중국 화친테크놀로지(華欽科技), 문서가 없는 30년 된 VB/Access 은행 시스템을 AI로 Java화—'AI를 이용해 설계서를 역생성'하는

설계서가 없고, 개발자는 퇴사했으며, 일부는 소스 코드조차 사라지고 DLL 파일만 남아있는... 이 같은 30년 된 주택 대출 시스템을 AI를 사용하여 Java/React/PostgreSQL로 이전했다는 발표가 나왔습니다. 홍콩에 본사를 둔 중국계 IT 기업인 화친테크놀로지(華欽科技, CLPS)가 국제적인 주요 은행을 대상으로 수행한 프로젝트입니다.

흥미로운 점은 AI에게 '갑자기 코드를 변환하게 했다'는 이야기가 아니라는 것입니다. 먼저 AI를 이용해 소스 코드로부터 설계서를 역생성하고, 사람이 이를 검증하며, 그 설계서로부터 테스트 케이스를 만드는 순서입니다. 이 순서는 일본의 '사양서가 남아있지 않은 사내 시스템'에도 그대로 적용할 수 있습니다.

2026년 8월 20일 완료 발표에 따르면, 이전 대상은 다음과 같습니다.

• Visual Basic 기능 프로그램 138개, MS Access 프로그램 248개
• 청구서(帳票) 315개, 레터(差し込み Word 템플릿 포함) 114개
• 배치 작업(バッチジョブ) 303개, COBOL 프로그램 25개, 저장 프로시저(ストアドプロシージャ) 841개
• 총합 70만 줄 이상의 코드

이전 후 시스템은 다음과 같습니다.

• 온라인: VB/Access의 386개를 Java + React로 (약 449,732줄)
• 배치: Java 프로세스, Jasper Reports, Word 템플릿, PostgreSQL 저장 프로시저로 (약 535,131줄)
• 데이터: MS SQL Server와 VSAM의 1,124개 테이블을 PostgreSQL로 재구축
• 신규 시스템 총량은 약 98만 4,863줄

개발팀 규모는 20명 이상의 개발자로 구성되었으며 기간은 16개월이었습니다. 당초 예상치는 '80명으로 약 5년'이었다고 합니다.

참고로, 2025년 9월의 첫 번째 보고서에서는 '7개월/20명 이상', '코드 자동 변환율 70%', '기존 방식이라면 40~50명으로 2년'이라고 언급되어 있었습니다. 완료 발표와 수치가 다르지만, 그 차이에 대한 이유는 소스에 설명이 없습니다.

1. AI를 이용해 소스로부터 설계서를 역생성하기

자체 개발 도구인 'Know Your System (KYS)'을 사용하여 LLM(대규모 언어 모델)에게 소스를 분석하게 하여 기능 설명을 자동으로 생성합니다.

2. 언어 전문가가 설계서 검증하기

초기 정확도는 약 80~90%였습니다. 이를 반복적으로 개선하여 98%까지 끌어올렸다고 합니다. 여기서 중요한 것은 'AI의 출력을 그대로 정답으로 간주하지 않는' 게이트(검증 단계)를 거쳤다는 점입니다.

3. 독자별로 두 종류의 문서로 분리하기

개발자를 위한 기술 문서와 업무 부서를 위한 업무 설명서로 나누어 정리합니다.

4. 설계서로부터 테스트 케이스 생성하기

검증이 완료된 문서를 기반으로 AI를 이용해 SIT(시스템 통합 테스트), UAT(사용자 인수 테스트), 회귀 테스트의 시나리오를 생성합니다.

5. 작게 나누어 애자일 방식으로 진행하기

기능 모듈을 반복 가능한 단위로 분할합니다. 개발자는 AI가 제시한 '반완성 코드'와 유사 코드를 읽고 로직을 해독하며 구현을 마무리합니다. 변환이 진행되는 도중에도 이미 변환된 부분부터 검증을 시작합니다. 이는 AI의 오해석을 빨리 발견하여 후반부에 큰 사고를 막기 위함입니다.

6. 소스가 없는 부분은 유사 시스템에서 추정하기

일부 VB 모듈은 컴파일된 DLL 파일만 남아있었습니다. 이에 기능이 비슷한 다른 시스템의 코드를 참고하여, AI가 업무 로직을 추정하고 보완했습니다.

금융 규제와 데이터 보호에 대응하기 위해, AI는 고객사의 자체 환경(On-premise)에 배치되었습니다. 기밀 데이터는 제3자의 퍼블릭 클라우드에 전송하지 않는 구조입니다. 첫 번째 보고서에서는 Microsoft Copilot 등 '고객이 지정한 AI 모델'을 사용했다고도 언급되어 있습니다. 은행이나 보험처럼 외부 전송이 어려운 현장에서는 이 부분이 가장 큰 관문이 됩니다.

• AI의 분석 결과를 그대로 사양으로 간주하면, 10~20%의 오류가 남습니다. 전문가 검증 단계는 생략할 수 없습니다.

• 거대한 코드베이스는 AI가 처리할 수 있는 단위로 분할하는 방침을 먼저 결정해야 합니다. 나중에 결정하면 기능 간의 일관성이 무너집니다.

• '변환이 모두 끝난 후 테스트'를 하지 않습니다. 변환된 부분부터 순차적으로 검증합니다.

• 발표 자료에 나오는 수치(기간/인원)는 첫 번째 보고서와 완료 보고서에서 달라질 수 있습니다. 회사 내부 결재 시 인용할 때는 반드시 날짜와 출처를 명시해야 합니다.

• 현행 자산을 종류별로 파악했는지 (화면, 전표/보고서(帳票), 배치(Batch), 저장 프로시저(Stored Procedure), 테이블 수)

• AI를 구동할 환경(온프레미스(On-premise)인지 폐쇄망(Air-gapped)인지)과 사용 가능한 모델을 정보 보안 부서와 합의했는지

• 역생성된 설계서를 검증할 담당자(구 언어를 읽을 수 있는 사람)와 정확도의 목표치를 결정했는지

• 설계서를 "개발자용"과 "업무 부서용"으로 분리하여 운영할지 여부

• 설계서로부터 테스트 케이스를 만들고, 회귀 테스트(Regression Test)를 마이그레이션 전후에 수행할 수 있도록 했는지

• 소스 코드가 유실된 모듈을 파악하고, 대체 정보원(유사 시스템, 화면, 운영 절차서)을 확보했는지

VB6이나 Access로 만들어진 부서 시스템, 오래된 Java + Oracle의 모놀리스(Monolith)는 일본에서도 "작동하고 있으니 건드릴 수 없다"의 대표적인 사례입니다. 변환 도구를 선택하기보다, AI를 이용해 "읽을 수 있는 설계서"를 만들고 사람이 검증하는 과정부터 시작하면, 견적 산출과 테스트 모두 한순간에 현실적으로 바뀝니다.

• 화친테크놀로지(CLPS) 공식 뉴스 "화친테크놀로지가 AI를 이용해 국제 대형 은행의 30년 된 노후 시스템을 성공적으로 개조하며 업계 새로운 표준을 제시" — 2026-08-20

https://www.clpsglobal.com/zh/news/189/ - 동일 보도 자료 (PR Newswire 중국어판) — 2026-08-20

https://tools.prnewswire.com/zh-cn/live/5983/release/20260820ZH30529?filter=5983 - 동일 영어판 "CLPS Incorporation Sets Industry Benchmark with Completion of AI-Driven Modernization of a 30-Year-Old Legacy Banking System" (AP News 게재) — 2026-08-20

https://apnews.com/press-release/pr-newswire/press-release-f7008c7351fcb14457ae10fd7df5a66b - 제1보 "화친테크놀로지가 인공지능을 활용하여 홍콩의 대형 은행 노후 담보대출 시스템 개조에 성공" (美通社) — 2025-09-11