마이크로소프트가 전통적 시스템을 현대화하려는 기업들을 겨냥해, 레거시 코드(legacy code)를 AI 기반 에이전트 방식으로 자동 분석·정리·전환하는 툴을 발표했다. 이 툴은 코드 분석, 의존성 매핑, 리팩터링 등을 AI 에이전트들이 협업 방식으로 수행할 수 있게 설계된 것이 특징이다.

마이크로소프트에 따르면, 새 툴은 Azure Migrate 플랫폼 내에 통합된 에이전트형 AI(agentic AI) 기능으로 제공된다. 

기존 코드 평가 및 분석, 마이그레이션 경로 추천, 전환 가능한 코드 패턴 제안 등이 자동화되며, 개발자는 부족한 부분을 검토하거나 보완하는 데 집중할 수 있다.

또한, 마이크로소프트는 .NET 계열 앱을 위한 AI 보조 코드 평가 도구도 공개했으며, 이 도구는 Visual Studio 확장 또는 .NET CLI 방식으로 이용 가능하다. 

이 툴은 반복적인 포팅 작업(코드 분석, 의존성 매핑, 리팩터링 등)을 오프로드(offload)함으로써, 개발자가 전략적 설계나 품질 향상 같은 고차원 과제에 더 집중할 여유를 준다는 설명이다.

COBOL 등 메인프레임 코드도 대상

특히 흥미로운 점은, 이 기술이 구형 메인프레임 언어인 COBOL 코드에도 적용된다는 것이다. 마이크로소프트는 최근 How We Use AI Agents for COBOL Migration라는 블로그를 통해, 여러 AI 에이전트들이 연쇄적으로 작동하며 코드 변환 흐름을 구성하는 프레임워크를 공개했다.

예를 들어, 하나의 에이전트는 COBOL 코드를 분석하여 의존성 구조를 도출하고, 다음 에이전트는 이를 기반으로 자바(Java) 또는 다른 현대 언어로 변환하며, 또 다른 에이전트는 테스트 코드나 검증 코드를 생성하는 방식이다. 

마이크로소프트는 이 구조를 유연하게 커스터마이즈할 수 있도록 오픈 소스 형태로 코드 일부를 공개했으며, 이용자는 필요에 맞게 에이전트의 역할이나 흐름을 조정할 수 있다.

기대 효과와 한계

이같은 AI 기반 모던화 툴 발표는 기술 부채(technical debt)를 줄이고 레거시 시스템 정비에 드는 비용과 시간을 크게 낮출 수 있다는 기대를 낳고 있다.

실제로, McKinsey는 AI를 활용한 IT 현대화가 과거보다 비용 절감 폭이 크고 속도도 빠르다고 평가한 바 있다.

예컨대, 전통적으로 수백만 달러가 들던 시스템 전환 작업이 AI 에이전트 기반 시스템을 활용하면 절반 이하 비용으로도 가능하다는 주장도 나온다.

하지만 이 접근법이 만능은 아니다.

• 첫째, AI가 출력한 코드가 반드시 최적 아키텍처나 비지니스 요건에 맞는 구조가 아닐 수 있다.

• 
  

• 둘째, 레거시 시스템에는 문서화가 부족하거나 복잡한 예외 처리가 얽혀 있는 경우가 많아, 단순 자동화가 놓치는 부분이 생길 수 있다.

• 
  

• 셋째, 보안이나 규제 컴플라이언스 요건을 만족하면서 자동 전환을 감당할 수 있어야 한다.

한 기술 전문가는 “AI는 단순 반복 작업을 줄여주지만, 중요한 판단과 설계 방향을 결정하는 역할은 여전히 인간이 맡아야 한다”며 “특히 대형 시스템에서는 자동화 후 검증·교정 단계가 필수”라고 조언한 바 있다. 

전략적 의미 및 파장

이 발표는 단순히 마이크로소프트가 기술 제품을 선보인 것을 넘는다.

클라우드 기반 사업자로서 마이크로소프트는 기존 기업 고객들을 “클라우드 + AI 시대”로 늦지 않게 유도하는 전략적 무기를 하나 더 장착한 셈이다.

Azure 생태계와 GitHub, Visual Studio 등 개발 도구군 전체가 서로 긴밀하게 연결되는 전략 하에, 레거시 마이그레이션이 새로운 고객 유입 채널이 될 여지도 있다.

앞으로 AI 기반 자동화 기술이 얼마나 안정성과 신뢰성을 확보하느냐가 관건이 될 것이다. 기업이 민감한 시스템을 AI에게 맡길 수 있으려면, 오류율 통제, 감사(audit) 가능한 로그, 투명한 변경 내역 관리 등이 필수적으로 요구된다.