華爾街不只是美國的金融中心，更是全球的金融重鎮，在多數人的印象中，華爾街應該要走在市場尖端，然而不少華爾街的金融巨頭仍在使用60年前的程式語言「Cobol」所撰寫的系統。
根據《路透社》2017年的報告，全美國有43%銀行仍在使用Cobol，平均每天有2,200億條Cobol程式碼仍在運作，處理80%的實體交易與95%的ATM交易。
Cobol早已不是市場主流。根據開源程式平台GitHub在2022年的統計，目前最主流的五大程式語言分別是JavaScript、Python、Java、Typescript與C#，它們都是當今年輕工程師熟悉的程式語言；目前通曉Cobol的年輕工程師寥寥可數，金融業面臨找不到人維護系統的困境。
近年ChatGPT推出後，金融業開始嘗試新的解決方式：用生成式AI撰寫及維護Cobol程式碼。
《華爾街日報》報導：Can AI Solve Legacy Tech Problems? Companies Are Putting It to the Test
美國超過40%金融業者仍在用Cobol，但它早已不是主流
Cobol誕生於1959年，是電腦科學早期的程式碼，主要用於金融業電腦系統，用來處理帳戶與交易資訊。由於Cobol穩定性佳，所以深受美國政府與金融業者倚重，一直被當成政府與銀行系統的支柱，就算到了21世紀，華爾街仍有超過40%的銀行系統使用Cobol程式語言。
系統需要不斷維護，而且技術、商業環境日新月異，系統也需要與時俱進升級，所以金融業一直有Cobol工程師的需求。然而現實是Cobol早已非屬主流，當今企業大多使用C++、JavaScript、Python等程式語言，特別是矽谷的科技巨頭，因此年輕工程師大多學習這些程式語言，根本沒有學習Cobol的誘因。目前能使用Cobol的工程師大多已年逾45歲以上，甚至有將近20%超過55歲，堪稱快要退休的年紀，因此金融業面臨找不到Cobol工程師的困境。
有些人主張，一勞永逸的解決方式是用其他程式語言汰換Cobol，但是金融業最重視穩定運作，更改系統勢必衍生極大的停擺風險。例如2012年，澳洲聯邦銀行將Cobol汰換，整個過程不僅耗時長達5年，耗資10億澳幣（約210億新台幣），期間也遇到許多問題。例如2015年6月，澳洲聯邦銀行支付和線上系統發生故障，多達60萬筆交易資料遺失；3個月後，系統又發生一次重大中斷，導致客戶無法使用信用卡和App。因此，許多金融業者仍然選擇繼續使用Cobol。
生成式AI能協助業者維護Cobol系統，解決工程師短缺
面對不敢輕易變動的現實，生成式AI似乎提供另類的解決方案。ChatGPT、Gemini等公用大型語言模型都具備生成程式碼的能力，而GitHub、Amazon與IBM也推出自動生成程式碼的AI，讓工程師效能提升25%，並降低業者對Cobol工程師的需求，從旁紓解工程師短缺的困境。
就算是從Cobol轉換成其他程式語言，也能透過生成式AI協助。IBM於2023年9月推出生成式AI程式碼助理watsonx，協助開發者將Cobol程式碼轉成Java，僅需花費短短一到兩年，低於過往的3年時間。與現有工具相比，生成式AI更能理解程式碼背後的涵義，轉換的品質也更好，因而被視為銀行Cobol系統重建的救星。
生成式AI可能帶來「技術債」，仍需工程師監督
除了維護Cobol或將其轉成其他程式語言，生成式AI在程式領域還有許多應用，例如處理技術債（technical debt）的問題。技術債是很常見的程式問題，它指的是開發者為了加速軟體開發，時常採用速度較快的方案，以滿足短期需求，而捨棄長期的最佳方案，此會造成軟體缺陷，如同債務一樣，造成未來的開發與維護負擔，工程師需要付出額外時間來修復技術債帶來的副作用。
而透過生成式AI，能協助當今工程師了解過往程式碼的意涵與作用，提升處理技術債的效率，也能避免工程師製造未來的技術債。只不過《華爾街日報》警告，使用生成式AI寫程式也有風險，因為它可能會生成無關或記錄不充分的程式碼，反倒造成更多技術債。
雖然生成式AI能協助金融業者維護Cobol，或將其轉換成其他程式語言，緩解Cobol工程師短缺的問題。但生成式AI有技術債的風險，因此業者使用AI工具需要嚴格監督，才不會省了工程師的成本，卻造成後續更多系統問題。
本文為風傳媒特邀導讀人金牛幫幫忙撰寫，請點此訂閱：風傳媒・華爾街日報VVIP，風傳媒會員獨享全球最低優惠價，暢讀中英日文全版本之華爾街日報，洞悉國際政經最前沿。
責任編輯／郭家宏
