Articleaws.amazon.com·2026년 11월 16일·0

Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform

Quick Summary

AWS는 Amazon Bedrock과 Kiro IDE로 Assembler의 업무 규칙과 명세를 추출·검증하고, 중간 COBOL 코드를 거쳐 AWS Transform으로 Java Spring Boot 애플리케이션으로 전환하는 5단계 현대화 방법을 제안한다.

Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform 관련 대표 이미지

🖼️ 인포그래픽

Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform의 핵심 내용을 4단계로 요약한 인포그래픽
Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

AWS는 Amazon Bedrock과 Kiro IDE로 Assembler의 업무 규칙과 명세를 추출·검증하고, 중간 COBOL 코드를 거쳐 AWS Transform으로 Java Spring Boot 애플리케이션으로 전환하는 5단계 현대화 방법을 제안한다.

📌 핵심 요약

  • 은행·보험·항공 분야의 핵심 업무를 처리하는 Assembler 프로그램은 이해할 수 있는 인력의 감소와 전문가 은퇴 문제에 직면해 있으며, 수작업 재작성은 수년이 걸리고 기존 업무 규칙을 훼손할 위험이 있다고 설명한다.
  • 제안된 5단계는 업무 규칙 추출, 명세 기반 데이터 흐름 설계, Assembler→COBOL 변환, 검증, COBOL→Java 변환이다. 사람이 읽고 검증할 수 있는 중간 COBOL을 활용해 직접 Assembler→Java 변환보다 위험을 줄이고 업무 논리를 보존하려는 접근이다.
  • Amazon Bedrock은 앞의 4단계에서 추론 플랫폼으로 사용되고, Kiro IDE는 AI 분석과 명세·코드 생성 작업을 지원하며, AWS Transform은 COBOL→Java 변환을 담당한다. Assembler 분석에는 코드 추론 능력과 큰 컨텍스트 윈도를 갖춘 기반 모델을 선택하고 temperature를 0으로 설정하도록 권한다.
  • 실행에는 최소 권한의 AWS 계정, 관련 서비스 접근 권한, 암호화와 Block Public Access를 적용한 Amazon S3 버킷, Assembler 소스와 문서, 업무 지식, 업무·기술 전문가인 SME, 예상 출력이 있는 테스트 데이터가 필요하다. 운영 데이터나 개인 식별 정보 대신 정제된 테스트 데이터를 사용하도록 안내한다.
  • AI가 생성한 업무 규칙 추출 문서는 초안으로 취급하고 SME 검증을 거쳐 기능 명세와 중간 COBOL 검증으로 연결한다. 원문은 수작업 대비 기간 단축과 기능적 동등성 확보를 기대 효과로 제시하지만, 제공된 본문은 Assembler→COBOL 변환 설명의 도입부에서 끝나며 정량 성과나 후속 구현 세부는 포함하지 않는다.

🧩 주요 포인트

  1. 중간 COBOL과 단계별 검증 → 저수준 Assembler 동작을 전문가가 검토할 수 있는 업무 구조로 바꾸고, 최종 Java 변환 전에 오류를 발견할 기회를 마련한다.
  2. 업무 규칙 ID·데이터 매핑·기능 명세의 연결 → 규칙이 어떤 데이터 구조와 처리 절차로 구현되는지 추적할 수 있으며, 매핑 누락은 업무 논리 손실이나 훼손으로 이어질 수 있다.
  3. 기존 COBOL 소스의 유무에 따른 경로 구분 → COBOL이 이미 있다면 AWS Transform에 직접 제공할 수 있고, Assembler를 출발점으로 삼을 때는 업무 규칙 추출과 중간 변환 과정이 추가된다.

🧠 상세 정리

1. 현대화의 배경과 문제의식

원문은 수십 년 동안 매일 밤 문제없이 실행된 배치 작업을 이해하는 유일한 담당자가 은퇴를 앞둔 상황을 제시하며 Assembler 현대화의 필요성을 설명한다. 저자들은 은행·보험·항공 고객과 일하면서 이러한 상황을 반복해서 관찰했으며, 핵심 업무를 담당하는 프로그램은 계속 운영되지만 코드를 읽을 수 있는 사람은 해마다 줄어든다고 말한다. 수작업 재작성은 수년이 걸릴 수 있고, 작성 당시의 의도를 기억하는 사람이 없는 업무 규칙을 깨뜨릴 위험이 있으며, 결국 떠나가는 전문가에게 계속 의존하게 된다는 것이 문제의 핵심이다. 이에 Amazon Bedrock, Kiro IDE, AWS Transform을 결합해 업무 규칙을 체계적으로 추출하고 중간 COBOL을 거쳐 Java Spring Boot 서비스로 전환하는 방법을 제안한다. 기간 단축과 업무 논리 보존은 이 방법의 목표이자 기대 효과로 제시되며, 제공된 본문에는 이를 수치로 입증하는 전환 사례나 측정 결과는 없다.

2. 실행을 위한 권한·자료·전문가 준비

현대화를 시작하려면 Amazon Bedrock, AWS Transform, Amazon S3에 대해 최소 권한의 IAM 권한을 갖춘 활성 AWS 계정이 필요하다. AI 지원 코드 분석을 위한 Amazon Q Developer 또는 Kiro, COBOL을 Java로 변환하는 AWS Transform, 적절한 기반 모델을 사용할 수 있는 Amazon Bedrock 접근 권한도 준비해야 한다. 소스 코드와 단계별 산출물을 저장할 Amazon S3 버킷에는 암호화와 Block Public Access를 설정하도록 명시한다. 기술적 환경 외에도 대상 업무 영역과 애플리케이션 기능에 대한 지식, 검증에 참여할 업무·기술 SME, 확보된 문서를 포함한 Assembler 소스 목록이 필요하다. 또한 예상 출력이 포함된 테스트 데이터 세트를 준비해야 하므로, 이 접근은 AI 도구만으로 변환을 끝내는 절차가 아니라 기존 동작을 이해하고 비교할 근거와 사람의 판단을 함께 요구하는 방식이다.

3. 현재 메인프레임의 실행 구조

현재 상태는 Assembler 프로그램이 COBOL과 연결되어 배치 처리를 수행하고, 데이터베이스와 파일을 다루는 전통적인 IBM z/OS 메인프레임 환경으로 설명된다. JCL 작업은 정해진 일정에 따라 Assembler 프로그램 실행을 시작하며, 프로그램은 VSAM 및 순차 파일에서 입력을 읽고 IBM Db2 for z/OS를 대상으로 작업한다. 업무 논리는 CPU 레지스터를 직접 조작하는 저수준 연산과 메모리 관리를 통해 실행되므로, 업무 의미를 파악하려면 이러한 동작과 데이터의 관계를 해석해야 한다. 처리 결과는 다시 파일이나 데이터베이스 테이블에 기록되고, 작업 완료 상태는 JCL 반환 코드로 보고된다. 원문은 이 입출력·처리·상태 보고 구조를 현재 아키텍처로 제시한 뒤, 업무 규칙과 데이터 흐름을 명시적으로 추출하는 클라우드 전환 절차로 설명을 이어간다.

4. 중간 COBOL을 활용하는 5단계 전환

제안된 흐름은 업무 규칙 추출 문서인 BRE 생성, 상세 기능 명세와 데이터 흐름 설계, Assembler에서 COBOL로 변환, 중간 코드 검증, AWS Transform을 통한 COBOL에서 Java로 변환의 5단계로 구성된다. 중간 COBOL은 저수준 하드웨어 명령과 업무 중심의 표현 사이를 연결하며, 최종 변환 전에 SME가 읽고 검증할 수 있는 구조를 제공한다. 원문은 이러한 단계적 접근이 직접 Assembler를 Java로 변환하는 방식보다 위험을 줄이고 업무 논리를 더 신뢰성 있게 보존한다고 설명하지만, 비교 측정 결과는 제시하지 않는다. 생성된 COBOL은 기능적 동등성 테스트를 거친 뒤 AWS Transform에 전달되며, 각 단계의 검증 지점은 위험을 낮추고 업무 연속성을 확인하기 위한 장치다. 이미 COBOL 소스가 존재한다면 이를 AWS Transform에 직접 제공해 Java Spring Boot 애플리케이션으로 변환하는 기존 경로를 사용할 수 있다.

5. Amazon Bedrock의 모델 선택과 데이터 처리

Amazon Bedrock은 업무 규칙 추출, 명세 작성, Assembler에서 COBOL로 변환, 검증이라는 앞의 4단계에 추론 플랫폼을 제공한다. Assembler 프로그램은 길고 정보 밀도가 높으므로 코드 추론 능력이 강하고 컨텍스트 윈도가 큰 기반 모델을 선택하며, 실행 간 일관된 출력을 얻기 위해 temperature를 0으로 설정하도록 권한다. 예시 프롬프트는 Amazon Bedrock의 Chat Playground나 Kiro IDE의 AI 채팅과 Spec 패널에서 사용할 수 있고, 다수의 프로그램을 처리할 때는 Converse API로 같은 프롬프트를 호출해 각 출력을 Amazon S3에 저장하고 다음 단계의 입력으로 활용한다. 원문은 Amazon Bedrock이 프롬프트나 모델 출력을 AWS 모델 학습에 사용하거나 제삼자와 공유하지 않는다고 설명하며, 운영 데이터나 개인 식별 정보 대신 정제된 테스트 데이터를 사용하도록 안내한다. 분석 시에는 관련 문서, 데이터 사전, 업무 맥락을 코드와 함께 제공하고 각 프롬프트 출력을 저장해야 후속 단계로 연결할 수 있다고 강조한다.

6. 업무 규칙과 데이터 매핑의 구조화

업무 규칙 추출의 품질은 변환 정확도에 직접 영향을 주므로, 원문은 Amazon Bedrock을 Kiro IDE 또는 콘솔에서 활용하고 AWS Transform for mainframe과 함께 Assembler 소스의 규칙을 추출·문서화하도록 안내한다. 예시 프롬프트는 조건 분기, 계산, 유효성 검사, 데이터 변환, 오류 처리, 반복문을 포함한 모든 규칙을 식별하도록 요구한다. 각 규칙에는 BR001 같은 고유 ID, 이름과 설명, 업무 목적, 입력·출력 필드나 레지스터, 평이한 언어로 표현한 논리, 실행 조건을 포함한다. 데이터 매핑에는 원본 레지스터 또는 메모리 위치, 대응하는 COBOL 변수명, 변환 논리, 검증 규칙을 기록하며, 프로그램명과 요약을 포함한 구조화된 JSON으로 결과를 반환한다. 이러한 출력은 자동 검증과 후속 변환 도구 연계를 지원하지만, 데이터 매핑이 불완전하면 업무 논리가 손실되거나 훼손될 수 있으므로 업무 용어와 맥락을 반영한 정확한 추출이 중요하다.

7. SME 검증을 통한 초안 보완

원문은 AI가 생성한 BRE 문서를 최종 결과가 아닌 초안으로 취급하고, 다음 단계로 넘어가기 전에 SME가 추출된 규칙을 검토하고 검증해야 한다고 명시한다. 검토에서 발견된 불일치는 검증 기록에 남기고 SME 피드백을 BRE에 반영한 뒤 기능 명세 작성을 시작하도록 한다. 전문가의 이해를 돕기 위해 텍스트 문서와 함께 흐름도 및 데이터 흐름도를 제공하고, 업무 규칙의 정확성, 데이터 매핑의 올바름, 경계 사례 처리, 오류 조건의 완전성을 확인하는 검증 항목도 유지하도록 제안한다. 이 과정은 사람이 중요한 단계에 참여하는 검증 원칙을 구체화하며, 잘못 추출된 규칙이 후속 명세와 코드에 그대로 전달되는 위험을 줄이기 위한 것이다. 검증된 업무 규칙을 상세 기능 명세로 옮기는 이유 역시 코드 변환 전에 요구사항을 명확히 문서화하고 합의해 이후의 큰 재작업을 줄이려는 데 있다.

8. 기능 명세의 추적성과 제공 본문의 범위

검증된 BRE로부터 만드는 기능 명세에는 프로그램 목적과 주요 기능, 업무 규칙의 반영 범위, COBOL 데이터 구조, 단계별 처리 흐름, 규칙별 구현 위치의 대응 관계를 포함한다. 데이터 구조는 대문자와 하이픈을 사용하는 이름, 정수·소수·문자 유형에 맞는 PIC 절, 패킹 십진수용 COMP-3, 01·05·10·15 계층 수준, 플래그를 위한 88 수준 조건명을 사용하도록 예시가 제시된다. 또한 규칙과 매핑에 등장하는 필드뿐 아니라 계산·플래그·오류 처리에 필요한 필드를 포함하고, 초기화에서 처리와 출력으로 이어지는 각 단계에 판단 지점, 검증, 계산 순서, 오류 처리, 관련 규칙 ID와 입출력 데이터를 연결한다. 각 업무 규칙을 구현 절차나 문단, 사용 데이터 구조, 다른 규칙과의 의존성에 매핑한 JSON은 SME 검토와 Kiro의 코드 생성에 활용할 수 있으며, 데이터 구조 세부는 조직의 COBOL 표준에 맞게 조정할 수 있다. 다만 제공된 본문은 검증된 기능 명세로 Assembler에서 COBOL로의 변환을 안내한다는 도입부에서 끝나므로, 이후 실제 변환 절차나 검증 기준, Java 배포 세부를 이 자료만으로 확인할 수는 없다.

🧾 핵심 주장 / 시사점

  • 원문이 제안하는 정확성 확보 방식의 중심은 AI 코드 생성 자체보다 업무 규칙 추출, SME 검토, 명세 추적성, 기능적 동등성 테스트를 연결하는 데 있다.
  • 중간 COBOL은 추가 변환 단계를 만들지만, 저수준 Assembler의 동작을 사람이 검증할 수 있는 업무 구조로 표현한다는 점이 그 선택의 핵심 근거다.
  • 기간 단축과 업무 논리 보존은 제안된 방법의 기대 효과이며, 제공된 본문만으로 실제 단축 폭이나 최종 Java 애플리케이션의 동등성 달성 여부를 판단하기는 어렵다.

✅ 액션 아이템

  • 기존 COBOL 소스의 유무를 확인해 AWS Transform 직접 변환과 Assembler→COBOL 중간 변환 중 적용 경로 검토.
  • SME 검증에서 업무 규칙 ID·데이터 매핑·기능 명세의 연결과 누락 여부 확인.
  • 정량 성과와 후속 구현 세부가 없는 점을 고려해 기간 단축과 기능적 동등성의 달성 여부에 대한 판단 유보.

❓ 열린 질문

  • 중간 COBOL을 거치는 5단계 접근은 직접 Assembler→Java 변환보다 위험을 얼마나 줄이는가?
  • SME 검증은 업무 규칙 ID·데이터 매핑·기능 명세 사이의 누락이나 불일치를 어떻게 확인하는가?
  • 제공된 본문에 없는 정량 성과와 후속 구현 세부는 기간 단축과 기능적 동등성 확보를 어떻게 입증하는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.