핵심 요약
AWS의 AI-DLC 역공정은 레거시 모놀리스를 데이터 흐름 차원에서 분석해 I/O 매트릭스와 흐름으로 확장하고 요구사항과 테스트까지 연결하는 체계를 구축한 경험을 공유합니다.
주요 경험
- AST 기반 분석으로 변수 읽기/쓰기 패턴과 흐름을 도출하는 워크플로를 구현
- 공유 메모리/전역 상태의 값을 매트릭스에 반영해 숨은 입력과 낡은 값을 추적 가능하게 함
- MCP/GraphRAG/Neptune Analytics를 이용한 코드 그래프 구성과 승인 게이트 확장
얻은 인사이트
- 숨은 입력 식별이 요구사항 연결과 테스트 설계의 핵심임을 확인
- 데이터 흐름 중심 설계가 추적성 높이고 리스크를 감소시킴
- 플러그인으로 스테이지를 확장하는 운영 모델의 효과를 확인



