當百年銀行還在靠 COBOL：AI 能否終結 60 年的技術債？

在數位金融快速發展的今天，很難想像，我們手上活期存款的交易，背後卻仍由半世紀前的程式碼支撐。根據顧問公司 Baringa 最新調查，英國超過一半的銀行仍依賴 1960、70 年代的 COBOL 系統，甚至有程式可追溯至 1950 年代。這些老系統不僅穩定運行數十年，也讓銀行深陷一場「無法拔掉的插頭」困境。

隨著懂得 COBOL 的工程師逐漸退休，業界開始寄望 AI：它能否扮演新一代「解碼者」，協助銀行卸下龐大的技術債？

六十年不倒的程式碼，為何難以取代？

COBOL（Common Business-Oriented Language）在 1959 年問世，本是為金融交易設計的語言。其優點很明確：穩定、結構單純、能處理大量重複運算。這些特質讓它成為銀行、保險、稅務系統的「隱形骨幹」。

但優勢同時也是枷鎖。數十年下來，銀行把各種業務規則直接寫進 COBOL 程式碼，文件卻逐漸散佚。如今，許多利率公式、會計分錄方式，早已只存在於那數百萬行代碼裡。結果就是：這套系統「能跑」，但「不敢動」。

Baringa 報告顯示，16% 英國銀行仍在使用 1960 年代的程式碼，近 40% 使用 1970 年代代碼，50% 的銀行坦言，能理解這些系統的員工只剩寥寥幾位，且大多接近退休。

AI 登場：是翻譯者，還是接班人？

近兩年，生成式 AI 帶來新希望。許多科技廠商，包括 IBM、Micro Focus 與新創公司，紛紛推出 AI 輔助工具，號稱能將 COBOL 自動轉譯為 Java 或 C#，甚至協助生成測試案例。

這些工具的潛力不容忽視：

• 理解代碼：AI 能快速為 COBOL 程式加上註解，幫助新世代工程師讀懂系統。

• 自動轉譯：模型可嘗試將 COBOL 語法翻成現代語言，建立「草稿版」新系統。

• 測試輔助：AI 能依據舊程式生成測試案例，確保轉換後結果與原系統一致。

換句話說，AI 有機會扮演「翻譯者」，降低銀行現代化的門檻。

AI 不能解決的三大難題

然而，金融體系的現實遠比技術理想複雜。

第一，業務規則黑箱化。
程式碼裡往往隱含著獨特業務邏輯，例如利率計算或稅率折扣。AI 雖能轉譯語法，卻難以驗證規則的正確性。

第二，合規與責任風險。
金融監管要求極高，任何系統更新都須符合法規。一旦 AI 自動生成的程式碼出錯，銀行無法推卸責任，風險成本極大。

第三，龐大的相依環境。
COBOL 系統往往與老式大型主機、資料庫緊密綁定。即使程式本身能翻譯，相關的資料結構、作業流程也難以輕易替換。

因此，專家普遍認為，AI 無法一鍵完成「新舊交替」。

真正可行的路徑：漸進式現代化

目前較被接受的做法是漸進式現代化：

1. 先由 AI 輔助程式解讀與註解，建立知識基礎；

2. 接著逐步將部分功能轉譯為現代語言，並由工程師審核；

3. 在新舊系統並行下進行測試，逐步替換核心模組。

另一路線則是建立AI 驅動的中介層，讓舊 COBOL 系統透過 API 與新應用溝通，短期內不必強行更換底層，卻能滿足數位轉型需求。

AI 是助力，不是救世主

AI 的確能在 COBOL 的「解碼」與「轉換」上提供協助，降低現代化的時間與人力成本。但在銀行業務這種風險極高的領域，AI 無法完全取代工程師。它是輔助者，不是救世主。

未來幾年，AI 或許能幫我們「看懂古文」，但真正寫下新章節的，仍是人類工程師與金融決策者。

 

 

• 延伸閱讀：馬斯克列出2000萬名「超過149歲」亡靈仍領社會補助金，是來自老舊 COBOL 程式的錯誤結論
• 延伸閱讀：可為COBOL提供註釋，IBM 更新 AI 程式助手讓現代工程式能看懂「上古程式語言」
• 延伸閱讀：COBOL不能亡！IBM為Linux環境的x86平台做了COBOL編譯器
• 延伸閱讀：美國政府求援「COBOL工程師」江湖告急，大批阿公級程式設計師重回崗位救援