AI로 앞당긴 Bupa 앱의 레거시 전환

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

Bupa는 Microsoft 지원이 종료된 Xamarin 기반 My Bupa 모바일 애플리케이션을 native Swift와 Kotlin으로 전환하면서 레거시 기술을 단순 교체가 아닌 사업 변혁으로 접근했습니다. Infosys는 AI 지원 역공학으로 기존 코드에서 흐름, 규칙, 업무 로직을 추출하고 약 1,500개의 회귀 시나리오를 native epics에 연결한 뒤 순공학으로 새 플랫폼을 구성했습니다. 그 결과 예상 18개월이던 작업을 7개월에 완료했고 앱 평점은 3.7에서 4.7로 올랐으며, Android의 사용자 체감 충돌률은 약 24%포인트, iOS는 8%포인트 낮아졌습니다. 이 전환은 향후 실시간 개인화, 예측형 고객 경험, Agentic AI를 수용하려면 모델보다 데이터와 플랫폼의 기반이 먼저 갖춰져야 한다는 점을 뒷받침합니다.

섹션별 상세

Bupa의 My Bupa는 보험 보장 관리, 정책 정보 수정, 청구 제출, 보장 내역 확인을 맡은 고객 접점이었지만 Xamarin의 Microsoft 지원 종료가 보안 업데이트와 운영 로드맵의 위험을 키웠습니다. 회사는 기존 코드에서 업무 규칙과 처리 흐름을 추출하는 AI 지원 역공학을 거쳐 native Swift와 Kotlin으로 애플리케이션 전체를 재구성했습니다. 앱 평점은 3.7에서 4.7로 상승했고 Android의 사용자 체감 충돌률은 거의 24%포인트, iOS는 8%포인트 낮아져 기술 전환이 고객이 체감하는 안정성으로 이어졌습니다.

Infosys는 레거시 환경의 코드와 제한적인 문서에서 흐름, 규칙, 업무 로직을 추출한 뒤 이를 native-ready user stories와 acceptance criteria로 변환했습니다. 이후 순공학 단계에서 기존 기능을 보존하면서 확장성과 유지보수성을 갖춘 구조로 다시 설계했고, 약 1,500개의 회귀 시나리오를 native epics에 매핑해 핵심 여정의 기능 동등성을 기억에 의존하지 않고 관리했습니다. AI 지원 과정은 기존 방식보다 약 60% 짧은 기간에 변환을 마치는 데 기여했으며, 100% 기능 동등성을 단일 릴리스에서 확보했습니다.

전환의 핵심 장애물은 기술 자체뿐 아니라 Xamarin 전문 인력 감소, 제한된 시스템 문서, 기존 기능 개발을 계속해야 하는 사업 분석가의 업무 부담이었습니다. AI 기반 코드 발굴과 문서화로 사업 분석가의 수작업을 약 400시간 줄였고, 엔지니어링·아키텍처·테스트·릴리스 조직이 하나의 협업 체계로 병렬 환경과 일상 운영을 함께 관리했습니다. 원래 약 18개월로 잡았던 작업은 7개월에 끝났으며, 리더십은 문제를 조기에 알릴 수 있는 환경과 진행 상황을 시각화한 월간 자료로 팀의 불확실성과 마찰을 낮췄습니다.

현대화의 투자수익은 운영 비용과 보안 관리 같은 기술 지표뿐 아니라 앱 평점, 로그인 성공률, 출시 속도 같은 사업 성과로 평가해야 합니다. Bupa의 Android 로그인 성공률은 방문당 77%로 두 배가 됐고, 새 버전으로 이동한 활성 고객 비율은 90%에 달했으며 약 180만 건의 고유 다운로드가 발생했습니다. 기능 출시 속도는 약 네 배 빨라졌고, 결제 게이트웨이 전환 뒤 결제 완료 시간은 네 배 단축되어 고객 경험과 개발 민첩성을 함께 개선했습니다.

새 플랫폼은 AI 기능을 나중에 덧붙이는 기반이 아니라 설계부터 운영까지 AI를 통합할 수 있는 실행 토대로 간주됩니다. Bupa는 AI 기반 결함 분류와 예측적 결함 분석을 약 1,400건의 사례에 적용해 고위험 여정 중심으로 테스트했고, 보안 결함과 고심각도 결함 없이 서비스를 출시했습니다. 코드베이스는 30%, 애플리케이션 풋프린트는 18% 줄었으며, 향후에는 실시간 개인화와 예측형 서비스, 핵심 의사결정에 인간 감독을 둔 Agentic AI가 주요 활용 방향으로 거론됩니다.

용어 해설

레거시 현대화(Legacy Modernization): — 지원이 종료되거나 유지보수가 어려워진 기존 시스템을 새로운 기술과 구조로 전환하는 작업입니다. 단순한 코드 교체가 아니라 기존 업무 규칙을 보존하면서 안정성, 유지보수성, 확장성, 고객 경험을 함께 개선하는 방식이 핵심입니다.
역공학(Reverse Engineering): — 기존 시스템의 코드와 실행 흐름을 거꾸로 분석해 업무 규칙, 처리 절차, 데이터 흐름을 추출하는 방법입니다. 문서가 부족하거나 담당자 경험에 지식이 흩어진 환경에서 기능 손실을 막고 새 시스템 설계의 입력 자료를 만드는 데 활용됩니다.
순공학(Forward Engineering): — 기존 시스템에서 추출한 요구사항과 업무 규칙을 바탕으로 새로운 아키텍처와 애플리케이션을 설계·구현하는 과정입니다. 기능을 그대로 옮기는 데 그치지 않고 확장 가능한 구조와 개선된 사용자 경험을 새 플랫폼에 반영합니다.
에이전틱 AI(Agentic AI): — 사용자의 개별 작업을 보조하는 수준을 넘어 목표 달성에 필요한 여러 단계를 끝까지 수행하는 AI 방식입니다. 안전한 실행을 위해 데이터와 플랫폼 기반, 거버넌스, 핵심 의사결정 단계의 인간 감독이 함께 필요합니다.
예측적 결함 분석(Predictive Defect Analysis): — 많은 테스트 사례에서 장애 위험이 높은 경로를 식별해 검증 우선순위를 정하는 품질 관리 방식입니다. Bupa는 약 1,400건의 사례에 AI 기반 분석을 적용해 고위험 여정에 테스트 역량을 집중했습니다.

기술

Xamarin
Swift
Kotlin
AI-assisted reverse engineering
AI-driven triage
predictive defect analysis

활용 사례

헬스케어 보험 모바일 앱 현대화
지원 종료 플랫폼의 네이티브 전환
AI 기반 레거시 코드 분석과 문서화
고위험 사용자 여정 중심의 소프트웨어 테스트
실시간 개인화와 예측형 고객 서비스 기반 구축