AI 여정의 걸림돌··· ‘레거시 앱’과 씨름하는 기업들

데이터 수집 및 보유 능력이 제한된 레거시 애플리케이션이 AI 도입의 주요 걸림돌이라는 지적이 제기되고 있다. 매니지드 서비스 제공업체인 엔소노의 최고전략책임자 브라이언 클링베일은 “수십 년 전의 앱은 저장 비용 때문에 제한된 양의 데이터만 저장하도록 설계된 경우가 많다. 이로 인해 종종 AI 도구와의 통합이 까다롭다”라고 말했다.

또한, 레거시 앱에 익숙한 소프트웨어 엔지니어가 줄어들면서 구버전 소프트웨어를 유지하는 데 드는 비용이 많이 들 수 있다고 그는 덧붙였다.

레거시 앱 관련 비용이 IT 예산을 잠식하면, 혁신 이니셔티브에 사용할 수 있는 자금이 줄기 마련이다. IDC의 2023년 CIO 정서 조사에 따르면, 당시 조직들은 IT 예산의 평균 12.8%를 기술 부채에 지출하고 있었다.

클링베일은 데이터 수집 문제를 거듭 지적했다. 수된 데이터가 각종 AI 이니셔티브의 재료가 되기 때문이다. 그는 “애플리케이션이 구식이고 잘못된 코드가 여러 곳에 산재한다면, 온갖 문제가 발생할 수 있다. 레거시 앱의 공통점은 스토리지 비용이 높던 시절 작성된 경향이 있다. 하지만 지금은 기본적으로 저장 비용이 매우 낮다”라고 말했다.

레거시 앱에 대한 고객의 우려

클링베일은 엔소노에서 은행 및 보험 업계의 CIO를 대표하는 고객 자문위원회를 운영하고 있다. 그는 레거시 앱이 AI 프로젝트에 야기하는 문제가 최근에 CIO들과의 대화에서 화두였다고 전했다.

은행과 보험은 여전히 메인프레임 사용에 의존하는 산업으로 손꼽히며, 엔소노는 여러 고객에게 메인프레임 관리 서비스를 제공하고 있다. 이러한 조직에서는 여전히 메인프레임과 관련 소프트웨어가 중요하지만 노령 인력이 은퇴하는 가운데, 문제가 불거지고 있다는 설명이다.

클링베일은 “메인프레임용 구버전 앱을 꼭 교체해야 하는 것은 아니다. 메인프레임이 완벽하게 작동할 수도 있고, 이동하는 데 비용이 많이 들 수 있다. 즉 위험하거나, 그만한 가치가 없을 수도 있다. 하지만 현대화할 수는 있다”라고 말했다.

클링베일은 레거시 앱이 AI에 미치는 영향을 직접 경험했다고 전했다. 엔소노는 한 고객의 유지보수 요구를 예측하기 위해 머신러닝 기반 도구를 구축할 때, 여러 개의 오래된 앱을 사용하여 사고 티켓이 수집된다는 사실을 발견했다. 문제는 해당 앱이 사고 데이터를 매우 다른 형식으로 저장했고, 수집된 데이터 유형도 일관성이 없었다는 점이다.

레거시 앱이 AI에 미치는 영향을 우려하는 목소리는 흔하다. 스냅로직(SnapLogic)의 CTO인 제러마이아 스톤은 최근 한 대기업 데이터 및 분석 책임자와 나눈 대화를 공유했다. 그 책임자는 스톤에게 지난 몇 년 동안 애플리케이션 관리가 제대로 이루어지지 않았기 때문에 데이터가 AI에 유용하게 활용될 수 있는 상태가 아니라고 말했다.

스톤은 “레거시 앱이 AI 도입을 완전히 가로막고 있는 사례가 적지 않다. CIO 사이의 공공연한 비밀이 있다. AI에 투자되는 막대한 금액 중 상당 부분이 구식 시스템을 업그레이드하는 서비스 파트너에게 지출된다는 사실이다”라고 말했다.

스톤은 지난 10년 동안 조직들이 빅데이터를 처리하기 위해 인프라 현대화에 집중해 왔음에도 불구하고 여전히 레거시 앱이 ’수조 달러 규모의 문제”를 일으키고 있다고 덧붙였다.

그는 “어쩌면 우리는 전환의 중간 단계에 있다. 많은 기업이 비즈니스 프로세스 전반에 걸쳐 존재하는 반구조화 및 비구조화 데이터 애플리케이션을 현실적으로 업데이트하고 표준화하지 않았다. 문제는 이러한 데이터와 비즈니스 흐름이 최신 AI 혁신으로부터 가장 큰 혜택을 받을 수 있는 영역이라는 점이다”라고 말했다.

단계적으로 현대화

이 문제를 해결하기 위해서는 먼저 기존 IT 인프라를 분석해 현대화가 가장 필요한 영역을 파악해야 한다고 스톤은 권고했다. 그는“구 시스템과 신 시스템이 혼합된 형태가 유지될 가능성이 크다. 이러한 상황에서는 데이터 혼란과 사일로화된 솔루션을 피하기 위해 강력한 통합 전략이 필요하다. 목표는 서로 다른 시스템과 데이터 소스를 원활하게 연결하는 통합 파이프라인을 만드는 것이다”라고 말했다.

소프트웨어 개발 회사 베이어스데브(BairesDev)의 에롤린 저스티스 CTO는 소프트웨어 현대화 프로젝트에 집중해야 한다고 덧붙였다. CIO가 AI 이니셔티브에 직접적인 영향을 미치는 애플리케이션을 파악하고, 그 애플리케이션을 먼저 작업해야 한다는 설명이다.

그는 “때로는 코드를 전면적으로 다시 작성하는 대신에 미들웨어와 API를 채택함으로써 레거시 시스템과 최신 기술을 연결함으로써 비즈니스 애플리케이션을 현대화할 수 있다”라며, “이를 통해 전체 플랫폼을 정비하지 않고도 데이터를 추출하여 AI 모델에 통합할 수 있다”라고 말했다.

데이터 레이크를 사용하여 여러 출처의 정보를 취합하는 방안도 검토할 만하다. 그러면 AI 모델이 구식 앱에 직접 의존하지 않고도 필요한 데이터에 액세스할 수 있다고 에롤린은 덧붙였다.

레거시-AI 간극을 메우는 데이터 엔지니어링

레거시 앱이 AI 프로젝트에 큰 걸림돌이 된다고 생각하지 않는다는 시각도 있다. 네스앱(Nexapp)의 수석 데이터 및 AI 엔지니어링 매니저인 로버트 클라우티에는 레거시 소프트웨어에서 데이터 추출하기가 까다로울 수 있지만, 훨씬 더 큰 문제는 다음 단계에 있다고 지적했다. 데이터가 추출된 후, IT 팀이 추출된 데이터를 해석하고 AI 기반 앱의 특정 요구 사항에 맞게 조정하는 작업이다.

그는 “효과적인 AI 활용을 향한 여정은 기술 통합만으로 끝나지 않는다. 원시 데이터와 실행 가능한 통찰력 사이의 격차를 해소하는 것이 관건이다”라고 말했다.

그에 따르면 일부 레거시 비즈니스 앱은 극히 일부의 데이터를 수집하고 저장하지만, 조직에 유용할 수 있는 각종 정보를 가진 경우도 있다. 올바른 데이터 엔지니어링 전문 지식이 있으면 이를 활용할 수 있다.

클라우티에는 “수십 년 동안 운영되어온 레거시 앱에 활용 가능한 귀중한 정보가 담긴 경우가 흔하다. 문제는 시스템이나 모든 레거시 데이터를 변경해야 하는 숙제가 부담스럽다는 점이다. 몇 년 동안 방관하기도 한다”라고 말했다.
[email protected]