85.8%، وVisual Basic من 27.5% إلى 89.4%.
قدمت الشركة أيضًا GPT-6 Luna كخيار أقل تكلفة، بمتوسط 40.3% وبتكلفة تقديرية أقل بنحو 78% من GPT-5.6 Sol في الإعداد المذكور. يوضح ذلك أن اختيار النموذج ليس سباق أعلى نتيجة فقط. يمكن لنموذج اقتصادي تنفيذ مهام استطلاع وتصنيف، ويُستخدم النموذج الأقوى للمراحل الحرجة.
في تقييم ترحيل COBOL، حقق GPT-6.1 Sol دقة 86.6% عند جهد استدلال منخفض مقارنة بـ5.4% للجيل السابق، مع تكلفة أقل بنسبة 39% حسب الإعلان. عند الجهد الأعلى وصلت الدقة إلى 97.9%. النجاح كان مشروطًا باجتياز كل الاختبارات المخفية وتطابق المخرجات المرئية بايتًا ببايت.
هذه نتائج بحثية مهمة، لكنها ليست اتفاقية مستوى خدمة. مجموعة التقييم قد لا تمثل امتدادات المورد أو أحجام البيانات أو ملفات EBCDIC أو إجراءات الدفعات أو ارتباطات الحاسوب المركزي في مؤسستك. استخدمها دليلًا على أن التجربة أصبحت جدية، لا تصريحًا بالتحويل الآلي.
ماذا يقيس MultiLangBench وتقييم ترحيل COBOL؟
يطلب MultiLangBench من النموذج بناء محرك قاعدة بيانات متوافق مع SQLite من الصفر بلغة محددة. يجب إدارة الحالة والأخطاء وإضافة ميزات مع الحفاظ على الوظائف السابقة. تستخدم ملفات قاعدة البيانات واجهة مشتركة: يحصل البرنامج على ملف أولي واستعلام SQL، ثم تُقارن النتيجة بتنفيذ SQLite المرجعي.
قوة الاختبار أنه يضع اللغات أمام وظيفة كبيرة واحدة قابلة للقياس، بدل تمارين صغيرة. يقيس قدرة النموذج على تنظيم مستودع والعمل عبر جلسة طويلة وتشغيل اختبارات. لكنه يظل مشروعًا مصممًا للتقييم. نظام حقيقي قد يملك مكونات غير موثقة وشاشات طرفية ورسائل طباعة وتكاملات زمنية لا يغطيها.
التقييم الثاني يحول برامج COBOL إلى C++ أو Java أو Kotlin أو Python أو Rust. لا يكفي أن تعمل النسخة؛ يجب أن تنتج مخرجات متطابقة على اختبارات مخفية. هذا مهم لأن فرقًا صغيرة في التقريب تسبب أثرًا ماليًا. تذكر OpenAI مثال الحساب الثابت في COBOL الذي يحذف الكسور الزائدة ما لم يطلب التقريب صراحة. تحويله إلى لغة تقرب افتراضيًا قد يمر دون خطأ ويعطي مبالغ مختلفة.
نشرت الشركة إعداد MultiLangBench واختباراته على GitHub، ما يسمح للفرق بفحص المنهج وبناء مشتقات داخلية. أفضل استخدام هو استعارة الفكرة: واجهة مرجعية واختبارات سلوك، لا الاعتماد على النسبة المنشورة لمستودع مختلف.
منهج تحديث الأنظمة القديمة بالذكاء الاصطناعي
ابدأ بالجرد لا بالتحويل
اكتشف البرامج والدفعات والملفات وقواعد البيانات والواجهات والجدولة والمالكين. ارسم تدفق البيانات من المصدر إلى التقارير. ابحث عن شيفرة ميتة لكن لا تحذفها قبل إثبات عدم الاستخدام عبر السجلات ومراجعة الخبراء. كثير من الأنظمة تعمل موسميًا في نهاية السنة أو ظرف طارئ.
استخرج قواعد الأعمال
استخدم النموذج لشرح الوحدات وإنشاء قاموس حقول وتحديد نقاط القرار، ثم اعرض النتائج على موظفي الأعمال. اربط كل قاعدة بالسطر والوثيقة والتذكرة. لا تقبل وصفًا لغويًا بلا أثر إلى المصدر، لأن النموذج قد يملأ فجوة بتفسير معقول لكنه خاطئ.
ابنِ اختبارات توصيف
شغل النظام الحالي على مدخلات ممثلة وسجل المخرجات والآثار الجانبية. غط الحالات الطبيعية والحدود والأخطاء والتواريخ والاسترداد. هذه الاختبارات لا تقول إن السلوك القديم مثالي؛ تثبت ما يحدث الآن. سجل العيوب المعروفة منفصلة حتى تقرر إصلاحها بوضوح بدل تغييرها صدفة أثناء الترحيل.
قسم النظام إلى شرائح
اختر وحدة منخفضة الترابط وعالية الفهم. أنشئ واجهة حولها، ثم أعد تنفيذها واختبرها في الظل. تجنب إعادة كتابة كاملة دفعة واحدة. نمط Strangler يسمح بتحويل وظائف تدريجيًا مع بقاء النظام القديم مسؤولًا عما لم يُنقل.
شغّل القديم والجديد معًا
أرسل نسخة من المدخلات إلى النظام الجديد دون أن يتحكم في النتيجة، وقارن المخرجات. حل الفروق وصنفها: خطأ في الجديد، أو عيب معروف في القديم، أو فرق مقبول. بعد فترة مستقرة، حول نسبة صغيرة من الحركة مع مفتاح رجوع سريع.
اختبارات الحفاظ على السلوك
التطابق النصي وحده قد لا يكفي وقد يكون شديدًا أحيانًا. حدد السلوك المهم: المبالغ، وحالة السجل، وترتيب الأحداث، ورسالة خطأ، وملف صادر، وزمن إقفال. في الملفات المنظمة، قارن الحقول بعد تطبيع العناصر غير المهمة مثل الطابع الزمني إن كان مسموحًا. في الحساب المالي، استخدم تطابقًا دقيقًا وقواعد تقريب صريحة.
ابنِ مجموعة ذهبية من بيانات منزوعة الهوية وموافق عليها. لا ترسل بيانات عملاء حقيقية إلى نموذج خارجي بلا عقد وضوابط. أنشئ بيانات صناعية تمثل التوزيع والحواف. احتفظ بعينات حقيقية داخل بيئة آمنة للتحقق النهائي إذا سمحت السياسة.
اختبر الخصائص لا الأمثلة فقط. إذا كانت الضريبة لا تصبح سالبة، ولدى الدفعة مجموع ثابت، فاستخدم property-based testing لتوليد آلاف الحالات. طبق fuzzing على المحللات والملفات. اختبر الانقطاع وإعادة التشغيل وتكرار الرسالة، لأن نظام الدفعات قد يعتمد على idempotency.
ضع اختبار أداء وحجم. نسخة حديثة صحيحة لكنها أبطأ عشر مرات قد تفشل نافذة المعالجة الليلية. قس الإدخال والإخراج والذاكرة واستهلاك الشبكة وقفل قاعدة البيانات. اختبر بحجم ذروة، لا بعينة صغيرة فقط.
هل تعيد الكتابة أم تغلف النظام أم تنقله؟
التغليف بواجهة API مناسب عندما يكون القلب مستقرًا وتحتاج خدمات حديثة الوصول إليه. يخفف المخاطر لكنه يبقي الاعتماد على المنصة القديمة.
إعادة الاستضافة تنقل التنفيذ إلى بنية أحدث مع تغييرات قليلة. تفيد في خفض تكلفة عتاد أو مركز بيانات، لكنها لا تحسن قابلية الصيانة وحدها.
إعادة المنصة تغير قاعدة البيانات أو وسيط الرسائل أو وقت التشغيل مع إبقاء معظم المنطق. تحتاج اختبار توافق عميق.
إعادة الهيكلة التدريجية تحول وحدات إلى لغة أو خدمة حديثة خلف واجهات. تحقق توازنًا بين القيمة والمخاطر إذا كان التقسيم ممكنًا.
إعادة الكتابة الكاملة خيار أخير عندما يكون النظام صغيرًا ومفهومًا أو تغيرت الأعمال جذريًا. التاريخ مليء بمشروعات فشلت لأنها قللت قيمة القواعد المخفية. الذكاء الاصطناعي يخفض وقت الكتابة لكنه لا يخفض تلقائيًا صعوبة الاكتشاف والتحقق.
قد يكون أفضل قرار إبقاء COBOL وتحديث الأدوات والاختبارات. اللغة ليست عيبًا بحد ذاتها. إذا كان النظام مستقرًا والمهارات متوفرة والتكلفة مقبولة، استخدم النموذج للصيانة والتوثيق بدل الترحيل. القرار اقتصادي وتشغيلي، لا موضة.
الأمن والحوكمة في مشروع التحديث
الشيفرة القديمة قد تكشف أسرارًا وأسماء جداول وقواعد احتيال ونقاط ضعف. صنف المستودعات قبل إرسالها إلى خدمة نموذج. استخدم بيئة مؤسسية بعقد واضح، أو نموذجًا محليًا للحالات المقيدة. أزل المفاتيح والبيانات المضمنة، ودوّر أي سر يظهر في السجل.
لا تمنح الوكيل وصولًا مباشرًا إلى الإنتاج أو الحاسوب المركزي. وفر نسخة قراءة ومستودعًا تجريبيًا وبيئة بناء. يكون الناتج طلب دمج يراجعه إنسان، وتمنع سياسات الفرع الدمج بلا اختبارات. سجل النموذج والإصدار والتعليمات والملفات التي لمسها.
راجع تراخيص الشيفرة والمكتبات. قد يقترح النموذج تبعية غير مناسبة أو قديمة. استخدم قائمة مواد برمجية SBOM وفحص ثغرات وتوقيعًا للبناء. اربط المشروع بممارسات المرونة التشفيرية وجرد الأصول لأن التحديث فرصة لإزالة خوارزميات وبروتوكولات منتهية.
الحوكمة تشمل مالك قرار الأعمال. إذا اختلف القديم والجديد في قاعدة مالية، لا يختار المطور وحده. تحتاج لجنة صغيرة تجمع خبير النظام وممثل الأعمال والأمن والاختبار. وثق القرار والدليل وتاريخ النفاذ.
خطة عملية خلال 180 يومًا
- اليوم 1-30: جرد الأصول والتبعيات والمالكين، وتصنيف البيانات، واختيار وحدة تجريبية.
- اليوم 31-60: بناء بيئة قابلة للتكرار، واستخراج قواعد الأعمال، وإنشاء اختبارات توصيف ومجموعة ذهبية.
- اليوم 61-90: تجربة نموذجين على الشرح والاختبار والتحويل، وقياس الدقة والتكلفة ووقت المراجعة.
- اليوم 91-120: تنفيذ شريحة خلف واجهة، وإضافة اختبارات أمن وأداء وفشل، ومراجعة خبير.
- اليوم 121-150: تشغيل الظل ومقارنة المخرجات، ومعالجة الفروق، وتجربة التراجع.
- اليوم 151-180: تحويل نسبة محدودة، ومراقبة مؤشرات الأعمال، ثم قرار التوسع أو التوقف.
حدد مؤشرات مثل نسبة حالات التطابق، ووقت مراجعة التغيير، وعدد القواعد الموثقة، وعيوب الإنتاج، ومدة الدفعة، وتكلفة كل وحدة مهاجرة. لا تستخدم عدد الأسطر المحولة مؤشر نجاح؛ يمكن تحويل مليون سطر وبناء نظام لا يطابق الأعمال.
أنشئ سجل مخاطر حيًا: نقص خبير، وبيانات اختبار ضعيفة، واعتماد مورد، وتأخر أداء، وتكلفة سحابة، ومهلة قانونية. لكل خطر مالك وإجراء وموعد. هذا يحول المشروع من عرض تقني إلى برنامج مؤسسي.
أخطاء شائعة
الثقة بنسبة معيار عامة: اختبر مستودعك وبيئتك وقواعدك.
البدء بإعادة كتابة كاملة: ابدأ بوحدة محدودة وتعلم من الفروق.
إنشاء اختبارات من الشيفرة الجديدة فقط: تحتاج مرجعًا مستقلًا من السلوك القديم وخبراء الأعمال.
إصلاح العيوب أثناء الترحيل بلا فصل: سجل الإصلاح كتغيير أعمال مستقل حتى تعرف سبب الاختلاف.
قياس عدد الأسطر: قس صحة المعاملة والاستقرار والتكلفة وزمن الدورة.
نسيان التشغيل: التدريب والدعم والنسخ الاحتياطي والمراقبة جزء من المنتج الجديد.
أسئلة شائعة
هل يستطيع الذكاء الاصطناعي تحويل COBOL إلى Java تلقائيًا؟
يستطيع توليد تحويلات مفيدة وقد تحسنت النتائج كثيرًا، لكن النظام الإنتاجي يحتاج اختبارات سلوكية وبيئة بناء وخبيرًا ومراجعة وتشغيلًا متوازيًا. لا يوجد ضمان عام لكل قاعدة شيفرة.
ماذا تعني دقة 97.9%؟
هي نسبة نجاح في تقييم OpenAI لترحيل برامج COBOL عند جهد استدلال مرتفع، حيث يلزم اجتياز اختبارات مخفية وتطابق المخرجات. لا تعني تحويل 97.9% من أي نظام حقيقي.
هل يجب تحويل COBOL إلى لغة حديثة؟
ليس دائمًا. إذا كان النظام مستقرًا والمهارات والتكلفة مقبولتين، قد يكون التغليف والتوثيق والاختبار أفضل. الترحيل مبرر عندما توجد مخاطر مهارات أو عتاد أو سرعة تغيير أو تكامل.
ما أفضل لغة هدف؟
تعتمد على الفريق والمنظومة والأداء والدعم. Java شائعة للمؤسسات، وRust للسلامة والأداء، وKotlin لمنظومة JVM حديثة، وPython لخدمات معينة لا لكل حمل. لا تختار من معيار واحد.
كيف نحمي الشيفرة الحساسة؟
صنفها، وأزل الأسرار، واستخدم خدمة مؤسسية بعقد وضوابط أو نموذجًا محليًا، وقلل الصلاحيات، وسجل الوصول، ولا تسمح للوكيل بالإنتاج مباشرة.
الخلاصة
تحسن تحديث الأنظمة القديمة بالذكاء الاصطناعي يجعل مشروعًا كان يحتاج شهورًا من القراءة أقرب إلى التنفيذ، خاصة في COBOL وFortran وVisual Basic. لكنه لا يختصر أصعب جزء: معرفة السلوك الذي يجب الحفاظ عليه وإثبات ذلك. استخدم النموذج لاستخراج المعرفة وبناء الاختبارات واقتراح التحويل، ثم ثبّت النتيجة باختبارات مرجعية وتشغيل ظل ومراجعة خبراء وتراجع مجرّب. النجاح ليس استبدال لغة قديمة؛ هو تقليل مخاطر الأعمال مع رفع القدرة على التغيير.
المصدر الأساسي: بحث OpenAI «Advancing coding in low-resource programming languages» المنشور في 19 أكتوبر 2026. تمت مراجعة المعلومات في 21 أكتوبر 2026. نتائج المعايير تخص إعدادات محددة ويجب التحقق منها داخل بيئة المؤسسة.
