AWS, ‘키로·토치뉴런’ 공개…SAP 현대화·AI 개발 효율 높인다

AWS가 기업의 SAP 시스템 현대화에 필요한 작업과 AI 모델 개발에 필요한 작업을 줄이기 위한 소프트웨어 도구를 공개했다. 공개 대상은 AI 엔지니어링 에이전트인 '키로(Kiro)'와 '토치뉴런(TorchNeuron)'이다.

'키로(Kiro)'는 SAP 코드 전환을 자동화하는 도구다. 키로 기반 샘플 에이전트는 단일 프롬프트로 SAP ABAP(Advanced Business Application Programming) 코드를 분석하고 미들웨어 인터페이스를 분석하며, SAP ABAP(Advanced Business Application Programming) 코드와 미들웨어 인터페이스를 변환하고 단위 테스트를 수행한다. 초점은 장기간 운영된 SAP 환경의 기존 코드를 최신 시스템에 맞게 전환하는 작업을 자동화하는 데 있다.

'토치뉴런(TorchNeuron)'은 기존 파이토치(PyTorch) 코드의 자체 AI 칩 트레이니움 실행을 지원한다. AWS는 이를 통해 AI 모델 개발에 필요한 작업을 줄이는 방향의 도구를 함께 공개했다.

기업들은 재무·주문관리·공급망 등 핵심 업무에 적용해 온 SAP 환경 내 커스텀 ABAP 코드를 다수 축적해 왔다. SAP BW 표준 지원 종료와 SAP PI/PO 표준 지원 종료, 온프레미스 SAP ECC 표준 지원 종료가 임박하면서 기존 자산을 신규 환경으로 이전할 필요도 커졌다.

이에 샘플 에이전트는 SAP ECC에 축적된 ABAP 코드의 SAP S/4HANA 적합 변환을 지원하고, 표준 SAP API 활용 리팩토링도 지원한다. 또 SAP PI/PO 인터페이스에서 SAP BTP 인티그레이션 스위트로의 전환과 SAP BW에서 SAP 비즈니스 데이터 클라우드의 데이터스피어로의 전환 경로도 지원한다.

이 샘플 에이전트에는 기존 코드·설정 분석 기능과 기능·기술 명세서 생성 기능, 단위 테스트 생성 기능이 포함된다. AWS 내부 벤치마크에서는 ABAP 코드 분석·변환·단위 테스트를 자동화해 현대화에 필요한 공수를 최대 87% 절감했다.

관련 기능은 글로벌 기업과 파트너사의 실제 분석·마이그레이션 업무에 시험 또는 적용되고 있다. 도요타 칠레는 수백 개 커스텀 ABAP 오브젝트를 분석·문서화했으며, 미사용 코드 탐지를 활용했다. NTT 데이터 글로벌 솔루션즈는 자체 마이그레이션 서비스를 적용했고, ABAP 변환 공수를 최대 95% 절감했다고 발표했다.

캡제미니는 키로 샘플 에이전트를 활용했으며, 통합 작업 분석~구축 기간을 40~60% 단축할 수 있는 '스마트 인티그레이션 AI 에이전트'를 개발했다. 액센츄어·딜로이트·DXC·킨드릴 등 AWS SAP 컴피턴시 파트너도 자체 마이그레이션 도구에 관련 기능을 적용했다.

동시에 자동화 과정에서는 기존 업무 로직 유지를 위한 장치가 적용된다. 스티어링 파일로 에이전트 작업 규칙을 정의하고, 코딩·보안·문서화 관련 80개 이상 규칙을 설정한다. 또 코드 변환 전후에 단위 테스트를 수행하고, 종속 ABAP 코드·라이브러리를 동시 분석하며, 작업 이력을 기록하고 의사결정 기록을 유지한다.

AWS는 기업용 소프트웨어뿐 아니라 AI 모델 개발 과정에서도 자체 인프라 활용 장벽을 완화하기 위해 토치뉴런을 제공한다. 토치뉴런은 기존 파이토치 개발 환경을 유지한 상태에서 트레이니움으로의 이전을 지원한다.

토치뉴런은 파이토치 내장 하드웨어 등록 체계와 연동되며, 기존 파이토치 코드를 재작성하지 않고도 AWS AI 칩 '트레이니움(Trainium)'에서 실행할 수 있도록 지원한다. 개발자는 코드에서 사용할 칩을 지정하는 설정만 변경하면 기존 파이토치 코드를 트레이니움에서 실행할 수 있다. 토치뉴런은 아파치 2.0 라이선스 기반의 오픈소스로 제공되며, 트레이니움2와 트레이니움3도 지원한다.

이 기능은 AI 하드웨어를 변경할 때 소프트웨어 전환 부담을 줄이기 위한 목적을 갖는다. 기존 모델을 새 칩에서 실행하는 과정에서는 코드 수정과 재검증이 필요한 사례가 많은데, 토치뉴런은 이런 부담을 줄이는 방향으로 작동한다.

이 기술은 대규모 분산 학습을 지원하며, 파이토치 분산 학습 프레임워크 '토치타이탄(TorchTitan)'과 연동된다. 또한 완전 샤딩 데이터 병렬 처리(FSDP) 방식을 활용해 여러 트레이니움 인스턴스에 모델 학습을 분산할 수 있다.

AWS는 추론 엔진 vLLM을 오픈소스로 제공하고, 트레이니움용 성능 최적화 커널도 오픈소스로 제공한다. 아울러 AWS는 토치뉴런 관련 기능을 파이토치 원본 코드에 기여할 계획이며, 토치뉴런 기능을 자체 칩 전용으로 묶는 방침은 지양하고 있다. 이는 특정 하드웨어 종속 코드를 축소하고, 파이토치의 여러 AI 가속기 활용을 확대하려는 목표에 따른 흐름이다.

이런 기반 위에서 적용 분야는 음성 AI·신약 개발·로보틱스·영상·자율주행·LLM·금융으로 확대되고 있다. 카르테시아는 기존 파이토치 코드를 최소한으로만 수정한 채 트레이니움에서 추론 파이프라인을 실행하고 있으며, 리버 뇌발달연구소는 분자동역학 시뮬레이션 AI 가속 용도로의 활용 가능성을 검토하고 있다. 또 허깅페이스는 자사 AI 개발 도구에 트레이니움 네이티브 지원을 적용하는 작업을 진행하고 있다.

키로는 기업 누적 기존 소프트웨어 자산 전환 자동화에, 토치뉴런은 AI 모델 개발자의 하드웨어 변경 시 코드 수정 부담 완화에 각각 초점을 두고 있다. AWS는 이 두 도구를 활용해 기업 시스템 현대화 확대를 추진하고, 자체 AI 인프라 활용 확대도 추진하고 있다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=408921

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=408921