AI의 현재 최고의 ROI는 새로운 코드를 작성하는 것이 아니라旧 코드를 고치는 것

저는 앉아있는 모든 AI 제품 데모가 같은 방식으로 시작한다: 빈 프롬프트 상자, 평범한 영어로 된 요청, 그리고 몇 분 후에 작동하는 앱. 이것은 진정으로 인상적인 파티 트릭이다. 그러나 저는 현재 엔터프라이즈 AI에서 일어나는 가장 흥미로운 일은 아니라고 주장한다.

훨씬 더 중요한 작업은 훨씬 더 글래머러스하지 않은 곳에서 일어난다: 15년 된 코드베이스, 아무도触れない 곳, 10년 전 회사를 떠난 엔지니어가 작성한 코드, 수년간 아무도 완전히 이해하지 못한 비즈니스 로직을 실행하는 곳. 대부분의 AI報道는 이것을 거꾸로 본다. 레거시 코드는 기술 부채가 아니다. 그것은 축적된 비즈니스 지능이다: 수십 년 동안의 결정, 소프트웨어로 인코딩된 결정, 그리고 그 결정들을 내린 사람들이 이미 떠난 후이다.

그린필드 개발은 키노트 슬롯을 차지한다.旧 코드는 돈을 받지만, 이해가 필요할 때 받지 못한다.

실제 부족은 개발자가 아니라 메모리다

이것은 고립된 문제가 아니다. 2025년 Pegasystems 연구, Savanta 연구소에서 수행한 500명 이상의 전 세계 IT 의사결정자에 대한 조사에 따르면, 평균 글로벌 기업은 레거시 시스템을 효율적으로 현대화하지 못함으로 인해 매년 370만 달러 이상의 비용을浪費한다. 그 중 134만 달러는 느리고 자원 집약적인 변환 프로젝트에 묶여 있다.

우리는 최근에 20년 동안 쌓인 15개 이상의 레거시 애플리케이션을 실행하는 배터리 배포 회사와 협력했다. 가격 규칙, 재고 임계값, 배포 제약 조건 등 수년간의 기관 결정이 논리적으로 아무도 완전히 매핑하지 않은 곳에 묻혀 있었다.

이것을 재능 문제라고 부르는 것이 유혹적이다: 더 많은 개발자를 고용하고, 더 빠르게 마이그레이션한다. 그러나 2014년에 회사를 떠난 사람으로부터 왜 모듈이 특정 방식으로 작동하는지 이해할 수 없다. 대부분의 기업은 재능 부족이 아니라 메모리 부족을 겪는다. 그리고 최근까지 이것을 대규모로 해결할 방법이 없었다. 당신은 몇몇 선임 엔지니어에게 기관 지식을 그들의 머릿속에 영원히 유지하도록 지불하거나, 그들이 떠난 날에 그것을 잃었다.

AI가 실제로 변경하는 것

우리는 코드 생성 도구를旧 코드베이스에指向하지 않았고, 모든 것을 다시 작성하라고 지시하지 않았다. 그것은 대략 어떻게 당신이 모르던 비즈니스 로직을 조용히 삭제하는지이다. 대신, 우리는 AI 에이전트를 사용하여 겉돌지 않는 근거 작업을 먼저 수행했다: 15개 이상의 애플리케이션이 실제로 어떻게 연결되는지 추적하고, 논리 내에 내장된 결정들을 표면화하고, 그것을 조직이 쿼리할 수 있는 것으로 유지했다. 이것은 Anthropic의 Claude Code를 사용한 COBOL 시스템 현대화에 대한 지침과 일치한다: 탐색 및 분석 단계를 자동화하고, 바로 다시 작성하는 것을 건너뛰기 때문이다.

에이전트는 생성한 코드의 양으로 평가되지 않았다. 그것은 표면화하고 보존할 수 있는 기관 지식의 양으로 평가되었다. 엔지니어들은 실제 마이그레이션과 테스트 생성에서 에이전트와 함께 작업했으며, 에이전트의 비즈니스 로직 해석을 생산에서 어떻게 시스템이 작동하는지와 비교했다. 유용한 신호는 에이전트의 규칙 설명이 생산 로그에서 독립적으로 검증할 수 있는 패턴과 일치하는지, 혹은 설득력 있는 추측인지였다. 그 차이는 정확히 레거시 현대화 프로젝트가 잘못되는 곳이다.

프로젝트의 초기 추정은 8개월 반이었다. 그러나 4개월 만에 마감했다. 53%의 시간 단축. 그러나 더 지속적인 결과는 타임라인이 아니었다. 기관 지식이 회사를 떠난 엔지니어와 함께 증발하던 것이 실제로 유지할 수 있는 것으로 되었다.

소프트웨어 엔지니어들은 수십 년 동안 소프트웨어를 작성했다. 다음 10년은 그것을 발굴하는 데 사용될 수 있다. AI는 작가가 아니라 고고학자로서 작동하며, 코드에 埋葬된 推論을 조심스럽게 재구성한다.

이것을 깨지 않고 하는粗略한 프레임워크

잘 진행되는 프로젝트는 시스템이 가격 엔진인지 클레임 파이프라인인지에 관계없이 대략 같은 시퀀스를 따른다:

발견: 시스템이 실제로 어떻게 연결되는지, 2016년의 아키텍처 다이어그램이 말하는 것과는 달리.

이해: 에이전트가 비즈니스 로직과 그背後의 가정들을 평범한 언어로 표면화하도록 한다. 도메인 전문가가 검증할 수 있는 언어이다.

검증: 그것을 실제 생산 행동과 비교한다. 코드의 주석과 비교하는 것이 아니라.

변환: 첫 세 단계가 성립하면, 마이그레이션 또는 재건축을 수행한다. 인간이 승인을 소유한다.

변환으로 바로 건너가면, 현대화하고 있지 않다. 이해하지 못한 논리를賭博하고 있다.

엔지니어링 팀을 넘어서서 왜 이것이 중요하다

기관 메모리는 은퇴한 선임 엔지니어와 함께 조용히 쇠퇴하는 것이 아니다. 그것은 비즈니스에서 가장 부담을 느끼지 않을 수 있는 순간에 급성 부채가 된다: 인수 시, 새 주인자가 실제로 무엇을 샀는지 이해해야 할 때; ERP 마이그레이션 시,旧 로직을 새로운 시스템으로 올바르게 번역해야 할 때; 컴플라이언스 감사 또는 사고 대응 시, 시스템이 특정 방식으로 작동한 이유를 설명해야 할 때, 기한 내에, 규제 기관에게 “2014년에 그것을 작성한 사람이 떠났기 때문에”라는 답변은 받아들여지지 않는다.

이렇게 처리된 레거시 현대화는 엔지니어링 라인 항목이 아니라 조직의 탄력성 질문으로 변한다. 즉, 이것은 CTO뿐만 아니라 CIO, M&A 팀, 이사회도 관심을 가져야 한다.

중요한 예외

이것은 무인으로 작동하지 않는다. 가장 위험한 접근 방식은 에이전트의旧 비즈니스 로직 해석을 검증 없이 신뢰하는 것이다. 레거시 시스템은 자신감 있는 잘못된 AI 가정으로 인해 가장 많은 비용을 지불하는 곳이다. 최신 마이크로 서비스에 대한 완전한 자율성은 합리적인 베팅이다. 2011년 이후触되지 않은 가격 엔진에 대한 완전한 자율성은 아니다. 가치는 AI가 비즈니스에 대한 이해를 다시 얻을 수 있도록 해준다. 그러나 그것을 대체하지는 않는다.

이것이 어디로 갈 것이라고 생각한다

20년 동안 기업은 레거시 소프트웨어를逃避하는 것으로 취급했다: 비용 센터를 기꺼이 자금을 지원하고, 예산이 허용하는 한 빨리 현대화했다. AI는 곧 많은 코드가 사실 비즈니스에서 가장 귀중한 지식 저장소 중 하나였다는 것을 보여줄 것이라고 생각한다. 그것은 읽을 수 있는 것이 필요했다. 연구자들은 이미 다른 쪽 루프를 문서화하고 있다: 2026년 다중 보컬 문헌 검토에 따르면, 오늘날의 AI 가속 개발은 “빠른 통합 부채”를 창조하고 있다. 레거시 현대화는 단순히 지불해야 하는 청구서이다. 일찍이다.

다른 엔지니어링 및 기술 리더들이 같은 변화를 보는지 궁금하다: AI 투자의 ROI는 더 많이 구축하는 것에서, 혹은 마침내 이해하고 보존할 수 있는 것에서 나타나는가? 그리고 진정으로旧하고 문서화되지 않은 시스템에 대한 AI 에이전트를 실행해 본 사람에게, 에이전트의 이해는 검증에서 어떻게 지탱되는가, 그리고 어디서 조용히 무너지는가?