[CIO 전환②] AI 현대화 도구, 2026년 20% 미만에서 2029년 90%로

[KtN 전성진기자]2026년 소프트웨어 현대화 사업에서 인공지능(AI) 보조 도구를 사용하는 비율은 20%에 못 미친다. 2029년에는 90%에 이를 전망이다. 생성형 AI가 오래된 코드를 분석하고 새로운 언어로 변환하면서 기업의 레거시 시스템 교체 방식이 3년 만에 크게 달라질 것으로 예상된다.

애플리케이션 현대화 비용도 2028년까지 30% 줄어들 것으로 전망됐다. 명확한 전환 계획을 마련한 조직 가운데 48%는 이미 현대화를 진행하고 있으며, 73%는 향후 2년 동안 관련 투자를 늘릴 계획이다. 기업의 AI 투자가 신규 서비스 개발을 넘어 오래된 핵심 시스템 정비로 이동하고 있다는 신호다.

레거시 시스템은 단순히 개발된 지 오래된 프로그램을 뜻하지 않는다. 금융회사의 계좌·결제 처리, 유통기업의 주문과 재고 관리, 제조업체의 생산계획, 대기업의 인사·회계처럼 하루도 멈추기 어려운 업무가 기존 시스템에 연결돼 있다. 수십 년 동안 추가된 업무 규칙과 예외 처리, 외부 시스템과의 접속 방식도 함께 쌓여 있다.

오래됐다는 이유만으로 시스템 전체를 한꺼번에 교체하기 어려운 배경이다. 새 시스템에서 기능이 제대로 작동하더라도 기존 데이터가 정확히 이전되지 않거나 다른 업무 프로그램과의 연결이 끊기면 사업 운영에 직접적인 손실이 발생한다. 현대화 사업에서는 개발 속도보다 전환 과정의 안정성이 더 무거운 판단 기준이 된다.

생성형 AI는 레거시 시스템을 정비하는 데 투입되는 시간과 인력을 줄일 수 있다. 기존 코드를 분석해 기능을 설명하고, 오래된 프로그래밍 언어를 새로운 언어로 변환하며, 프로그램 사이의 의존 관계를 찾는 작업을 지원한다. 시험 코드 작성과 오류 탐지, 기술 문서 정리에도 활용할 수 있다.

과거에는 개발자가 오래된 코드를 한 줄씩 검토하며 업무 규칙을 파악해야 했다. 관련 문서가 부족하거나 당시 개발자가 회사를 떠난 경우에는 시스템 구조를 이해하는 데 상당한 시간이 필요했다. AI 도구는 분석과 문서화의 초기 작업을 빠르게 처리해 개발자가 검토해야 할 범위를 좁혀준다.

비용 30% 절감 전망도 코드 분석과 변환, 시험 자동화에 대한 기대를 반영한다. 현대화 사업에서 많은 비용이 투입되는 반복 작업을 AI가 맡으면 개발 기간과 외부 용역 규모를 줄일 수 있다. 기존에 예산 부족으로 미뤄졌던 중소 규모 시스템도 현대화 대상에 포함될 가능성이 커진다.

AI가 변환한 코드가 기존 업무 규칙을 정확히 재현하는지는 별도의 검증이 필요하다. 오래된 시스템에는 문서로 남지 않은 계산 방식과 예외 조건이 많다. AI가 코드의 구조를 바꾸는 과정에서 일부 조건을 누락하거나 의미를 다르게 해석하면 시험 단계에서 발견하기 어려운 오류가 생길 수 있다.

금융 거래와 세금 계산, 임금 지급, 의약품 관리처럼 작은 오류가 법적 책임과 금전적 손실로 이어지는 업무에서는 자동 변환 결과를 그대로 적용하기 어렵다. AI가 개발 작업을 줄여도 업무 담당자와 개발자, 보안 조직이 함께 수행해야 할 최종 검증은 남는다. 절감되는 개발비와 늘어나는 검증비를 함께 계산해야 현대화 사업의 실제 비용을 판단할 수 있다.

데이터 이전은 코드 변환보다 복잡한 영역이다. 같은 고객이나 상품을 두고 시스템마다 다른 분류와 형식을 사용할 수 있다. 오랫동안 누적된 중복 자료와 잘못된 값, 누락된 항목도 새 시스템으로 옮기기 전에 정리해야 한다. AI가 데이터 간 관계를 찾고 변환 규칙을 제안할 수는 있지만 어떤 자료를 기준으로 삼을지는 기업이 결정해야 한다.

개인정보와 영업기밀이 포함된 데이터를 외부 AI 모델에 입력할 수 있는지도 따져야 한다. 데이터의 저장 위치와 재사용 여부, 모델 학습에 활용될 가능성, 접근 권한을 계약 단계에서 정하지 않으면 현대화 과정 자체가 새로운 보안 위험을 만들 수 있다.

기업들이 전면 교체보다 단계적 전환을 택하는 이유도 사업 중단 위험에 있다. 새 시스템과 기존 시스템을 일정 기간 함께 운영하면서 결과를 비교하고, 안정성이 검증된 업무부터 차례로 옮기는 방식이다. 주문과 결제, 정산처럼 서로 연결된 업무는 전환 순서를 세분화해 장애의 영향을 줄일 수 있다.

병행 운영에는 비용이 따른다. 기존 시스템의 유지·보수비를 계속 부담하면서 새 시스템의 클라우드 사용료와 개발비도 지급해야 한다. 같은 데이터를 두 시스템에 반영하는 추가 작업이 발생하고, 업무 담당자도 일정 기간 서로 다른 사용 환경을 익혀야 한다.

전환 기간을 짧게 잡으면 검증이 부족해지고, 길게 잡으면 이중 운영비가 늘어난다. AI가 코드 작성 속도를 높일수록 기업은 더 빠른 전환을 요구할 가능성이 있지만 사업 부서의 시험과 데이터 검증 속도까지 같은 비율로 높아지는 것은 아니다. 개발 완료 시점과 실제 업무 전환 시점을 구분하지 않으면 일정 단축이 운영 위험으로 돌아올 수 있다.

현대화의 우선순위도 달라질 수밖에 없다. 유지비가 비싸다는 이유만으로 교체 대상을 정하면 핵심 업무에 미치는 영향을 놓치기 쉽다. 장애 발생 가능성과 복구 난도, 보안 취약점, 전문 인력 부족, 다른 시스템과의 연결 정도를 함께 살펴야 한다.

기업 내부에서 소수의 퇴직 예정자만 특정 시스템을 관리하고 있다면 현대화의 시급성이 높다. 외부 지원이 종료된 소프트웨어나 보안 패치를 적용하기 어려운 시스템도 우선순위가 앞선다. 반면 안정적으로 운영되고 있으며 다른 업무와의 연결이 단순한 시스템은 전면 교체보다 필요한 기능만 분리하는 방식이 비용 면에서 나을 수 있다.

모듈형 구조는 대규모 일괄 교체의 위험을 줄이는 선택지로 제시된다. 기존 시스템의 기능을 작은 단위로 분리해 클라우드와 새로운 애플리케이션에 순차적으로 연결하는 방식이다. 기업은 고객 서비스나 데이터 분석처럼 변화가 빠른 영역부터 바꾸고, 안정성이 중요한 거래 처리 기능은 기존 시스템에 남겨둘 수 있다.

모듈화가 진행될수록 시스템 사이의 연결 지점은 늘어난다. 접속 규격과 데이터 권한, 장애 책임을 일관되게 관리하지 않으면 전체 구조는 오히려 복잡해질 수 있다. 오래된 대형 시스템 하나가 다수의 소규모 서비스와 외부 공급업체로 분산되면서 비용과 장애 원인을 파악하기 어려워지는 상황도 생긴다.

현대화 사업의 성과는 새 시스템을 개통했다는 사실만으로 판단하기 어렵다. 장애와 복구시간이 얼마나 줄었는지, 기능 변경에 걸리는 기간이 짧아졌는지, 유지·보수비와 클라우드 비용을 합친 총운영비가 감소했는지를 측정해야 한다.

AI 도구의 사용량이나 변환한 코드의 분량도 사업 성과와 직접 일치하지 않는다. 자동 생성된 코드가 늘어날수록 기업이 관리해야 할 프로그램도 많아질 수 있다. 비슷한 기능이 여러 부서에서 중복 개발되거나 검증되지 않은 코드가 장기간 남으면 새로운 기술 부채가 쌓인다.

최고정보책임자(CIO)는 현대화 전략과 함께 중단 위험을 관리해야 한다. 최고정보보호책임자는 데이터 이전과 시스템 연결 과정의 보안을 맡고, 최고재무책임자는 초기 개발비뿐 아니라 병행 운영비와 장기 유지비를 평가한다. 소프트웨어 개발 조직과 현업 부서는 기능 검증과 전환 순서를 함께 결정해야 한다.

구매 조직의 역할도 커진다. AI 개발 도구와 클라우드, 현대화 전문업체를 함께 사용하면 공급업체별 책임 범위가 복잡해진다. 자동 변환 코드에서 오류가 발생했을 때 도구 제공업체와 개발사, 기업 내부 조직 가운데 누가 수정 비용을 부담하는지 계약에 반영해야 한다. 서비스 종료 이후 코드와 데이터를 다른 환경으로 이전할 수 있는 조건도 필요하다.

2029년 소프트웨어 현대화 사업의 90%가 AI 보조 도구를 사용할 것이라는 전망은 AI가 개발자의 일부 작업을 빠르게 흡수할 가능성을 나타낸다. 현대화 비용 30% 절감은 코드 변환과 시험 자동화가 계획대로 작동할 때 가능한 수치다.

기업별 성과는 변환 속도보다 전환 이후의 운영 안정성에서 갈릴 가능성이 크다. 데이터 오류와 업무 중단을 줄이면서 이중 운영 기간을 얼마나 짧게 관리하는지, 절감한 개발비가 클라우드와 검증 비용으로 옮겨가지 않는지가 중요하다. 2028년 비용 변화와 2029년 실제 도입률은 생성형 AI가 오래된 시스템을 새로운 구조로 바꿨는지, 자동화 도구만 하나 더 추가했는지를 가르는 기준이 된다.