Claude Code e il COBOL:

L'AI che Tocca le Fondamenta Invisibili del Mondo

"Quando ho scritto questo codice, solo Dio e io capivamo cosa facesse. Adesso... solo Dio lo sa."

Battuta storica tra programmatori COBOL

Il 23 febbraio 2026, Anthropic ha pubblicato un blog post intitolato "How AI helps break the cost barrier to COBOL modernization". Una frase. Un annuncio. E 31 miliardi di dollari di capitalizzazione IBM evaporati in una singola giornata di borsa.

Le azioni di Big Blue sono crollate del 13,2% il peggior giorno dal 18 ottobre 2000, perché una startup di San Francisco ha detto di poter fare con un'intelligenza artificiale quello che eserciti di consulenti non sono riusciti a fare in decenni: modernizzare il COBOL.

Ma dietro i numeri di Wall Street si nasconde una storia molto più profonda. Una storia che parla di fondamenta invisibili, di conoscenza che scompare con chi va in pensione, e della domanda più scomoda dell'era AI: possiamo davvero affidare a un sistema probabilistico la comprensione di codice che deve essere corretto al 100%?

1. Cos'è il COBOL e Perché Regge Ancora il Mondo

1.1 Un Linguaggio Nato per Durare

Il COBOL - COmmon Business-Oriented Language - è stato concepito nel 1959, durante una conferenza al Pentagono organizzata dal CODASYL (Conference on Data Systems Languages). Tra le figure chiave c'era Grace Hopper, leggendaria pioniera dell'informatica e ufficiale della Marina degli Stati Uniti, che aveva già sviluppato FLOW-MATIC, il primo linguaggio di programmazione a usare parole inglesi invece di simboli matematici. L'architetto principale del COBOL fu Jean Sammet, ricercatrice alla Sylvania Electric e poi manager alla IBM.

L'idea era rivoluzionaria per l'epoca: un linguaggio che si leggesse quasi come l'inglese, comprensibile anche a chi non fosse un tecnico puro. Dove FORTRAN richiedeva notazione matematica, il COBOL diceva cose come MOVE BALANCE TO TOTAL-AMOUNT. Un linguaggio pensato per il business, non per la scienza. Per le transazioni, non per i calcoli orbitali.

Ma la vera innovazione era un'altra: la portabilità. Per la prima volta, lo stesso programma poteva girare su macchine di produttori diversi. Il 6 e 7 dicembre 1960, lo stesso programma COBOL fu eseguito su un computer RCA e su un Remington-Rand Univac dimostrando che la compatibilità tra hardware differenti era possibile.

1.2 I Numeri di un Fantasma Onnipresente

Se il COBOL fosse una persona, sarebbe un pensionato di 67 anni che continua a reggere sulle sue spalle l'intera economia globale. I numeri sono impressionanti:

• 220 miliardi di righe di codice COBOL attivamente in uso (stima Reuters). Secondo un survey Micro Focus del 2022, il dato potrebbe essere salito a 800 miliardi

• 95% delle transazioni ATM negli Stati Uniti gira su codice COBOL

• 80% delle transazioni finanziarie in presenza è processato da sistemi COBOL

• $3 trilioni in commercio gestiti dal COBOL ogni giorno

• 43% dei sistemi bancari globali opera su COBOL

• 30 miliardi di transazioni COBOL al giorno (200 volte più delle ricerche Google)

• 45 delle 50 banche più grandi del mondo usano mainframe IBM

• 4 su 5 delle principali compagnie aeree mondiali dipendono da mainframe

Il COBOL gestisce le prenotazioni aeree, i sistemi sanitari, le pensioni, i semafori, il tracciamento dei container navali, e praticamente ogni transazione finanziaria che tocchi il tuo conto in banca. Quando ritiri contanti al bancomat, il COBOL è lì. Quando fai un acquisto con la carta, il COBOL è lì. Quando il governo calcola le tue tasse, il COBOL è lì.

1.3 Perché Non Lo Hanno Già Sostituito?

La domanda sembra ovvia: se il COBOL ha 67 anni, perché non l'hanno ancora sostituito con qualcosa di moderno?

La risposta è un mix di ingegneria, economia e puro terrore.

Stabilità comprovata. I sistemi COBOL funzionano. Funzionano da decenni, con un'affidabilità che farebbe impallidire qualsiasi software moderno. Sono stati ottimizzati, testati, debuggati per generazioni. Quando un sistema elabora correttamente milioni di transazioni al giorno da 40 anni, convincere un CTO a sostituirlo richiede argomenti molto solidi.

Costo proibitivo. Solo la California ha stanziato 220 milioni di dollari per sostituire il sistema COBOL del Medi-Cal. I 10 sistemi legacy federali più critici costano 337 milioni di dollari l'anno solo di manutenzione, assorbendo l'80% dei budget IT di quelle agenzie (dato GAO). La modernizzazione costerebbe molto di più.

Rischio catastrofico. Ogni riga di COBOL contiene regole di business accumulate in decenni. Molte non sono documentate. Molte esistono solo nella memoria di programmatori che sono andati in pensione o non ci sono più. Riscrivere significa rischiare di perdere logiche critiche nascoste in milioni di righe di codice.

Lock-in tecnologico. Il COBOL non vive da solo. Vive dentro un ecosistema: mainframe IBM, z/OS, CICS per le transazioni, VSAM per i file, JCL per il job scheduling. Come ha scritto Rob Thomas di IBM, è come l'ecosistema iOS-iPhone: qualcuno potrebbe costruire un'alternativa, ma è improbabile che rimpiazzi un miliardo di dispositivi.

1.4 La Lezione del COVID-19: Il Fantasma Diventa Visibile

Il mondo ha scoperto brutalmente la fragilità nascosta del COBOL nell'aprile 2020, quando la pandemia ha fatto esplodere le richieste di sussidi di disoccupazione negli Stati Uniti. Il New Jersey, il Kansas, il Connecticut sistemi con 40 anni di vita, scritti in COBOL su mainframe sono andati in tilt sotto il carico.

Il governatore del New Jersey Phil Murphy ha fatto un appello pubblico durante una conferenza stampa: "Abbiamo bisogno di volontari con competenze COBOL". Ha persino pronunciato male il nome del linguaggio, chiamandolo "Cobalt". L'ironia era amara: nel 2020, nel bel mezzo di una pandemia globale, uno degli stati più ricchi d'America cercava disperatamente programmatori per un linguaggio che le università avevano smesso di insegnare negli anni '80.

I COBOL Cowboys: un gruppo di programmatori COBOL in pensione con sede in Texas, il cui nome è ispirato al film Space Cowboys con Clint Eastwood hanno offerto il loro aiuto. Ma l'episodio ha reso evidente un problema sistemico: il mondo moderno dipende da fondamenta che quasi nessuno sa più riparare.

2. L'Annuncio che Ha Fatto Tremare Wall Street

2.1 Cosa Ha Detto Anthropic

Il 23 febbraio 2026, Anthropic ha pubblicato sul blog di Claude un post che, per il mondo della finanza, ha avuto l'effetto di un terremoto.

Il messaggio centrale era chiaro: Claude Code può automatizzare le fasi di esplorazione e analisi che consumano la maggior parte dello sforzo nella modernizzazione del COBOL. In pratica, Anthropic afferma che la sua AI può:

• Mappare le dipendenze attraverso migliaia di righe di codice

• Documentare workflow che nessuno ricorda più di aver costruito

• Identificare rischi che analisti umani impiegherebbero mesi a trovare

• Tradurre la logica COBOL in linguaggi moderni come Java o Python

• Creare API wrapper attorno ai componenti legacy

• Costruire scaffolding per far girare contemporaneamente codice vecchio e nuovo

La frase che ha fatto più rumore: "La modernizzazione del codice legacy si è fermata per anni perché capire il codice costava più che riscriverlo. L'AI ribalta quell'equazione."

Anthropic ha anche pubblicato un Code Modernization Playbook, una guida passo-passo per le organizzazioni, completa di framework ROI e timeline, organizzato in webinar con Deloitte e sessioni specifiche per il settore finanziario.

2.2 La Reazione dei Mercati

L'effetto è stato devastante:

Indicatore Valore

Crollo IBM -13,2% in un giorno ($223,35 per azione)

Capitalizzazione persa ~$31 miliardi

Record negativo Peggior giorno dal 18 ottobre 2000

Declino mensile IBM (febbraio) -27%, peggior mese dal 1968

Accenture -6% circa

Cognizant -6% circa

Dow Jones -820 punti nella sessione

Il sell-off non ha colpito solo IBM. Accenture e Cognizant che costruiscono una parte significativa del loro fatturato sulla consulenza di modernizzazione legacy sono state trascinate nel crollo. Lo schema si ripeteva: la settimana precedente, dopo l'annuncio di Claude Code Security, erano crollati i titoli della cybersecurity (CrowdStrike, Okta, Cloudflare). Ogni nuova capacità AI annunciata da Anthropic innescava una rivalutazione immediata dei ricavi a rischio.

2.3 La Risposta di IBM: Tradurre Non È Modernizzare

IBM non è rimasta in silenzio. Rob Thomas, Senior Vice President of IBM Software e Chief Commercial Officer, ha pubblicato un blog post di risposta, senza nominare direttamente Anthropic, con un messaggio netto:

"Tradurre codice è una cosa. Modernizzare una piattaforma è qualcosa di completamente diverso. Le due cose non sono la stessa, e il divario tra le due è dove la maggior parte delle aziende si trova nei guai."

Thomas ha articolato una difesa su più livelli:

1. Il valore dei mainframe non sta nel linguaggio. Che l'applicazione sia scritta in COBOL, Java o qualsiasi altro linguaggio, la piattaforma IBM Z offre le stesse garanzie di performance e sicurezza.

2. Il 40% del COBOL non gira nemmeno su mainframe. Gira su Windows, Linux e altri sistemi distribuiti. Molto di ciò che viene presentato come un "problema mainframe" è in realtà un problema di sistemi distribuiti.

3. L'analogia iOS-iPhone. Il COBOL su IBM Z è codice ottimizzato attraverso decenni di accoppiamento stretto tra software e hardware: accelerazione a livello di processore, ottimizzazione del sottosistema I/O, crittografia quantum-safe. Qualcuno potrebbe costruire un'alternativa, ma è improbabile che rimpiazzi l'infrastruttura esistente.

4. I mainframe più recenti gestiscono 25 miliardi di transazioni crittografate al giorno e sono capaci di 450 miliardi di inferenze AI al giorno, posizionandosi paradossalmente come futuro dell'AI, non suo relitto.

2.4 Ironia della Storia: IBM Aveva Detto la Stessa Cosa

Come ha notato The Register con il suo consueto sarcasmo, Anthropic non ha scoperto niente di nuovo. IBM stessa aveva lanciato nel 2023 "watsonx Code Assistant for Z", un tool AI per convertire COBOL in Java. Il CEO Arvind Krishna ha dichiarato nel luglio 2025 che il tool aveva avuto "una adozione molto ampia". E nel suo ultimo report finanziario, IBM ha registrato i ricavi mainframe più alti degli ultimi 20 anni, attribuendoli in parte proprio all'efficienza dei tool AI per la modernizzazione COBOL.

Anche Infosys, tramite il chairman Nandan Nilekani, aveva detto la settimana precedente che l'AI rendeva finalmente accessibile il costo di riscrittura delle applicazioni legacy.

La differenza? Quando IBM dice "usiamo l'AI per modernizzare il COBOL", i mercati applaudono. Quando Anthropic dice "il nostro Claude Code può farlo", i mercati vedono la disruption e vendono. La percezione conta più della realtà tecnica.

3. Il Problema Reale: AI Probabilistica su Sistemi Deterministici

3.1 Il Paradosso dell'Accuratezza

Ed eccoci al cuore della questione, quello che Wall Street ha ignorato nella frenesia del sell-off e che Anthropic ha elegantemente evitato nel suo blog post.

Il COBOL governa sistemi dove l'accuratezza deve essere del 100%. Quando una banca trasferisce denaro, quando un sistema sanitario calcola un dosaggio, quando un governo elabora pensioni , non c'è spazio per "quasi corretto". Un centesimo fuori posto in una transazione finanziaria, moltiplicato per miliardi di operazioni, diventa una catastrofe.

I modelli di linguaggio come Claude sono sistemi probabilistici. Non "capiscono" il codice nel modo in cui lo capisce un programmatore umano. Generano output statisticamente plausibili basati su pattern appresi durante l'addestramento. Funzionano in modo eccellente per molti compiti. Ma la traduzione di codice mission-critical non è "molti compiti".

3.2 I Numeri Che Fanno Riflettere

Il report "State of AI vs Human Code Generation" di CodeRabbit (dicembre 2025) ha analizzato 470 pull request open source e ha trovato dati preoccupanti:

Metrica AI vs Umano

Problemi totali per PR 10,83 (AI) vs 6,45 (umano) = 1,7x più problemi

Errori critici 1,4x più frequenti nell'AI

Errori maggiori 1,7x più frequenti nell'AI

Errori di logica e correttezza 1,75x più nell'AI

Errori di sicurezza 1,57x più nell'AI

Errori di concorrenza 2,29x più nell'AI

Errori di logica di business 2,25x più nell'AI

Vulnerabilità XSS 2,74x più nell'AI

Operazioni I/O eccessive ~8x più nell'AI

Il dato più rilevante per il contesto COBOL? Gli errori di logica di business sono 2,25 volte più frequenti nel codice AI. Esattamente il tipo di errore che, nascosto in una traduzione COBOL-to-Java di un sistema bancario, potrebbe passare inosservato per mesi prima di causare danni reali.

Il report Cortex "Engineering in the Age of AI: 2026 Benchmark Report" conferma il trend: le pull request per autore sono aumentate del 20% anno su anno, ma gli incidenti per pull request sono cresciuti del 23,5%, e i change failure rate sono saliti del 30%.

Come ha sintetizzato The Register: "Il codice AI spesso sembra corretto, compila senza errori e passa i controlli superficiali, ma nasconde errori sottili di logica o edge-case che emergono solo in condizioni specifiche."

3.3 Il Problema della Conoscenza Implicita

Ma c'è un problema ancora più profondo. Il COBOL non è solo codice. È conoscenza istituzionale cristallizzata.

Dietro ogni IF ACCOUNT-TYPE = 'SAVINGS' AND BALANCE > 10000 THEN PERFORM INTEREST-CALCULATION-PREMIUM ci sono decenni di decisioni di business, eccezioni normative, casi limite scoperti dopo crisi reali, aggiustamenti fatti a mano da programmatori che ormai non ci sono più.

Un'AI può tradurre la sintassi. Può mappare le dipendenze. Ma può capire perché una certa regola esiste? Può distinguere tra un hack temporaneo diventato permanente e una regola di business critica? Può riconoscere che quel PERFORM SPECIAL-CALC-SECTION-42 nasconde una correzione introdotta dopo il crash del 1987?

Come ha scritto Anthropic stessa, con involontaria ironia: "Non stai semplicemente aggiornando codice familiare con pattern migliori stai facendo reverse engineering di logica di business da sistemi costruiti quando Nixon era presidente."

Esattamente. E la domanda è: un sistema probabilistico è lo strumento giusto per fare reverse engineering di logica che nessun essere umano capisce più?

4. La Crisi dei Programmatori: Il Sapere che Scompare

4.1 La Demografia di una Professione in Estinzione

I numeri sulla forza lavoro COBOL raccontano una storia demografica senza precedenti nel mondo del software:

• L'età media di un programmatore COBOL è 55 anni

• Il 10% della workforce va in pensione ogni anno

• Il 68% dei programmatori COBOL sarà in pensione entro la fine del 2025 (stima CodeAura)

• Il 60% delle organizzazioni che usano COBOL cita la difficoltà di trovare sviluppatori qualificati come la loro sfida operativa più grande

• Le università hanno smesso di insegnare COBOL negli anni '80

Sono rimaste pochissime eccezioni accademiche. La Robert Morris University in Pennsylvania mantiene un programma in partnership con IBM, circa 20 studenti l'anno, e i suoi laureati guadagnano da 15.000 a 30.000 dollari in più rispetto agli altri laureati in informatica. Ma 20 studenti l'anno non possono sostituire una generazione intera.

4.2 Il "Debito Umano"

C'è un concetto che va oltre il tradizionale "debito tecnico": è il debito umano. Le applicazioni COBOL legacy spesso non hanno documentazione adeguata. Il "come" e il "perché" dietro decenni di decisioni di design vivono esclusivamente nella mente di pochi sviluppatori senior. Quando queste persone vanno in pensione, quella conoscenza scompare, insieme alla capacità di mantenere o modificare in sicurezza i sistemi.

Una singola regola di business non documentata, sepolta nelle profondità del codice COBOL, può bloccare interi progetti di modernizzazione o causare errori costosi durante gli aggiornamenti.

Come ha osservato LzLabs' Mark Cresswell: "Il problema non è il COBOL. Il COBOL è un linguaggio come un altro che qualsiasi programmatore rispettabile potrebbe imparare. Il problema è l'ambiente di sviluppo mainframe, che è davvero unico. Le persone con competenze nell'ambiente di sviluppo stanno andando in pensione e le organizzazioni faticano a trovare sostituti."

4.3 L'AI Risolve il Problema o Ne Crea Uno Nuovo?

Ecco il dilemma. L'AI di Anthropic promette di colmare il gap di conoscenza: può leggere il codice, mappare le dipendenze, documentare i workflow. Può fare in settimane quello che team di consulenti impiegavano mesi a fare.

Ma c'è un paradosso: l'AI rende la modernizzazione più facile da iniziare ma non necessariamente più sicura da completare. Se l'AI accelera la fase di analisi ma introduce errori sottili nella fase di traduzione, errori che nessuno ha più le competenze per identificare, il risultato potrebbe essere peggiore dello status quo.

Il rischio non è che la modernizzazione fallisca in modo evidente. Il rischio è che sembri funzionare, che il codice tradotto passi i test, giri in produzione per mesi, e poi un edge case non previsto, una regola di business non catturata, un arrotondamento errato nelle transazioni finanziarie emerga come una bomba a orologeria.

Chi verificherà la traduzione? I programmatori COBOL che non ci sono più? I giovani sviluppatori Java che non hanno mai visto un mainframe? L'AI stessa, in un loop di validazione dove il sistema che traduce è anche quello che controlla?

5. Il Quadro Più Grande: IBM, il Mainframe e il Futuro

5.1 Il Mainframe Non È Morto (Anzi)

L'ironia più grande di tutta questa vicenda è che i mainframe non stanno morendo. Stanno rinascendo.

IBM ha riportato nel suo ultimo trimestre i ricavi mainframe più alti degli ultimi 20 anni. Secondo Kyndryl (2025), più della metà delle organizzazioni che usano mainframe sta aumentando il loro utilizzo, con ritorni sugli investimenti di modernizzazione spesso superiori al 300%. E quasi 9 organizzazioni su 10 stanno usando i mainframe specificamente per gestire carichi di lavoro di AI generativa, grazie alle loro performance superiori.

I nuovi mainframe IBM Z sono sistemi "full stack" capaci di 450 miliardi di inferenze AI al giorno e 25 miliardi di transazioni crittografate al giorno, con crittografia quantum-safe integrata. Uptime vicino al 100%. Sicurezza incorporata a livello hardware.

5.2 La Vera Questione: Traduzione vs. Modernizzazione

L'analista di Futurum Mitch Ashley ha centrato il punto: "Scegliere lo strumento AI giusto per la code discovery saltando tutte le altre dimensioni non produce una migrazione di successo. Produce una discovery più veloce di un programma che fallirà comunque."

Una modernizzazione COBOL di successo richiede:

1. Scoping di business , Quali processi sono critici? Quali possono essere riscritti?

2. Assessment tecnico , Non solo il codice, ma tutto l'ecosistema: CICS, VSAM, JCL, RACF

3. Pianificazione della migrazione dati , Formati proprietari, strutture accoppiate al mainframe

4. Validazione dell'equivalenza comportamentale , Il nuovo sistema fa esattamente la stessa cosa?

5. Osservabilità e testing , Test su ogni edge case, inclusi quelli che nessuno ricorda

6. Compliance e audit , In settori regolamentati, ogni cambiamento deve essere tracciabile

7. Change management organizzativo , Le persone devono capire e fidarsi del nuovo sistema

Claude Code può aiutare con i punti 1, 2 e parzialmente 4. Ma i punti 3, 5, 6 e 7 rimangono profondamente umani. E sono quelli dove la maggior parte dei progetti di modernizzazione fallisce.

5.3 Il Pattern della Disruption AI

C'è un pattern che si sta consolidando nel 2026:

Data Annuncio Anthropic Settore Colpito Reazione Mercati

20 feb 2026 Claude Code Security Cybersecurity CrowdStrike, Okta, Cloudflare in calo

23 feb 2026 COBOL Modernization Mainframe/Consulting IBM -13%, Accenture -6%, Cognizant -6%

25 feb 2026 Claude Cowork (Enterprise) SaaS ServiceNow, Salesforce, Snowflake in calo

Ogni annuncio di Anthropic innesca una rivalutazione immediata di interi settori. I mercati stanno prezzando la paura della disruption AI prima ancora che la disruption si materializzi. Come ha notato un analista di Evercore ISI: "I clienti avevano già l'opzione di migrare dal mainframe, eppure restano sulla piattaforma."

La domanda non è se l'AI possa aiutare nella modernizzazione del COBOL. La domanda è se il mercato stia confondendo la capacità di analizzare codice con la capacità di sostituire un ecosistema.

6. Conclusioni: Le Fondamenta Invisibili

C'è qualcosa di profondamente simbolico nel fatto che il linguaggio che regge il mondo sia anche quello che il mondo ha scelto di dimenticare.

Il COBOL è la metafora perfetta delle fondamenta invisibili su cui costruiamo la nostra vita digitale. Non lo vediamo, non ne parliamo, non lo insegniamo più. Ma è lì ogni volta che ritiriamo contanti, prenotiamo un volo, paghiamo le tasse, riceviamo una pensione. È il tessuto connettivo silenzioso dell'economia globale $3 trilioni di transazioni al giorno, processate da codice scritto quando Kennedy era presidente.

Anthropic ha ragione su un punto: la modernizzazione del COBOL è una bomba a orologeria demografica. Ogni anno perdiamo il 10% dei programmatori che capiscono questi sistemi. L'AI può e deve aiutare a documentare, mappare, analizzare ciò che rischiamo di perdere.

Ma IBM ha ragione su un altro punto: tradurre codice non è modernizzare una piattaforma. E la distanza tra le due cose è un baratro dove sono caduti progetti da centinaia di milioni di dollari.

E c'è un terzo punto che nessuno dei due ha interesse a sottolineare: affidare a un sistema probabilistico la traduzione di codice deterministico mission-critical è un atto di fede tecnologica. Un atto di fede supportato da dati che mostrano che il codice AI contiene 1,7 volte più errori, 2,25 volte più errori di logica di business, e un tasso crescente di incidenti in produzione.

Il COBOL ci ricorda che la tecnologia non è solo innovazione. È anche manutenzione. È anche memoria. È anche il rispetto per sistemi che funzionano silenziosamente da decenni, reggendo un mondo che li ha dimenticati.

Forse prima di chiederci se l'AI può sostituire i programmatori COBOL, dovremmo chiederci come mai abbiamo permesso che questa conoscenza diventasse così rara. Come mai le università hanno smesso di insegnare il linguaggio che gestisce il 95% delle transazioni ATM. Come mai abbiamo trattato la manutenzione come un lavoro di serie B e l'innovazione come l'unica cosa che conta.

La modernizzazione arriverà. Ma dovrà essere un processo graduale, incrementale, validato a ogni passo , non un "big bang" guidato dall'entusiasmo del mercato. Perché quando tocchi le fondamenta, ogni errore si propaga verso l'alto.

E le fondamenta del mondo digitale, che ci piaccia o no, sono ancora scritte in COBOL.

Le fondamenta reggono, per ora. Ma ogni anno che passa, le persone che sanno ripararle diventano di meno. Prima di affidare all'AI il compito di tradurre il codice che muove il mondo, assicuriamoci di capire cosa stiamo traducendo. Perché certi errori non restituiscono un "Error 500". Restituiscono un conto in banca sbagliato.

Bibliografia:

1. Anthropic , How AI helps break the cost barrier to COBOL modernization, 23 febbraio 2026

2. Anthropic , The Code Modernization Playbook, 2026

3. IBM, Rob Thomas , "Lost in Translation: What the AI code debate keeps getting wrong", blog post, 23 febbraio 2026

4. CNBC , IBM is the latest AI casualty. Shares tank 13% on Anthropic programming language threat, 23 febbraio 2026

5. The Register , Anthropic touts AI for COBOL, IBM stock takes a hit, 23 febbraio 2026

6. IT Pro , Anthropic says Claude Code can help streamline COBOL modernization, but IBM says it's not that simple, 24 febbraio 2026

7. Motley Fool , I'm Not Convinced Anthropic's New COBOL Coding Tool Is an Actual Threat to IBM, 27 febbraio 2026

8. VentureBeat , Anthropic says Claude Code transformed programming. Now Claude Cowork is coming for the rest of the enterprise, 25 febbraio 2026

9. Futurum Group , IBM vs. Anthropic: A Tale of the COBOL Modernization Tape, 26 febbraio 2026

10. PYMNTS , Anthropic's COBOL Bet Shakes Mainframe Economics, 23 febbraio 2026

11. Tom's Hardware , Anthropic's new AI tool can write 67-year-old COBOL code, sending 115-year-old IBM's stock tumbling by 13%, 23 febbraio 2026

12. Reuters , COBOL statistics: 220 billion lines, 95% ATM transactions, $3 trillion daily commerce

13. Micro Focus Survey (2022) , 800 billion lines of COBOL in daily use

14. Pragmatic Coders , 2025 Legacy Code Stats: Costs, Risks & Modernization

15. GAO Report , 10 critical federal legacy systems, $337M annual maintenance

16. CodeAura , Why COBOL Code Still Dominates

17. CodeRabbit , State of AI vs Human Code Generation Report, dicembre 2025

18. The Register , AI-authored code needs more attention, contains worse bugs, dicembre 2025

19. Cortex , Engineering in the Age of AI: 2026 Benchmark Report

20. PBS NewsHour , Decades-old unemployment systems can't handle record demand, aprile 2020

21. CNN , Wanted: People who know a half century-old computer language, aprile 2020

22. Logic Magazine , Built to Last, luglio 2020