매끄러운 모바일 애플리케이션이나 상용 인터페이스의 이면을 살펴보고 주요 기업의 애플리케이션 아키텍처의 통합 및 서비스 계층 아래 깊은 곳에서 쇼를 실행하는 메인프레임을 찾을 수 있습니다.

중요한 애플리케이션과 기록 시스템은 이러한 핵심 시스템을 하이브리드 인프라의 일부로 사용하고 있습니다. 지속적인 운영이 중단되면 비즈니스의 지속적인 운영 무결성에 재앙이 될 수 있습니다. 너무 많아서 많은 기업이 실질적인 변화를 두려워합니다.

하지만 기술부채가 쌓이면서 변화는 불가피하다. 비즈니스 민첩성을 달성하고 경쟁적 과제와 고객 요구에 부응하려면 기업은 이러한 애플리케이션을 완전히 현대화해야 합니다. 리더는 변화를 미루는 대신 하이브리드 전략에서 디지털 혁신을 가속화할 수 있는 새로운 방법을 모색해야 합니다.

현대화 지연에 대해 COBOL을 비난하지 마십시오

메인프레임 현대화의 가장 큰 장애물은 아마도 인재 부족일 것입니다. 수년에 걸쳐 엔터프라이즈 COBOL 코드베이스를 생성하고 추가한 메인프레임 및 애플리케이션 전문가 중 상당수는 이직했거나 곧 은퇴할 가능성이 높습니다.

더 무서운 점은 Java 및 최신 언어를 배운 컴퓨터 과학 졸업생이 자연스럽게 메인프레임 애플리케이션 개발을 하는 모습을 상상하지 못하기 때문에 차세대 인재를 채용하기가 어려울 것이라는 점입니다. 그들에게는 작업이 모바일 앱 디자인만큼 매력적이지 않거나 클라우드 네이티브 개발만큼 민첩해 보이지 않을 수도 있습니다. 여러 면에서 이것은 다소 불공평한 성향입니다.

COBOL은 객체 지향이 존재하기 훨씬 전에 만들어졌습니다. 서비스 지향이나 클라우드 컴퓨팅은 훨씬 적습니다. 간결한 명령 세트를 사용하면 신규 개발자가 배우거나 이해하기에는 복잡한 언어가 되어서는 안 됩니다. 그리고 메인프레임 애플리케이션이 DevOps 스타일의 자동화된 파이프라인 내에서 민첩한 개발과 소규모 증분 릴리스의 이점을 얻지 못할 이유가 없습니다.

파악 지난 몇 년 동안 여러 팀이 COBOL을 통해 수행한 작업 이것이 변화를 관리하기 어렵게 만드는 이유입니다. 개발자들은 구성 요소나 느슨하게 결합된 서비스가 아닌 전체적으로 확인하고 업데이트해야 하는 절차적 시스템에 끝없이 추가하고 논리적 루프를 만들었습니다.

이러한 방식으로 메인프레임에 코드와 프로그램이 함께 짜여져 있으면 상호 의존성과 잠재적인 실패 지점이 너무 복잡하고 많아 숙련된 개발자라도 풀 수 없습니다. 이로 인해 COBOL 앱 개발이 필요 이상으로 어렵게 느껴져 많은 조직이 조기에 메인프레임에서 대안을 찾게 됩니다.

생성 AI의 한계를 극복하다

최근 ChatGPT와 같은 대규모 언어 모델(LLM) 및 소비자급 시각적 AI 이미지 생성기가 널리 보급됨에 따라 생성 AI(또는 GenAI)에 대한 수많은 과장된 광고가 나타났습니다.

이 공간에서 많은 멋진 가능성이 나타나고 있지만 중요한 비즈니스 워크플로에 LLM을 적용하면 잔소리하는 "환각 요소"가 있습니다. AI가 인터넷에서 찾은 콘텐츠로 훈련을 받으면 설득력 있고 믿을 수 있는 대화를 제공할 수 있지만 완전히 정확한 응답은 아닌 경우가 많습니다. 예를 들어, ChatGPT는 최근 가상의 판례를 인용했습니다. 이를 사용한 게으른 변호사에 대한 제재를 초래할 수 있는 연방 법원의 선례입니다.

비즈니스 애플리케이션을 코딩하기 위해 챗봇 AI를 신뢰하는 데에도 비슷한 문제가 있습니다. 일반화된 LLM은 앱을 개선하는 방법, 표준 등록 양식을 쉽게 작성하는 방법, 소행성 스타일 게임을 코딩하는 방법에 대한 합리적이고 일반적인 제안을 제공할 수 있지만, 비즈니스 애플리케이션의 기능적 무결성은 AI 모델이 훈련된 기계 학습 데이터에 크게 좌우됩니다. 와 함께.

다행히 ChatGPT가 등장하기 전부터 생산 중심의 AI 연구가 수년 동안 진행 중이었습니다. IBM®은 watsonx™ 브랜드로 딥 러닝 및 추론 모델을 구축해 왔으며, 메인프레임 창시자이자 혁신자로서 COBOL에서 Java로의 전환에 대해 훈련되고 조정된 관찰 GenAI 모델을 구축했습니다.

그들의 최신 Z용 IBM watsonx™ 코드 어시스턴트 솔루션은 규칙 기반 프로세스와 생성적 AI를 모두 사용하여 메인프레임 애플리케이션 현대화를 가속화합니다. 이제 개발 팀은 매우 실용적이고 기업 중심의 GenAI 및 자동화 사용을 통해 개발자의 애플리케이션 검색, 자동 리팩토링 및 COBOL에서 Java로의 전환을 지원할 수 있습니다.

3단계로 메인프레임 애플리케이션 현대화

메인프레임 애플리케이션을 다른 객체 지향 또는 분산 애플리케이션처럼 민첩하고 유연하게 변경하려면 조직에서 이를 지속적인 전달 파이프라인의 최상위 기능으로 만들어야 합니다. IBM watsonx Code Assistant for Z는 개발자가 다음 세 단계를 통해 COBOL 코드를 애플리케이션 현대화 라이프사이클에 도입할 수 있도록 지원합니다.

1. 발견. 현대화하기 전에 개발자는 주의가 필요한 부분을 파악해야 합니다. 첫째, 솔루션은 메인프레임에 있는 모든 프로그램의 목록을 작성하여 각 프로그램의 아키텍처 흐름도를 모든 데이터 입력 및 출력과 함께 매핑합니다. 시각적 흐름 모델을 사용하면 개발자와 설계자가 코드 베이스 내에서 종속성과 명백한 막다른 골목을 더 쉽게 찾아낼 수 있습니다.
2. 리팩토링. 이 단계는 모놀리스를 보다 소비 가능한 형태로 분해하는 것입니다. IBM watsonx Code Assistant for Z는 장기 실행 프로그램 코드 베이스를 살펴보고 시스템의 의도된 비즈니스 로직을 이해합니다. 이 솔루션은 개별 프로세스와 같은 명령과 데이터를 분리함으로써 COBOL 코드를 모듈식 비즈니스 서비스 구성 요소로 리팩터링합니다.
3. 변환. 엔터프라이즈 COBOL에서 Java로의 변환에 맞춰 조정된 LLM의 마법이 차이를 만들 수 있는 부분은 다음과 같습니다. GenAI 모델은 COBOL 프로그램 구성 요소를 Java 클래스로 변환하여 진정한 객체 지향 및 관심사 분리를 허용하므로 여러 팀이 병렬적이고 민첩한 방식으로 작업할 수 있습니다. 그러면 개발자는 다른 개발 도구에서 볼 수 있는 부조종사 기능과 마찬가지로 AI가 예측 제안을 제공하여 IDE에서 Java 코드를 개선하는 데 집중할 수 있습니다.

인텔릭스 테이크

우리는 일반적으로 AI에 대한 대부분의 공급업체 주장에 회의적입니다. 왜냐하면 AI에 대한 주장은 단순히 다른 이름으로 자동화되는 경우가 많기 때문입니다.

영어의 모든 뉘앙스를 배우고 단어와 단락의 사실 기반을 추측하는 것과 비교할 때 COBOL 및 Java와 같은 언어의 구문과 구조를 마스터하는 것은 GenAI의 골목에 딱 맞는 것처럼 보입니다.

IBM watsonx Code Assistant for Z와 같은 기업을 위해 설계된 생성적 AI 모델은 세계에서 가장 리소스가 제한된 조직의 현대화 노력과 비용을 줄일 수 있습니다. 수천 줄의 코드가 포함된 알려진 플랫폼의 애플리케이션은 IBM watsonx Code Assistant for Z와 같은 생성 AI 모델을 위한 이상적인 교육 기반입니다.

리소스가 제한된 환경에서도 GenAI는 팀이 현대화 장애물을 제거하고 최신 메인프레임 개발자의 기능을 강화하여 가장 중요한 핵심 비즈니스 애플리케이션의 민첩성과 탄력성을 크게 향상시키는 데 도움을 줄 수 있습니다.

자세한 내용은 Intellyx 분석가 사고 리더십 시리즈의 다른 게시물을 참조하세요.

생성적 AI로 메인프레임 애플리케이션 현대화 가속화

©2024 Intellyx B.V. Intellyx는 이 문서에 대한 편집 책임을 집니다. 이 콘텐츠를 작성하는 데 AI 봇이 사용되지 않았습니다. 이 글을 쓰는 시점에서 IBM은 Intellyx 고객입니다.