Sistem perbankan global, layanan perpajakan, hingga infrastruktur penerbangan dunia saat ini masih berjalan di atas fondasi perangkat lunak kuno yang disebut COBOL. Bahasa pemrograman yang lahir pada 1959 ini menjadi tulang punggung bagi 80 persen transaksi kartu kredit dan 95 persen pemrosesan ATM di seluruh dunia. Namun, seiring dengan pensiunnya generasi pemrogram asli, pemeliharaan kode ini menjadi bom waktu yang mengancam stabilitas ekonomi digital global.
OpenAI baru-baru ini mengklaim telah mencapai terobosan dalam memigrasikan kode COBOL ke bahasa modern seperti Java, Python, dan Rust. Melalui model GPT-6.1 Sol, perusahaan tersebut mencatatkan akurasi preservasi perilaku hingga 98 persen dalam pengujian terukur. Langkah ini diharapkan dapat mengurangi beban biaya inefisiensi sistem warisan yang diperkirakan membebani PDB Amerika Serikat hingga 105 miliar dolar AS setiap tahunnya.
Ketergantungan pada sistem warisan atau legacy code bukan sekadar masalah teknis, melainkan risiko eksistensial. Banyak sistem krusial yang terlalu berisiko untuk diutak-atik. Perubahan kecil pada kode yang berusia puluhan tahun dapat memicu kegagalan sistemik yang masif. Selama ini, upaya modernisasi sering terhambat oleh minimnya dokumentasi dan hilangnya tenaga ahli yang memahami logika di balik barisan kode kuno tersebut.
Di sisi lain, Anthropic turut meramaikan arena ini dengan meluncurkan perangkat agen pengodean yang diklaim mampu mempercepat proses modernisasi. Persaingan antara OpenAI dan Anthropic dalam menawarkan solusi otomatisasi migrasi kode menunjukkan bahwa industri kecerdasan buatan kini mulai mengincar pasar korporasi besar yang selama ini enggan beralih karena risiko operasional yang tinggi.
Namun, para akademisi perangkat lunak meragukan efektivitas solusi berbasis AI saat ini. Vadim Zaytsev, profesor evolusi perangkat lunak di University of Twente, menekankan bahwa tantangan sesungguhnya bukan sekadar menulis ulang baris kode. Sebuah sistem besar sering kali terdiri dari ratusan juta baris kode yang terintegrasi dengan berbagai database dan antarmuka pihak ketiga yang kompleks.
Pandangan serupa diungkapkan oleh Arie van Deursen dari Delft University of Technology. Ia menilai pengujian yang dilakukan oleh OpenAI cenderung bersifat superfisial. Menurutnya, memindahkan fungsi sederhana dalam lingkungan uji coba sangat jauh berbeda dengan melakukan perombakan total pada infrastruktur kritis yang telah beroperasi selama beberapa dekade.
Situasi di Indonesia mencerminkan tantangan serupa. Banyak lembaga keuangan dan instansi pemerintah masih mengandalkan sistem inti yang dibangun di atas teknologi lama. Ketergantungan pada sistem legacy ini sering kali menjadi hambatan utama dalam upaya transformasi digital yang lebih cepat, terutama saat bank-bank besar ingin mengintegrasikan layanan mereka dengan ekosistem ekonomi digital yang modern.
Bagi perusahaan di Indonesia, kehadiran teknologi AI untuk migrasi kode menawarkan secercah harapan. Biaya pemeliharaan sistem warisan yang terus membengkak kini dapat ditekan jika proses transisi ke bahasa pemrograman modern bisa diotomatisasi. Meski begitu, adopsi teknologi ini di Tanah Air harus dilakukan dengan kehati-hatian ekstra mengingat ketatnya regulasi sektor keuangan dan perlindungan data pribadi.
Risiko kegagalan migrasi di sektor perbankan Indonesia bisa berdampak pada layanan publik. Oleh karena itu, perusahaan teknologi lokal dan perbankan diharapkan tidak langsung menelan mentah-mentah klaim efisiensi AI. Pendekatan hibrida, di mana AI membantu penulisan kode sementara pengawasan manusia tetap dominan, menjadi langkah yang paling realistis saat ini.
Seiring berjalannya waktu, tren penggunaan AI dalam manajemen kode warisan diprediksi akan terus meningkat. Namun, para pengembang tidak boleh terjebak pada euforia sesaat. Fokus utama ke depan haruslah pada integrasi sistem yang lebih aman dan terukur, bukan sekadar kecepatan konversi bahasa pemrograman.
Keberhasilan migrasi sistem warisan akan sangat bergantung pada kemampuan AI untuk memahami konteks bisnis yang tertanam dalam kode, bukan hanya sintaksis bahasanya. Tanpa pemahaman mendalam terhadap arsitektur sistem secara keseluruhan, AI berisiko menciptakan hutang teknis baru yang justru lebih sulit diperbaiki dibandingkan kode COBOL asli yang sudah teruji waktu.
Industri teknologi kini berada di persimpangan jalan. Antara mempertahankan sistem yang 'kuno tapi stabil' atau mengambil risiko modernisasi demi efisiensi masa depan. AI mungkin menawarkan alat bantu yang canggih, namun tanggung jawab untuk memastikan stabilitas infrastruktur tetap berada di tangan insinyur manusia yang memahami kompleksitas sistem tersebut.