AI · 19 November 2026
OpenAI Klaim GPT-6 Lebih Andal untuk COBOL dan Fortran
OpenAI mengklaim GPT-6 Astra mencapai 87,4 persen di MultiLangBench dan GPT-6.1 Sol hingga 97,9 persen pada migrasi kode COBOL. Angka tersebut belum diuji secara independen.
Apa yang terjadi
OpenAI menyatakan bahwa model GPT-6 kini jauh lebih mampu menangani bahasa pemrograman lama dan bersumber daya pelatihan terbatas, seperti COBOL dan Fortran. Temuan tersebut pertama kali dilaporkan oleh The Decoder.
Menurut klaim OpenAI, GPT-6 Astra mencapai 87,4 persen pada tolok ukur MultiLangBench. Varian GPT-6.1 Sol disebut mencapai hingga 97,9 persen pada tugas migrasi kode COBOL. Angka-angka ini datang dari pihak pengembang, sehingga hasil uji independen perlu dinantikan sebelum dianggap sebagai ukuran kinerja di lingkungan produksi.
Mengapa ini penting
Sebagian besar sistem inti di sektor perbankan, asuransi, dan pemerintahan masih berjalan di atas kode COBOL atau Fortran yang ditulis puluhan tahun lalu. Jika AI mampu membaca, menerjemahkan, dan memigrasikan kode semacam ini dengan andal, hambatan terbesar modernisasi teknologi (kelangkaan tenaga ahli dan risiko salah ubah logika bisnis) bisa berkurang. Ini membuka peluang bagi organisasi untuk mempercepat transformasi digital tanpa harus menulis ulang seluruh sistem dari nol.
Dampaknya tidak berhenti pada tim teknologi. Sistem lama sering berada di belakang layanan yang dirasakan langsung oleh nasabah dan warga, seperti pemrosesan pembayaran, pencatatan tagihan, dan layanan administrasi publik. Ketika modernisasi berjalan lebih cepat, pengalaman layanan di sisi depan dapat ikut membaik, tetapi hanya jika proses validasi dan pengujian ulang tetap menjadi bagian dari rencana.
Angka-angka utama
- 87,4 persen adalah skor klaim GPT-6 Astra pada tolok ukur MultiLangBench.
- 97,9 persen adalah capaian tertinggi yang diklaim GPT-6.1 Sol pada tugas migrasi COBOL.
Pandangan Renascence
Angka benchmark menarik perhatian, tetapi pembaca sering melewatkan bahwa migrasi kode yang "hampir benar" tetap berisiko di sistem yang melayani jutaan transaksi. Di balik tingkat keberhasilan itu ada prinsip perilaku yang sudah lama kita kenal: orang cenderung mempercayai keluaran yang tampak meyakinkan, sehingga pemeriksaan manusia sering melemah justru ketika hasil terlihat rapi.
Persentase tinggi pada benchmark bukan jaminan bahwa layanan pelanggan akan tetap utuh setelah kode dimigrasikan. Yang perlu diukur adalah dampaknya pada pengalaman nyata, seperti waktu penyelesaian transaksi, jumlah keluhan, dan kesalahan yang lolos ke pelanggan. Operator yang serius sebaiknya menjalankan migrasi berbasis modul kecil dengan jalur kembali yang jelas, lalu membandingkan hasilnya dengan indikator layanan, bukan hanya skor model. Kepercayaan pada sistem baru dibangun dari pengalaman yang konsisten, bukan dari angka di atas kertas.
Sources
This briefing was written by our Newsdesk, synthesising reporting from the outlets below. Follow the links for the original coverage.
FAQ
Questions we get on this topic
More in AI
Stay ahead of CX
Get the signal, not the noise.
The stories shaping customer experience — plus the Journal and Experience Loom — in your inbox.


