AI로 메인프레임 전문성 확보

메인프레임 시스템은 사라지지 않지만, 이를 유지 관리하는 전문 인력을 구하기가 점점 더 어려워지고 있습니다. 메인프레임은 70개 이상의 국가에서 28개 산업에 걸쳐 전 세계 생산 IT 작업 부하의 약 70%를 담당합니다. 그러나 메인프레임을 최적화하기 위해 필요한 전문 인력은 점점 더 부족해지고 있습니다.

베테랑 메인프레임 전문가들이 은퇴함에 따라 지식 격차가 커지고 있습니다. 최신 컴퓨터 과학 커리큘럼은 현재 IBM® Z와 같은 메인프레임 플랫폼에서 지원되는 Java 및 Python과 같은 언어를 강조하는 경향이 있지만, 진짜 문제는 더 깊은 곳에 있습니다.

숙련된 인력 부족의 핵심은 클라우드 및 분산 환경에서 발견되는 것과는 다른 메인프레임 관련 용어, 핵심 개념 및 복잡한 하위 시스템을 이해하는 데 있습니다. 그러나 엔터프라이즈 교육 예산은 메인프레임 개념 및 설계보다 이러한 아키텍처에 우선순위를 두는 경우가 많습니다.

그 결과는 어떨까요? 지속적인 메인프레임 의존도와 IBM Z와 같은 메인프레임 시스템의 고유한 운영 환경을 통제할 수 있는 전문가 풀 사이의 격차가 커지고 있습니다. 비즈니스 리더에게 이러한 인력 부족은 운영 연속성과 혁신 역량을 모두 위협합니다.

기술 격차를 해소하기 위해 인공 지능(AI)을 활용하는 것이 혁신적인 솔루션으로 부상했습니다. 자동화와 결합된 생성형 AI(Gen AI)는 시스템 프로그래머, 운영자 및 개발자가 지식을 습득하는 방법을 간소화할 수 있으며, 경험 수준에 관계없이 생산성, 효율성 및 작업 품질을 향상할 수 있습니다.

이러한 접근 방식을 채택하는 것은 많은 글로벌 업계 리더에게 획기적인 변화가 될 수 있습니다. 이 접근 방식은 메인프레임이 신뢰성, 보안 및 확장성을 요구하며 대량의 고위험 운영을 지원하는 금융, 의료, 정부 및 소매업과 같은 산업 분야의 전문가에게 특히 중요할 수 있습니다.

AI, 특히 생성형 AI는 메인프레임 지식에 대한 접근성을 높여 이러한 문제를 해결할 수 있는 기회를 제공합니다. 조직은 대규모 언어 모델(LLM), 검색 증강 생성(RAG) 및 자동화 프레임워크의 강력한 기능을 활용함으로써 신규 전문가의 기술 습득 시간을 줄일 수 있습니다. 또한 이 접근 방식을 통해 숙련된 사용자는 비즈니스 가치를 창출하는 전략적 업무에 집중할 수 있습니다.

AI가 메인프레임 교육과 생산성에 어떻게 기여할 수 있는지 알아보세요.

메인프레임을 처음 접하는 사용자는 가파른 학습 곡선에 직면하고 복잡한 작업에 어려움을 겪는 경우가 많습니다. 예를 들어, 몇 시간 동안 문서를 검색한 후 올바른 솔루션을 찾았는지 확신하지 못하는 개발자를 상상해 보세요. 이러한 불확실성으로 인해 워크플로가 느려지고 해당 분야 전문가(SME)에게 확인을 구하게 됩니다. 사소한 실수라도 메인프레임 환경에 심각한 결과를 초래할 수 있기 때문입니다.

이 개발자에게 필요한 것은 신뢰할 수 있고 접근 가능한 멘토이며, 바로 이 지점에서 AI가 개입합니다. 대화형 AI는 사용자에게 정리된 정보와 단계별 안내에 접근할 수 있는 자연어 인터페이스를 제공합니다. 사용자는 질문하느라 SME를 방해하는 대신, AI 기반 어시스턴트와 상호 작용하여 다음을 수행할 수 있습니다.

• 메인프레임 기본 개념 이해

• 제품 업데이트 및 새로운 기능에 대한 정보에 액세스

• 작업을 완료하기 위한 단계별 절차 따르기

• 오류 메시지 및 시스템 동작에 대한 명확한 설명 받기

검색 증강 생성(RAG) 프레임워크를 기반으로 하는 이러한 시스템은 신뢰할 수 있는 지식 소스를 활용하여 근거 있고 정확한 응답을 제공할 수 있습니다. 이 방법은 답변의 신뢰성을 향상시킬 뿐만 아니라 허위 정보와 같은 위험을 완화하는 데도 도움이 됩니다.

RAG 시스템을 구현하기 위한 몇 가지 모범 사례에는 고품질의 도메인별 소스에서 데이터를 수집하고 AI를 정기적으로 업데이트하는 것이 포함됩니다. RAG의 주요 장점은 할루시네이션을 피하는 데 도움이 된다는 것입니다. 이러한 안전장치는 AI가 메인프레임 학습 및 지원을 위한 신뢰할 수 있고 안정적인 리소스로 유지되도록 하는 데 도움을 줍니다.

AI 어시스턴트는 사용자의 학습을 돕고, 자동화는 사용자가 행동할 수 있도록 합니다. 자동화는 가이드 워크플로를 제공함으로써 초임 사용자도 심층적인 사전 지식 없이도 작업을 효과적으로 수행할 수 있도록 지원합니다. 

자동화의 이점은 초보자를 넘어, 숙련된 메인프레임 전문가도 누릴 수 있습니다. 예를 들어, 거의 사용되지 않는 보안 설정을 구성해야 하는 노련한 시스템 프로그래머를 생각해 보세요. 이 프로그래머는 기본 지식은 가지고 있을 수도 있지만, 이 작업을 마지막으로 수행한 지 몇 년이 지났을 수 있으므로 시스템의 단계, 종속성 및 뉘앙스에 대한 복습이 필요할 수 있습니다.

적절한 지침과 관행이 없으면 이 프로세스는 시간 집약적일 수 있으며 중요한 업데이트가 지연되고 오류 가능성이 높아질 위험이 있습니다.

자동화 및 AI 기반 도구는 단계별 지원을 제공하고, 반복적인 워크플로를 자동화하며, 대화형 AI의 컨텍스트를 기반으로 실시간 추천을 제공함으로써 이러한 격차를 해소합니다. 이러한 도구는 새로운 문제를 해결하는 초기 경력 개발자와 거의 사용하지 않는 기술을 다시 살펴보는 노련한 베테랑 모두에게 도움이 됩니다. 메인프레임 전문가들은 자동화를 통해 오류를 줄이고 효율성을 개선하며 불편을 최소화함으로써 전략적 고부가가치 이니셔티브에 집중할 수 있습니다.

마찬가지로 중요한 것은 조직의 기존 투자와 통합할 수 있는 자동화 솔루션의 필요성입니다. 기업들은 JCL(작업 제어 언어), REXX(구조화된 확장 실행자), Ansible과 같은 잘 정립된 자동화 프레임워크와 기술에 의존하는 경우가 많으며, 이러한 시스템에 수년에 걸쳐 막대한 투자를 해왔습니다. 가치를 극대화하고 채택을 보장하려면 자동화가 이러한 기본 도구를 지원하여, 비용이 많이 드는 교체를 요구하기보다는 호환성과 원활한 통합을 제공해야 합니다.

AI 솔루션은 다양한 사용자 그룹의 고유한 요구 사항을 충족하도록 설계되어야 하며, 각 그룹이 자신의 기술 수준과 목표에 맞는 맞춤형 경험의 혜택을 누릴 수 있도록 해야 합니다. 예를 들면 다음과 같습니다.

• 초기 경력 전문가는 수동 작업 실행을 통해 학습을 강화하는 데 중점을 둔 AI 안내 실습 경험의 이점을 누릴 수 있으며, 이를 통해 기본 개념에 익히면서 자신감을 키울 수 있습니다.

• 중간 수준의 사용자는 AI 기반 자동화를 통해 일상적인 업무를 효율적으로 처리하고, 시간을 절약하며 오류 위험을 최소화하는 동시에 더 복잡한 활동에 집중할 수 있습니다.

• 경험이 풍부한 전문가는 AI를 활용해 고급 기능을 탐색하거나, 복잡한 작업을 간소화하거나, 심지어 전문 지식을 재사용 가능한 자동화 자산으로 인코딩하여 더 많은 팀원에게 도움이 될 수 있습니다.

역할별 어시스턴트를 만들면 사용자의 책임과 기술 수준에 맞는 AI 경험을 제공할 수 있습니다. 이렇게 특수 제작된 어시스턴트는 질문을 해결하고 특정 자동화 요구 사항을 충족하여 사용자가 매력적인 대화형 AI 경험을 통해 작업을 원활하게 완료하고 복잡한 프로세스를 탐색할 수 있도록 지원합니다.

다양한 사용자 유형의 요구 사항을 충족하도록 다양한 AI 어시스턴트를 설계할 수 있습니다.

AI 솔루션을 개발할 때 개발 및 유지 관리 프로세스를 단순화하는 것이 중요합니다. AI 시스템이 계속 발전함에 따라 배포의 새로운 복잡성 계층을 최소화하면서 지원을 제공하는 것을 목표로 해야 합니다. 이 목표를 달성하려면 직관적이고 기존 도구와 상호 운용 가능하며 다양한 사용 사례에 적응할 수 있을 만큼 유연한 AI 시스템이 필요합니다. 결과적으로 모든 사용자 그룹이 자동화 혜택을 누릴 수 있으며 지속 가능합니다.

다음은 몇 가지 접근 방식입니다.

로우코드 플랫폼을 사용하면 도메인 전문가가 광범위한 프로그래밍 지식 없이도 자동화 자산을 생성, 수정 및 게시할 수 있습니다. 그런 다음 이러한 자산을 AI 어시스턴트에 통합하여 더 많은 사용자가 사용할 수 있도록 할 수 있습니다.

예를 들어 Ansible, JCL 또는 REXX의 기존 자동화 스크립트를 재사용 가능한 기술로 변환할 수 있습니다.

중앙 집중식 리포지토리를 통해 팀 전체에서 자동화 자산을 쉽게 검색하고 재사용할 수 있습니다. 이 방법은 작업 실행을 가속화할 뿐만 아니라 지식 공유 및 표준화를 촉진합니다.

메인프레임 환경을 위한 AI 솔루션을 배포할 때 아키텍처를 선택하는 것이 중요합니다. 클라우드 기반 옵션은 런타임 비용을 절감하고 확장성을 단순화할 수 있지만, 방화벽 뒤에 있는 메인프레임 시스템과의 통합 문제에 직면할 수 있습니다. 온프레미스 배포는 메인프레임 보안 요구 사항에 잘 부합하여 강력한 자동화 기능과 직접 통합을 제공합니다. 그러나 이러한 접근 방식을 사용하려면 GPU 하드웨어 및 IT 인프라에 상당한 초기 투자가 필요한 경우가 많습니다.

많은 조직에서는 일반 지식 기능에는 클라우드를 사용하고 보안 자동화 작업에는 온프레미스 배포를 사용하는 하이브리드 클라우드 접근 방식이 최적이라고 생각합니다. 핵심은 AI 지원 인프라를 조직의 보안 요구 사항, 기존 메인프레임 투자, 자동화 목표와 일치시키는 것입니다.

메인프레임 환경을 위한 AI 솔루션은 조직이 전문 인재풀이 줄어듦에도 중요 시스템을 유지 관리해야 하는 과제에 직면한 상황에서 유망한 길을 제시합니다. IBM은 엔터프라이즈급 AI용으로 설계된 차세대 메인프레임인 IBM z17 을 통해 이러한 비전을 실현하고 있습니다.  

Telum II 프로세서와 새로운 Spyre AI 가속기로 구동되는 내장 AI 기능을 갖춘 z17은 시스템에서 직접 실시간 AI 추론을 구현할 수 있도록 합니다. watsonx Code Assistant for Z 및 watsonx Assistant for Z와 같은 AI 어시스턴트 및 에이전트 도구는 개발자와 IT 팀을 위한 지능형 지원을 제공합니다. 또한, IBM Z Operations Unite와의 통합으로 AI 기반 사고 감지 및 해결을 통해 운영을 간소화할 수 있습니다.

이러한 도구는 노련한 전문가와 플랫폼을 처음 접하는 사용자 모두의 요구 사항을 충족하도록 설계되어 기술 격차를 해소하고 생산성을 높이며 혁신을 촉진하는 데 도움이 됩니다. IBM은 AI를 메인프레임에 직접 임베딩함으로써 메인프레임 전문성을 대중화하여 이러한 시스템이 미래에도 계속해서 가치를 제공할 수 있도록 하는 재생 가능한 자원으로 만들고 있습니다.