+ WAF별 사전 점검과 의존성 한계를 균형 있게 설명했다.
- 일부 IaC 산출물과 권장 기간은 근거 없이 단정적이다.
AWS Transform 사용 사례를 넣으면 마이그레이션 전후 고려사항, AWS Well-Architected Framework 관점의 정리, 보고서 생성 여부를 분석합니다.
| 분류 | 개발 › 배포·운영 |
|---|---|
| 태그 | 분석검토개발자 |
You are technical solutions architect, following aws well architectured framework. I want you to analyze and streamline the details of using aws transform. Before use case and after use case, what are the things to consider before migration into aws. Does it generate reports and outline the decency?
AWS Well-Architected Framework를 따르는 기술 솔루션 아키텍트 역할 프롬프트다. AWS Transform 사용을 간소화해 설명하라고 하지만 ‘decency’처럼 의미가 불명확한 표현이 있다.
Claude가 요구사항 충족도와 구체성의 균형이 가장 좋다. ChatGPT는 신중하지만 장황하며, Gemini는 구체적이나 제품 기능을 과장하거나 지어낸 부분이 가장 많다.
+ WAF별 사전 점검과 의존성 한계를 균형 있게 설명했다.
- 일부 IaC 산출물과 권장 기간은 근거 없이 단정적이다.
+ 자동 분석의 한계와 수동 검증 필요성을 가장 신중히 짚었다.
- AWS Transform과 별도 마이그레이션 도구의 역할 경계가 흐릿하고 길다.
+ 도입 전후와 실행 로드맵을 구체적인 표로 잘 연결했다.
- 지원 언어·보고서 형식·MODA 점수 등 확인되지 않은 주장이 많다.
| 기준 | ChatGPT | Claude | Gemini | 앞선 모델 |
|---|---|---|---|---|
| 지시 준수 | 9 | 10 | 9 | Claude +11% |
| 정확성 | 8 | 8 | 5 | 동점 |
| 구체성 | 8 | 9 | 8 | Claude +13% |
| 구성·가독성 | 8 | 9 | 8 | Claude +13% |
| 분량 적정성 | 6 | 8 | 6 | Claude +33% |
gpt-5.6-sol가 모델 이름을 가린 채 1~10점으로 채점했습니다 (2026-09-24). 측정값이 아니라 AI 심사 결과입니다.
같은 입력을 세 모델에 넣어 받은 답을 그대로 옮겼습니다. 각 CLI(에이전트 하네스)에서 실행했습니다. ChatGPT·Claude 앱이나 웹에서는 답이 다를 수 있습니다.
AWS Transform은 애플리케이션·서버·메인프레임 마이그레이션 작업을 자동화하고, 일부 코드를 변환하거나 마이그레이션 단계를 지원하는 AWS 서비스군입니다. 다만 AWS Transform 자체가 전체 마이그레이션 계획, 비용 산정, 보안 검증, 운영 전환까지 자동으로 완료해 주는 것은 아닙니다.
실무에서는 다음 서비스를 함께 사용하는 것이 일반적입니다.
먼저 기술보다 비즈니스 목표를 명확히 해야 합니다.
목표에 따라 적합한 전략이 달라집니다.
AWS Transform이 변환을 지원하더라도 모든 애플리케이션을 자동으로 현대화할 수 있는 것은 아닙니다.
다음 정보를 확보해야 합니다.
인벤토리가 부정확하면 Transform의 분석 결과와 마이그레이션 계획도 부정확해집니다.
특히 다음 의존성을 별도로 확인해야 합니다.
AWS Transform 또는 Discovery 도구가 수집한 의존성은 관측된 트래픽과 설정에 기반합니다. 실행되지 않는 배치, 간헐적인 통신, 문서화되지 않은 수작업은 누락될 수 있습니다.
마이그레이션 전에 다음 기반을 먼저 설계해야 합니다.
AWS Transform은 이런 기반을 자동으로 대신 설계하지 않습니다.
다음 항목은 사전에 검토해야 합니다.
소스 코드나 구성 파일을 분석 도구에 전달할 때는 비밀정보 제거와 접근 권한 검토가 필수입니다.
| 구분 | 사용 전 | 사용 후 |
|---|---|---|
| 인벤토리 | 스프레드시트와 수작업 조사 | 자동 수집 및 중앙 추적 |
| 의존성 | 담당자 지식과 문서에 의존 | 관측된 통신·구성 기반 분석 |
| 변환 | 수작업 코드 수정 | 지원 범위 내 자동 변환 및 제안 |
| 테스트 | 개별 팀이 별도 수행 | 변환 결과 검증과 반복 작업 자동화 가능 |
| 계획 | 서버 단위 중심 | 애플리케이션·웨이브 단위 계획 |
| 운영 | 기존 방식 유지 | AWS 모니터링·보안·자동화와 통합 |
| 리스크 | 누락된 의존성 가능성 높음 | 발견 가능성은 향상되지만 완전한 보장은 아님 |
기능과 대상 플랫폼에 따라 다르지만 일반적으로 다음 유형의 결과물을 기대할 수 있습니다.
다만 “전체 의존성 그래프가 자동으로 완성된다”고 보면 안 됩니다. 다음은 누락될 가능성이 있습니다.
따라서 네트워크 흐름 분석 결과, 애플리케이션 담당자 인터뷰, CMDB, 소스 코드 분석, 배치 스케줄 검토를 함께 사용해야 합니다.
지원되는 대상에 따라 다음을 생성할 수 있습니다.
자동 변환 결과는 운영 배포 전에 반드시 코드 리뷰, 보안 검사, 성능 시험, 회귀 테스트를 수행해야 합니다.
AWS Well-Architected Framework의 여섯 개 필러를 기준으로 검증하는 것이 좋습니다.
마이그레이션 직후에는 단순히 “AWS에서 실행된다”는 기준이 아니라, 기존 환경보다 운영성과 보안성이 개선되었는지 확인해야 합니다.
서버, 애플리케이션, 데이터베이스, 통신 흐름과 업무 중요도를 수집합니다.
각 애플리케이션을 다음 기준으로 분류합니다.
업무 영향이 낮고 의존성이 단순한 애플리케이션을 선택합니다.
의존성이 있는 애플리케이션을 그룹으로 묶어 순차적으로 이전합니다.
전환 이후 일정 기간 집중 모니터링합니다.
안정화 후 다음을 수행합니다.
AWS Transform은 인벤토리, 의존성 파악, 코드·구성 변환, 반복적인 마이그레이션 작업을 줄이는 데 유용합니다. 보고서와 의존성 정보도 생성할 수 있지만, 결과는 대상 서비스와 분석 범위에 따라 달라지며 완전한 시스템 의존성 문서로 간주해서는 안 됩니다.
가장 안전한 방식은 다음과 같습니다.
즉, AWS Transform은 “마이그레이션을 자동으로 완료하는 도구”라기보다 “분석과 변환 작업을 가속하는 도구”로 보는 것이 정확합니다.
| 프로덕션 AI 에이전트 설계 프롬프트 | |
| AI 에이전트 보안 점검 프롬프트 | |
| AI 제공자 요금 조사 프롬프트 | |
| 상자 탈출 AI 역할을 맡기는 프롬프트 | |
| 보안 경고 분석 프롬프트 |