생성형 AI를 활용하여 메인프레임 애플리케이션 현대화

매끄러운 모바일 애플리케이션이나 상용 인터페이스의 이면을 살펴보면 주요 기업의 애플리케이션 아키텍처의 통합 및 서비스 계층 아래 깊숙한 곳에서 열심히 돌아가는 메인프레임이 있습니다.

중요한 애플리케이션과 기록 시스템은 이러한 핵심 시스템을 하이브리드 인프라의 일부로 사용하고 있습니다. 지속적인 운영이 중단되면 비즈니스의 지속적인 운영 무결성에 치명적일 수 있습니다. 그래서 많은 회사들이 실질적인 변화를 두려워합니다.

하지만 기술 부채가 쌓이고 있기 때문에 변화는 불가피합니다. 비즈니스 민첩성을 달성하고 경쟁 과제와 고객 수요를 따라잡기 위해 기업은 이러한 애플리케이션을 절대적으로 현대화해야 합니다. 리더는 변화를 미루는 대신 하이브리드 전략에서 디지털 혁신을 가속화할 수 있는 새로운 방법을 찾아야 합니다.

메인프레임 현대화의 가장 큰 걸림돌은 아마도 인재 부족일 것입니다. 수년에 걸쳐 엔터프라이즈 COBOL 코드베이스를 만들고 추가한 많은 메인프레임 및 애플리케이션 전문가는 이직했거나 곧 은퇴할 가능성이 높습니다.

더 무서운 것은 Java와 최신 언어를 배운 새로운 컴퓨터 과학 졸업생은 자연스럽게 메인프레임 애플리케이션 개발을 하는 모습을 상상하지 못할 것이기 때문에 차세대 인재를 채용하기가 어려울 것이라는 점입니다. 그들에게는 이 작업이 모바일 앱 디자인만큼 매력적이지 않거나 클라우드 네이티브 개발만큼 민첩해 보이지 않을 수 있습니다. 여러 면에서 이는 다소 불공평한 성향입니다.

COBOL은 서비스 지향이나 클라우드 컴퓨팅은커녕 객체 지향이라는 개념조차 생기기 훨씬 전에 만들어졌습니다. 간결한 명령어 세트를 사용하면 초보 개발자가 배우거나 이해하기에 복잡한 언어가 아니어야 합니다. 메인프레임 애플리케이션이 DevOps스타일의 자동화된 파이프라인 내에서 민첩한 개발과 소규모의 점진적 릴리스의 이점을 누리지 못할 이유가 없습니다.

수년 동안 여러 팀이 COBOL로 무엇을 했는지 파악하는 것은 변화를 관리하기 어려운 이유입니다. 개발자는 구성 요소나 느슨하게 결합된 서비스가 아니라 전체적으로 점검하고 업데이트해야 하는 절차적 시스템을 끝없이 추가하고 논리적 루프를 만들었습니다.

이러한 방식으로 메인프레임에서 코드와 프로그램이 서로 얽혀 있는 경우, 숙련된 개발자도 풀기에는 상호 의존성과 잠재적 장애 지점이 너무 복잡하고 많습니다. 이로 인해 많은 조직에서 COBOL 앱 개발이 필요 이상으로 어렵게 느껴져 조기에 메인프레임에서 벗어난 대안을 찾게 됩니다.

최근 ChatGPT와 같은 대규모 언어 모델(LLM)과 소비자 수준의 시각적 AI 이미지 생성기가 널리 보급되면서 생성형 AI에 대한 수많은 과대 광고가 등장하고 있습니다.

이 분야에서 많은 멋진 가능성이 나타나고 있지만, 중요한 비즈니스 워크플로에 적용할 때 LLM의 '할루시네이션 요소'가 있습니다. 인터넷에서 찾은 콘텐츠로 AI를 훈련시킬 경우, 설득력 있고 믿을 수 있는 대화를 제공하지만 완전히 정확한 답변을 제공하지는 못하는 경우가 많습니다. 예를 들어, ChatGPT는 최근 가상의 연방법원 판례(ibm.com 외부 링크)를 인용했는데, 이를 사용한 게으른 변호사는 제재를 받을 수 있었습니다.

비즈니스 애플리케이션 코딩을 위해 챗봇 AI를 신뢰하는 데에도 비슷한 문제가 있습니다. 일반화된 LLM은 앱을 개선하거나 표준 등록 양식을 쉽게 만들거나 소행성 스타일의 게임을 코딩하는 방법에 대한 합리적인 일반적인 제안을 제공할 수 있지만, 비즈니스 애플리케이션의 기능적 무결성은 AI 모델이 어떤 머신 러닝 데이터로 학습되었는지에 따라 크게 달라집니다.

다행히도 ChatGPT가 출시되기 전부터 프로덕션 중심의 AI 연구가 수년간 진행되어 왔습니다. IBM은 watsonx 브랜드로 딥 러닝 및 추론 모델을 구축해 왔으며, 메인프레임의 창시자이자 혁신가로서 COBOL에서 Java로의 전환을 통해 학습 및 조정된 관찰 생성형 AI 모델을 구축해 왔습니다.

최신 IBM® watsonx Code Assistant for Z 솔루션은 규칙 기반 프로세스와 생성형 AI를 모두 사용하여 메인프레임 애플리케이션 현대화를 가속화합니다. 이제 개발팀은 매우 실용적이고 엔터프라이즈에 초점을 맞춘 생성형 AI 및 자동화를 사용하여 애플리케이션 검색, 자동 리팩토링 및 COBOL에서 Java로의 전환을 지원할 수 있습니다.

메인프레임 애플리케이션을 다른 객체 지향 또는 분산 애플리케이션처럼 민첩하고 유연하게 변경하려면 조직은 이를 지속적 전달 파이프라인의 최상위 기능으로 만들어야 합니다. IBM watsonx Code Assistant for Z는 개발자가 다음 세 단계를 통해 COBOL 코드를 애플리케이션 현대화 수명 주기로 가져올 수 있도록 지원합니다.

1. 발견. 현대화하기 전에 개발자는 주의가 필요한 부분을 파악해야 합니다. 먼저, 이 솔루션은 메인프레임의 모든 프로그램에 대한 재고를 가져와 각 프로그램의 아키텍처 흐름 다이어그램과 모든 데이터 입력 및 아웃풋을 매핑합니다. 시각적 흐름 모델을 사용하면 개발자와 아키텍트가 코드 기반 내에서 종속성과 명백한 막 다른 길을 쉽게 발견할 수 있습니다.
2. 리팩토링. 이 단계는 모놀리스를 보다 소모적인 형태로 분해하는 단계입니다. IBM watsonx Code Assistant는 시스템의 의도된 비즈니스 논리를 이해하기 위해 장기간 실행되는 프로그램 코드 베이스를 살펴봅니다. 이 솔루션은 개별 프로세스와 같은 명령과 데이터를 분리하여 COBOL 코드를 모듈식 비즈니스 서비스 구성 요소로 리팩터링합니다.
3. 전환. 엔터프라이즈 COBOL에서 Java로의 전환을 위해 조정된 LLM의 마법이 차이를 만들 수 있는 곳입니다. 생성형 AI 모델은 COBOL 프로그램 구성 요소를 Java 클래스로 변환하여 진정한 객체 지향과 관심사 분리가 가능하므로 여러 팀이 민첩한 방식으로 병렬로 작업할 수 있습니다. 그런 다음 개발자는 다른 개발 도구에서 볼 수 있는 코파일럿 기능처럼 AI가 미리 제안하는 내용을 통해 IDE에서 Java로 코드를 다듬는 데 집중할 수 있습니다.

AI에 대한 대부분의 공급업체 주장은 단순히 자동화에 불과한 경우가 많기 때문에 일반적으로 회의적입니다.

영어의 모든 뉘앙스를 학습하고 단어와 단락의 사실적 근거를 추측하는 것과 비교하면, COBOL이나 Java와 같은 언어의 구문과 구조를 마스터하는 것은 생성형 AI의 골목에 딱 맞는 것 같습니다.

기업용으로 설계된 생성형 AI 모델인 IBM watsonx Code Assistant for Z는 세계에서 가장 리소스 제약이 심한 조직의 현대화 노력과 비용을 줄일 수 있습니다. 수천 줄의 코드가 있는 알려진 플랫폼의 애플리케이션은 IBM watsonx Code Assistant와 같은 생성형 AI 모델을 위한 이상적인 교육 기반입니다.

리소스가 제한된 환경에서도 생성형 AI는 팀이 현대화 장애물을 제거하고, 가장 중요한 핵심 비즈니스 애플리케이션의 민첩성과 복원력을 크게 개선할 수 있도록 신규 메인프레임 개발자의 기능을 강화하는 데 도움을 줄 수 있습니다.

자세히 보려면 이 Intellyx 애널리스트 사고 리더십 시리즈의 다른 게시물을 참조하세요.

• 1부: '뱅킹을 넘어선 메인프레임 애플리케이션 현대화'
• 2부: '마이그레이션이 아닌 협업을 사용하여 클라우드로 메인프레임 애플리케이션 현대화'
• 3부: '금융 서비스를 위한 메인프레임 주도 디지털 혁신을 기반으로 하는 뱅킹'
• 4부: '메인프레임과 클라우드? 오픈소스로 쉽게 해결하세요'

©2024 Intellyx B.V. 이 문서의 편집 책임은 Intellyx에 있습니다. 이 콘텐츠 작성에는 AI 봇이 사용되지 않았습니다. 이 글을 쓰는 시점을 기준으로 IBM은 Intellyx의 고객입니다.