AWS와 Thought Machine, 은행 레거시 시스템 이전에 AI 활용

Thought Machine과 AWS는 2026년 9월 29일, 오래된 은행 코어 시스템을 현대화하기 위한 AI 기반 이전 방식을 발표했습니다. 기존 메인프레임 코드를 한 줄씩 새 언어로 옮기는 대신, 시스템에 들어 있는 금융 업무 규칙을 찾아 Thought Machine의 클라우드 기반 Vault 플랫폼용 Python 금융 상품으로 재구성하는 것이 핵심입니다. 75

즉, 단순한 코드 변환보다는 ‘기존 시스템이 어떤 일을 하는지 파악한 뒤, 그 동작을 새 코어에서 다시 구현한다’는 접근입니다.

이전 과정은 어떻게 진행되나

두 회사가 소개한 방식은 AWS Transform과 Thought Machine의 Vault Forge를 결합합니다.

1. 기존 애플리케이션 분석: AWS Transform의 메인프레임 도구가 기존 애플리케이션을 살펴보고 역설계해 업무 로직을 파악하도록 돕습니다. AWS는 메인프레임 현대화 서비스에 평가와 업무 규칙 추출 등도 포함된다고 설명합니다. 72
2. 금융 규칙 추출: 이 과정은 코드 한 줄 한 줄을 그대로 번역하기보다, 이자 계산이나 수수료, 대출 상환 같은 기능을 작동시키는 규칙을 찾아내는 데 초점을 둡니다. 5
3. Vault용 상품 생성: Amazon Bedrock 기반 Vault Forge가 추출된 레거시 로직을 활용해 Vault 플랫폼용 Python 금융 상품을 만드는 작업을 돕습니다. 710
4. 동작 테스트: Amazon은 생성된 상품이 시뮬레이션 테스트를 거친다고 설명합니다. 다른 출시 보도에서는 샌드박스 환경에서 테스트할 수 있다고 전했습니다. 다만 테스트가 이뤄진다는 사실만으로 추가 검토 없이 모든 이전 결과가 정확하다고 볼 수는 없습니다. 106

왜 코드보다 업무 규칙에 주목할까

은행의 오래된 애플리케이션에는 오랜 기간 쌓인 상품별 규칙과 로직이 들어 있을 수 있습니다. 두 회사의 접근법은 먼저 그 규칙을 파악하면 기존 시스템을 줄 단위로 복제하는 것보다 새 플랫폼에서 개별 금융 상품을 재구성하기 쉬워질 수 있다는 전제에 기반합니다. 회사들은 이 방식이 이전 프로그램에 드는 시간과 비용을 줄이는 데 목적이 있다고 밝혔습니다. 75

다만 이는 복잡한 현대화 작업의 일부를 자동화하려는 전략입니다. 모든 시스템 의존성, 데이터 이전, 운영 절차, 전환 시점의 의사결정까지 자동으로 처리된다는 뜻은 아닙니다. 공개된 발표 자료는 업무 규칙 추출과 상품 테스트를 설명하지만, 은행 담당자의 승인 절차나 공동 Core Modernisation Accelerator의 세부 운영 방식은 구체적으로 제시하지 않았습니다. 710

‘수년에서 며칠로’ 은행 코어 전체를 옮긴다는 뜻일까

아닙니다. 인용된 발표 자료에는 은행 코어 전체를 교체하는 엔드투엔드 일정이 제시돼 있지 않습니다. 확인할 수 있는 내용은 AI를 활용한 분석, 규칙 추출, 상품 생성과 시뮬레이션 테스트가 현대화 작업을 앞당기는 데 쓰이도록 설계됐다는 점입니다. 710

AWS는 자사의 더 넓은 메인프레임 현대화 서비스가 여러 해 걸리는 일정을 수개월로 단축할 수 있다고 설명합니다. 이는 AWS 서비스 전반에 대한 설명이지, Thought Machine과의 이번 협력이나 특정 은행의 전체 이전이 그 기간 안에 끝난다는 실증된 일정은 아닙니다. 2

핵심은 AI가 은행의 레거시 상품 로직을 이해하고 다시 만드는 작업을 덜어줄 가능성입니다. 따라서 속도 관련 표현은 이전 업무의 일부를 빠르게 하려는 목표로 보는 편이 정확하며, 실제 운영 중인 코어 시스템 교체까지 보장하는 일정으로 받아들여서는 안 됩니다.