칼럼 | AI 시대, 메인프레임 개발자는 어떻게 준비해야 할까?

메인프레임, 즉 기업의 핵심 업무를 수십 년간 안정적으로 처리해 온 중앙 집중형 컴퓨팅 시스템은 과거의 기술로 인식되곤 하지만, 포춘 500대 기업의 70% 이상은 여전히 이를 핵심 시스템으로 활용하고 있다. 메인프레임이 산업 전반의 기술 고도화 흐름에 맞춰 현대화되고 새로운 환경에 적응할 수 있는 역량을 갖추고 있기 때문이다.

그러나 메인프레임이 하이브리드 환경에 더 깊이 통합될수록, 개발자는 더 이상 기존 전문성만으로 대응할 수 없다. 사람과 프로세스가 준비되지 않은 상태에서 메인프레임 환경에 AI, 특히 에이전틱 AI를 통합할 경우 문제를 더 악화시키거나 새로운 문제를 야기할 수 있다. 최근 킨드릴 보고서에 따르면 기업이 메인프레임 개발자의 미래 대비를 위해 기술과 역량에 투자하고 있음에도 불구하고, 메인프레임에서 이미 AI를 활용하고 있는 응답자의 35%는 역량 격차가 여전히 발전을 가로막고 있다고 답했다. 이는 보다 다양한 역량을 갖춘 접근이 필요하다는 점을 분명히 보여준다.

개발자는 AI 배포와 관련된 최신 규정을 정확히 이해하고 기존 역량과 기술 전문성을 확장하는 한편, 새로운 기술이 기업 환경에 도입될 때 안전하게 실험할 수 있는 자신감을 갖춰야 한다.

메인프레임에 AI를 접목하는 일은 단순히 기술적 작동 원리를 아는 것만으로는 충분하지 않다. 이는 자동차 운전을 배우는 과정에도 비유할 수 있다. 자신감과 실제 경험, 그리고 시스템에 대한 신뢰가 모두 필요하기 때문이다.

도로 위 규칙을 배우기

기업 보안팀은 AI 기반 위협에 대해 점점 더 큰 우려를 나타내고 있다. 가트너는 이를 가장 빠르게 증가하는 공격 유형으로 분류했다. 그러나 AI 개발 속도에 비해 거버넌스와 컴플라이언스 대응은 다소 늦은 편이다. 이해 부족과 낮은 우선순위, 기술 감독의 공백이 맞물리며 상당한 리스크가 발생하고 있다. 이는 특히 AI 시스템이 민감한 데이터와 지속적으로 변화하는 코드에 의존한다는 점에서 그렇다. 다른 혁신 기술과 마찬가지로 AI를 둘러싼 규제 역시 계속 진화하고 있다. 규제 산업 환경에서는 개발자가 최신 동향을 계속해서 파악해야 한다.

최신 정보에 대한 이해와 인식을 높이면, 개발자는 시스템과 취약한 데이터를 보호하기 위해 마련된 최신 가드레일을 기반으로 메인프레임을 보다 효과적으로 모니터링할 수 있다. 실효성 있는 가드레일 및 거버넌스 프레임워크는 직원이 AI를 책임감 있게 활용하도록 유도하고, 그 결과 기업은 규제 위반과 법적 리스크, 보안 위협은 물론 재무적·평판적 피해를 예방할 수 있다.

기업은 숙련된 인재가 은퇴하고 ‘기존’ 시스템에 대한 오해가 지속되면서 점점 더 큰 역량 공백에 직면하고 있다. 메인프레임 교육에 대한 투자는 단순한 기술적 필요를 넘어, 핵심 비즈니스 애플리케이션과 인프라를 보호하고 운영 연속성을 확보하며, 빠르게 변화하는 환경 속에서 경쟁력을 유지하기 위한 전략적 선택지다.

AI의 안전벨트인 보안

대규모 기술 전환이 그렇듯, 에이전틱 AI 도입에서도 보안은 핵심 기반이 돼야 한다. 시스템이 안전하고 신뢰할 수 있게 작동하려면 강력한 보호 장치가 필요하다. 그중 하나가 역할 기반 접근 제어(RBAC)로, 에이전트의 권한을 수행 기능에 따라 제한함으로써 무단 행동을 할 리스크를 줄이는 방법이다. 여기에 안전한 자격 증명 저장, 암호화, 다단계 인증을 결합하면 시스템 무결성과 사용자 권한을 함께 보호할 수 있다.

에이전트가 데이터와 상호작용하고 작업을 수행하는 방식을 통제하는 장치도 그에 못지않게 중요하다. 입력 검증, 출력 모니터링, 행동 제약 등의 조치는 언어 모델 구성 요소의 오용을 방지하며, 영향도가 큰 작업에 사람의 감독을 더해 보호 수준을 높일 수 있다.

프롬프트 엔지니어링 역시 핵심 요소다. 구조가 부실한 프롬프트는 AI 에이전트의 예측 불가능하거나 안전하지 않은 행동으로 이어질 수 있다. 입력 검증과 함께 체계적인 프롬프트 설계를 도입하면 AI 기반 프로세스가 정확성과 보안을 유지하고, 비즈니스 목표와도 일관되게 작동하도록 할 수 있다. 이를 통해 민감하거나 파급력이 큰 작업은 실행 전에 충분한 검토 과정을 거치게 된다.

마지막으로, 지속적인 모니터링과 가시성 확보, 감사 체계는 에이전트 기반 시스템의 전 수명 주기에 걸쳐 투명성과 책임성을 제공한다. 이런 관행은 신뢰와 무결성을 강화하고, 조직이 규정 준수와 통제력을 유지한 상태에서 AI를 보다 자신 있게 배포할 수 있도록 한다.

운전 능력을 향상하기 위한 역량 통합

AI 시대에 성공하기 위해 개발자는 기초 교육을 토대로 핵심 역량과 미래를 준비하는 역량을 균형 있게 갖춰야 한다. AI 도구는 책임감 있고 신중하게 활용될 경우 역량 격차를 줄이고 메인프레임 현대화 작업을 가속하는 데 기여할 수 있다. 다만 이는 명확한 목적과 계획 아래 의도적으로 도입될 때에만 가능하다.

메인프레임에 대한 숙련도는 AI를 현장 시스템에 안정적으로 적용하기 위한 기반이 된다. 여기에 AI에 대한 이해도와 에이전틱 AI 활용 역량이 더해지면, 개발자는 비즈니스 로직과 기업 목표에 맞는 AI 에이전트를 설계하고 학습시키며 운영할 수 있다.

문제는 교육 자원의 부족이 아니다. 관련 교육과 훈련 프로그램은 이미 충분히 제공되고 있다. 실제 장벽은 인식에 있다. 메인프레임 관련 역량은 종종 낡거나 ‘유행이 지난’ 기술로 여겨진다. 하지만 실제로는 여전히 높은 가치를 지닌다. 예를 들어 코볼(COBOL)과 같은 전문 영역에 숙련된 전문가가 부족하기 때문에, 자바(JAVA)와 같은 범용 언어보다 더 높은 보상을 받는 경우도 적지 않다.

퓨처럼 그룹의 조사에 따르면, 교육 기관에서 메인프레임 교육을 받은 졸업생 수는 증가하고 있음에도 불구하고 응답자의 61%는 교육 내용과 실제 현장에서 요구되는 역량 사이에 여전히 상당한 격차가 존재한다고 답했다. 이는 기초 교육에 그치지 않고, 지속적인 역량 통합과 고도화가 필요하다는 점을 보여준다.

운전대를 잡는 자신감

운전자가 도로 위 규칙을 알고 있더라도 실제 주행에서 자신감이 없다면 위험에 노출되기 마련이다. AI처럼 새로운 기술을 배포하는 개발자 역시 같은 상황에 있다.

멘토링, 시뮬레이션 도구, 커뮤니티 기반 학습은 메인프레임 개발자가 운영 환경에 영향을 주지 않고 AI 배포를 탐색할 수 있는 안전한 실험 공간을 제공함으로써 자신감을 높이는 데 도움이 된다.

기업은 실험과 역량 성장을 지원하는 인프라와 문화를 조성함으로써 중요한 역할을 한다. 자신감을 키우는 일은 탄탄한 기술 역량을 쌓는 것만큼이나 중요하다. 두 요소가 함께 갖춰져야 신중한 파일럿 단계를 넘어, 실제 운영 환경에서 안정적으로 확장 가능한 배포로 나아갈 수 있다.

운전은 단순히 앞으로 나아가는 행위가 아니다. 예기치 못한 상황에 대비하고, 언제 속도를 높여야 하는지 판단하며, 사용하는 도구를 신뢰하는 과정이다.

AI의 부상 역시 단순한 업무 자동화에 그치지 않는다. 이는 과거에는 부담스럽고 어렵게 느껴졌던 시스템과 사람이 다시 연결되도록 돕는 도구이기도 하다. 많은 기업에서 메인프레임 현대화가 더디게 진행된 이유는 비전의 부재가 아니라, 어디서부터 시작해야 할지에 대한 불확실성과 무엇이 문제를 일으킬지 모른다는 두려움, 은퇴하는 전문가의 공백을 어떻게 메울지에 대한 고민 때문이었다. 그러나 AI 에이전트가 일상적인 업무 흐름에 자연스럽게 자리 잡기 시작하면 이러한 두려움은 점차 해소된다. 그러면 개발자는 시스템에 대한 감각과 자신감을 회복하고, 팀은 지나친 조심스러움 대신 명확한 판단을 바탕으로 의사결정을 내릴 수 있다.

올바른 기반이 마련되면 메인프레임은 개발자가 단순히 유지·관리하는 대상을 넘어, 주도적으로 활용하고 이끌어가는 플랫폼으로 변화할 수 있다.
dl-ciokorea@foundryco.com