COBOL draait nog altijd op honderden miljarden regels code in financiële systemen, luchtvaartmaatschappijen en overheidsinstellingen. Toch krimpt het aantal ontwikkelaars dat de taal begrijpt elk jaar. Anthropic ziet met Claude Code een kans om de modernisering van deze legacy-systemen radicaal te versnellen.
Bij het moderniseren van een COBOL-systeem zijn doorgaans behoorlijk wat consultants betrokken. Zij besteden tijd aan het in kaart brengen van workflows. Dat lange traject kan volgens Anthropic met AI geautomatiseerd worden. De technologie zorgt voor dependency mapping, documenteert workflows, identificeert risico’s en biedt diepe inzichten. Daardoor zou het moderniseren van een COBOL-systeem nog kwartalen in beslag nemen in plaats van jaren, voorziet Anthropic.
De modernisering van COBOL-systemen verschilt fundamenteel van gewone legacy code refactoring. Je update niet simpelweg code naar betere patronen. In plaats daarvan reverse engineer je bedrijfslogica uit systemen van zo’n 50 jaar oud. Dependencies die decennia evolueerden worden ontrafeld en de institutionele kennis die enkel nog in de code zelf bestaat wordt gevonden.
Claude Code brengt de dependencies in kaart over duizenden regels code, documenteert workflows die niemand meer herinnert en identificeert risico’s waar menselijke analisten maanden over zouden doen.
Van mapping naar uitvoering
AI begint met het lezen van de volledige COBOL-codebase en het in kaart brengen van de structuur. Het identificeert ingangspunten van programma’s, traceert uitvoeringspaden door aangeroepen subroutines en brengt dataflows tussen modules in kaart. Ook documenteert het dependencies die honderden bestanden omspannen.
Die mapping gaat verder dan simpele call graphs. Gedeelde datastructuren, bestandsoperaties die koppeling tussen modules creëren, initialisatiesequenties die runtime-gedrag beïnvloeden: dit soort impliciete dependencies verschijnen niet in statische analyse. Ze draaien om data die gedeeld wordt via bestanden, databases of globale status. Precies dat maakt COBOL-modernisering riskant. Geautomatiseerde discovery vindt deze verborgen relaties voordat ze problemen veroorzaken tijdens migratie.
Na de mapping kan AI beoordelen welke componenten veilig te verplaatsen zijn en welke voorzichtig moeten worden behandeld.
Strategische planning met menselijk toezicht
Menselijke expertise blijft essentieel. COBOL-engineers begrijpen regelgevende vereisten, bedrijfsprioriteiten, operationele beperkingen en risicotolerantie. Dat kan AI niet. De planningsfase ontwikkelt een gedetailleerde roadmap die moderniseringswerkzaamheden strategisch ordent.
AI stelt prioritering voor op basis van risico’s, dependencies en complexiteit die tijdens analyse geïdentificeerd werden. Het team beoordeelt die aanbevelingen en beslist welke componenten eerst te moderniseren zijn. Ze definiëren ook teststrategieën: AI ontwerpt voorlopige functietests die verifiëren dat gemigreerde code identieke output produceert als legacy COBOL.
Uitvoering gebeurt één component per keer, met validatie bij elke stap. AI vertaalt COBOL-logica naar moderne talen, creëert API-wrappers rond legacy-componenten die op hun plaats blijven en bouwt de infrastructuur om oude en nieuwe code naast elkaar te laten draaien tijdens de transitie.
Organisaties kunnen beginnen met één component of workflow met duidelijke grenzen en gematigde complexiteit. AI analyseert en documenteert grondig, engineers plannen de modernisering, implementatie gebeurt incrementeel met testen bij elke stap. Die aanpak werkt voor COBOL-systemen van elke omvang en bouwt organisatorisch vertrouwen op.
De claim van Anthropic om met Claude COBOL-systemen snel te kunnen moderniseren, zorgde tevens voor een stevige klap voor het aandeel IBM. Dat ging 13,2 procent omlaag, de grootste daling sinds 18 oktober 2000. Reden hiervoor is dat een groot deel van de COBOL-code van organisaties draait op IBM-mainframes.