AWS, Amazon Bedrock 기반 멀티 에이전트 GAMMA로 Oracle-to-PostgreSQL 마이그레이션 가속화

AWS GenAI Innovation Center와 Professional Services가 Amazon Bedrock 기반의 멀티 에이전트 프레임워크 GAMMA(Generative AI for Migration and Modernization Accelerator)를 개발했다. 기존 도구로는 자동화가 어려웠던 Oracle의 복잡한 저장 프로시저와 비즈니스 로직 변환을 AI로 처리하여, 엔터프라이즈 규모 마이그레이션에서 평균 **51%**의 수동 작업을 감소시키고 **72%**의 코드 변환 정확도를 달성했다.

GAMMA의 3단계 작동 방식

GAMMA는 Modernization 평가, 계획, 실행의 세 단계로 구성된다. 먼저 멀티 에이전트가 스키마와 프로시저 간의 의존성 그래프를 구성해 복잡도 핫스팟과 위험 영역을 식별한다. 이후 포트폴리오 전체에서 비즈니스 도메인 경계를 파악하고 직접 변환이나 리팩토링 등 최적의 전략을 분류한다. 실행 단계에서는 LLM 기반 코드 변환과 시맨틱 재시도 메커니즘을 통해 오류를 분석하고 해결하며, 0~100점의 신뢰도 점수를 생성해 전문가(SME)의 검토 우선순위를 정한다.

Knowledge Items(KI) 축적과 성능 향상

반복적인 변환 패턴은 **Knowledge Items(KI)**로 축적되어 재사용된다. NVL을 COALESCE로, SYSDATE를 CURRENT_TIMESTAMP로 매핑하는 등 9가지 주요 매핑 규칙이 KI로 저장된다. KI가 축적될수록 평균 신뢰도는 **71%**에서 **89%**로 상승하고, 재시도 횟수는 4.2회에서 0.9회로 줄어든다. 이에 따라 변환 시간은 약 45초에서 18초로 단축되며, SME 검토 필요 비율도 **65%**에서 **18%**로 크게 감소한다.

벤치마크 및 고객 사례

2026년 8월 기준 벤치마크에서 3개 앱의 매퍼 300여 개를 변환하는 데 3.5시간과 약 $95의 비용이 소요되었으며, 매퍼의 **100%**가 1:1로 변환되었다. Mitsubishi Electric Building Systems Group의 경우, Oracle에서 PostgreSQL로의 5,000개 DB 마이그레이션 프로젝트에서 GAMMA를 도입해 기존에 변환 불가했던 코드의 정확도를 **67%**까지 높이고 객체 기준 성공률 **90%**를 달성했다. 이를 통해 약 200 person-months의 수작업 부담을 48% 줄였다.