가트너, 첫 'AI 코드 현대화 도구' 매직 쿼드런트 발표…리더엔 MS·AWS·모던(Moderne)

"결정론적 도구와 AI의 결합"이 변별점으로 부상…메인프레임 이전은 '과대 기대' 경계령도 — AI 시대 SW 아키텍처, AI Architecture, AI Software Architecture, AI SW 아키텍처, SW아키텍트

시장조사기관 가트너가 지난 8월 3일 'AI 기반 코드 현대화 도구(AI-Augmented Code Modernization Tools)' 시장을 대상으로 한 첫 매직 쿼드런트를 내놓았다. 레거시 시스템 전환에 생성형 AI와 에이전트가 본격적으로 쓰이면서 별도의 평가 시장이 만들어진 것이다. 평가 결과가 공개된 뒤 각 벤더가 잇따라 포지션을 발표했지만, 가트너 원문은 유료여서 세부 평가는 벤더 발표를 통해 간접적으로만 확인된다.

어떤 시장을 평가했나

가트너는 이 시장을 특화된 AI 에이전트, 생성형 AI, 결정론적 분석을 활용해 레거시 시스템 전환을 앞당기는 소프트웨어 솔루션으로 정의했다. 코드와 아키텍처 분석, 문서화, 의존성 매핑, 위험 평가, 이전 계획 수립, 리팩터링에서 시작해 변환, 테스트, 검증, 배포까지 이어지는 흐름 전체가 대상이다. 가트너는 분산 환경, 클라우드 네이티브, 메인프레임을 아우르는 현대화를 한 시장으로 묶어 8개 벤더를 실행 능력과 비전 완성도 두 축으로 평가했다.

필수 기능으로는 소스 코드 구조와 의존성의 자동 분석, 레거시 코드의 현대 언어·프레임워크 변환, 생성형 AI 모델 통합, 리팩터링·재플랫폼·단일체 분해 지원, 기업 코드의 프라이버시와 보안 보호가 꼽혔다. 비즈니스 규칙 추출, 인간 개입 단계, 검증과 테스트, 메인프레임·코볼 특화 지원, 인프라 코드 생성, 자율 에이전트 같은 기능은 선택 요건으로 분류됐다.

누가 어디에 올랐나

포지션

벤더(제품)

리더

마이크로소프트(GitHub Copilot modernization 등), 모던(Moderne)(Moderne), AWS(전재 자료 기준)

챌린저

BMC(AMI DevX), 로켓 소프트웨어(Rocket Software)

니치 플레이어

EvolveWare(Intellisys 플랫폼)

8개 평가 대상 가운데 나머지 3곳의 포지션은 확인되지 않았다. 리더 사분면에 하이퍼스케일러 두 곳과 소규모 전문 벤더 한 곳이 함께 올랐다는 점은 모던(Moderne)의 설명으로 확인된다.

변별점은 '결정론적 도구'

리더로 선정된 모던(Moderne)는 가트너의 핵심 역량 보고서가 규칙 기반의 결정론적 도구를 AI 서비스가 활용하면 순수 LLM 방식보다 코드베이스 리팩터링에서 나을 수 있다고 봤다고 소개했다. 검증과 테스트에 드는 시간과 자원이 줄어든다는 이유다. 모던(Moderne)는 컴파일러 수준으로 코드를 모델링한 구조(LST)와 1만 개 이상의 OpenRewrite 레시피를 기반으로 프레임워크 업그레이드, 취약점 조치를 수천 개 저장소에 한꺼번에 적용하고, 코딩 에이전트에는 MCP와 스킬을 통해 실제 코드 데이터를 제공한다고 설명했다. 코드 검색이 최대 13.5배 빠르고 낭비되는 토큰이 85% 이상 줄었다는 수치도 내놨으나, 회사 측 주장이다.

마이크로소프트는 에이전트 기반 엔드투엔드 접근을 앞세웠다. 평가, 업그레이드, 마이그레이션, 의존성 전환, 인프라 코드 생성, 배포를 하나의 흐름으로 묶고, .NET·자바·C++·파이썬을 지원한다. 팀이 검증된 코드 변경을 재사용 가능한 스킬로 만들어 조직 전반에 적용할 수 있다는 점, 빌드 검증과 단위 테스트 이전, 업그레이드 후 취약점 스캔을 포함한다는 점도 내세웠다. 마이그레이션 작업 시간이 최대 70% 줄었다는 성과를 소개했지만 역시 자사 보고치다.

메인프레임 쪽에서는 챌린저에 오른 BMC와 로켓이 강점을 부각했다. BMC는 이전 대신 실행 환경에 코드를 그대로 두는 현대화를 강조하며 "AI 코드 변환이 곧 현대화는 아니다"라고 주장했다. 로켓은 코볼과 PL/I 시스템의 AI 분석, 비즈니스 규칙 추출, 변환·검증 역량을 내세우며 규제 산업에서는 AI 지원 이상의 것이 필요하다고 말했다.

가트너가 제시한 전망 (전재 자료 기준)

2029년까지 조직이 소프트웨어 현대화 작업의 90%를 AI 증강 도구로 수행할 것이다. 현재 비중은 10% 미만이다.

생성형 AI 덕분에 2029년 현대화 인력 비용은 2026년보다 60% 줄 것이다.

'과대 기대' 경계도 함께

가트너는 같은 시기에 기대 관리도 주문했다. 올해 6월 가트너는 2026년에 시작되는 메인프레임 이전 프로젝트의 70% 이상이 생성형 AI 역량을 과대평가한 탓에 실패할 것이라고 경고했다. 생성형 AI가 기술 부채를 탐지하고 설명하는 데는 유용하지만, 레거시 코드를 자동 변환하고 이전한 뒤 메인프레임 특유의 성능과 처리량을 유지하는 데는 뚜렷한 한계가 있다는 분석이다. 메인프레임 이탈 시장의 벤더 4분의 3이 2030년까지 사업 방향을 바꾸거나 접을 것이라는 전망도 나왔다. 권고는 단일한 마법의 이전 도구를 찾기보다 워크로드별로 판단하라는 것이다.

가트너의 매트 브레이지어 애널리스트는 이전 도구 대부분이 자사 기술 스택으로 옮기는 것을 전제해 기업의 목표 아키텍처와 어긋날 수 있다고 지적했다. 올해 2월 Anthropic이 Claude Code로 코볼 현대화를 할 수 있다고 밝혔을 때 IBM 주가가 크게 흔들린 뒤, 업계 논의는 레거시를 떠나는 쪽에서 레거시와 AI를 함께 쓰는 공존 쪽으로 옮겨가고 있다.

시사점

AI 단독이 아니라 하이브리드 : 규칙 기반 분석과 검증을 AI와 결합한 구조가 평가에서 앞서는 흐름이다. 앞서 에이전트 아키텍처 동향에서 확인된 '추론은 줄이고 검증은 결정론적으로'라는 원칙과 맞닿아 있다.

범위의 확장 : 현대화가 코드 변환을 넘어 분석, 문서화, 위험 평가, 테스트, 배포까지 이어지는 수명주기 전체로 정의됐다.

도입 기준의 변화 : 변환 성공률보다 워크로드별 적합성, 이전 후 성능과 처리량 보장, 목표 아키텍처와의 정합성을 따져야 한다.

벤더 자료의 해석 : 성과 수치는 대부분 벤더 자체 발표이며, 가트너는 특정 벤더를 보증하지 않는다는 점을 명시하고 있다.

국내 공공·금융 기관에도 시사하는 바가 크다. 코볼 기반 시스템이 많고 외부 코드 반출이 제한되는 환경에서는, 도구 선정 전에 적용 대상 워크로드를 나누고 검증 가능한 변환 범위를 먼저 정하는 접근이 현실적이라는 평가가 나온다.

관련 태그: #AI 시대 SW 아키텍처 #AI Architecture #AI Software Architecture #AI SW 아키텍처 #SW아키텍트 #AI-native architecture

본 콘텐츠는 글로벌 IT 아키텍처 컨설팅 회사 CHRISCOMPANY의 기술 인사이트를 바탕으로 제공됩니다. 발행: 크리스미디어 (CHRISMEDIA)