안녕하세요 HN, 저희는 Sai와 Aayush이며 Hypercubic을 만들고 있습니다.

Hypercubic은 Fortune 500 기업들이 자신들의 메인프레임(Mainframe) 시스템을 이해하고, 보존하며, 현대화할 수 있도록 돕는 AI 플랫폼입니다. 이 시스템들은 1960년대부터 COBOL을 실행해 온 시스템들로, 오늘날에도 은행, 보험, 항공사 및 정부 기관을 조용히 뒷받침하고 있습니다.

Fortune 500 기업의 70%가 여전히 메인프레임(Mainframe) 기반으로 운영되고 있지만, 이를 구축하고 유지 관리해 온 엔지니어들은 은퇴하고 있습니다. 오늘날 COBOL/메인프레임(Mainframe) 엔지니어의 평균 연령은 약 55세이며 빠르게 증가하고 있습니다. 남겨진 것은 어떻게 작동하는지 이해하는 사람이 거의 없는 불투명한 블랙박스(Black box) 시스템들입니다. 현대화(Modernization) 프로젝트는 종종 실패하며, 문서는 수십 년 전의 상태로 멈춰 있고, 중요한 조직적 지식(Institutional knowledge)은 이제 노동 시장을 떠나고 있는 소수의 시니어 전문가들의 머릿속에만 존재합니다.

현재의 "코드용 AI(AI for code)" 도구들은 코드베이스(Codebases)와 저장소(Repositories)에 집중하기 때문에, 인간의 정신 속에 존재하는 명문화되지 않은 규칙, 역사적 맥락, 그리고 아키텍처적 추론(Architectural reasoning)을 놓치고 있습니다. COBOL/메인프레임(Mainframe) 세계에서 그 조직적 지식(Institutional knowledge)이야말로 핵심적으로 누락된 조각입니다.

현대화(Modernization) 리더들로부터 들은 바에 따르면, 어려운 부분은 코드 분석이 아닙니다. 도전 과제는 코드나 문서에 기록되지 않은 채 문 밖으로 나가버린 조직적 지식(Institutional knowledge)입니다. 현대화(Modernization) 프로젝트가 실패하는 이유는 아무도 COBOL을 해석할 수 없어서가 아니라, "왜 1995년에 이 과금 예외 케이스(Billing edge case)가 추가되었는지, 그리고 이를 제거하면 무엇이 망가지는지"에 대해 답할 수 있는 사람이 없기 때문입니다.

Hypercubic은 레거시(Legacy) 메인프레임(Mainframe) 시스템이 실제로 어떻게 작동하는지 학습하고, 이를 운영하는 이면의 인간적 추론(Human reasoning)을 포착하는 AI 네이티브(AI-native) 유지보수 및 현대화(Modernization) 플랫폼을 구축하고 있습니다. 저희는 HyperDocs와 HyperTwin이라는 두 가지 초기 도구로 이를 수행하고 있습니다.

HyperDocs는 COBOL, JCL, PL/I 코드베이스(Codebases)를 흡수하여 문서, 아키텍처 다이어그램(Architecture diagrams), 그리고 의존성 그래프(Dependency graphs)를 생성합니다. 기업들은 현재 이러한 시스템을 역공학(Reverse-engineer)하기 위해 계약업체를 고용하는 데 수개월 또는 수년의 시간을 소비하고 있습니다. HyperDocs는 그 작업을 압축하여 훨씬 적은 시간이 걸리도록 합니다.

COBOL은 영어 및 비즈니스 산문과 유사하게 설계되었기에, 오늘날의 LLM (Large Language Models)에 매우 적합합니다. 메인프레임 (Mainframes)은 수십 년간 축적된 일관된 패턴 (COBOL, JCL, CICS, 배치 작업 (batch jobs))과 한정된 세트의 반복적인 작업 (급여 계산, 트랜잭션 처리, 청구 등)을 보유하고 있습니다.

예를 들어, 여기 대형 보험사에서 자금 이동, 계좌 폐쇄, 후속 보고서 트리거 등을 위해 운영 환경에서 매일 밤 실행되는 청구 (billing) 코드 조각이 있습니다:

EVALUATE TRUE
WHEN PAYMENT-DUE AND NOT PAID
PERFORM CALCULATE-LATE-FEE
...

이제 40년 이상에 걸쳐 작성된 수백만 줄의 코드에 흩어져 있으며, 각각 급여를 계산하거나, 보험금을 처리하거나, 계좌를 대조하는 이러한 규칙이 수천 개나 있다고 상상해 보십시오. HyperDocs는 해당 코드를 흡수하여, 이 블랙박스 시스템이 어떻게 작동하는지 보여주는 읽기 쉽고 살아있는 문서 (living documentation)로 재구성합니다.

우리의 또 다른 도구인 HyperTwin은 "부족한 지식 (tribal knowledge)" 문제를 해결합니다. HyperTwin은 업무 흐름을 관찰하고, 화면 상호작용을 분석하며, AI 기반 인터뷰를 수행하여 전문가들이 시스템을 어떻게 디버깅하고 추론하는지를 포착함으로써 주제 전문가 (subject-matter experts)로부터 직접 학습합니다. 목표는 전문가들이 실제로 이러한 시스템을 어떻게 디버깅하고, 설계하며, 유지보수하는지에 대한 디지털 "트윈 (twins)"을 구축하는 것입니다.

HyperDocs와 HyperTwin은 함께 코드, 시스템, 그리고 인간의 추론을 연결하는 레거시 시스템 (legacy systems)의 지식 그래프 (knowledge graph)를 형성합니다.

저희 HyperTwin 제품의 데모 영상은 여기에서 확인하실 수 있습니다:

AWS Card Demo (널리 사용되는 COBOL 코드베이스 예시)와 가상의 보험 프로젝트 예시를 포함한 저희의 문서화 플랫폼은 여기에서 살펴보실 수 있습니다:

예: 개발자 관점 문서 - 신용카드 관리의 상위 수준 시스템 아키텍처 (High level system architecture):

메인프레임과 함께 일해 보셨거나 레거시 시스템을 현대화하려고 시도해 본 분들의 의견과 피드백을 듣고 싶습니다.