금융 서비스에서 사기 탐지는 예나 지금이나 중요한 과제입니다. 다만 과거와 현재의 차이가 있다면 탐지 방식이 다릅니다. 지금은 예전처럼 사람이 개입해 작업하는 속도로는 대응하기 어렵습니다. 사기꾼도 AI를 적극적으로 활용하는 시대가 되다 보니 AI를 활용해 거래가 발생하는 그 순간에 판단하지 않으면 안 됩니다. 이러한 변화가 금융권에 시사하는 바는 무엇일까요? 사기 탐지가 더 이상 모델 하나로 충분하지 않는다는…
Overview안녕하세요. 메가존소프트입니다. Google Cloud의 연례 글로벌 컨퍼런스인 Google Cloud Next 2026에서 발표된 다양한 기술 및 AI 혁신 내용을 바탕으로, 꼭 알아야 할 핵심 세션만 압축하여 웨비나로 준비하였습니다. 이번 웨비나에서는 Google Workspace Intelligence, Agentic Defense, AI 기반 업무 혁신 및 최신 Google Cloud 기술 트렌드를 중심으로, 실무에 바로 적용할 수 있는 인사이트를 전달드릴 예정입니다. Google Cloud가…
외전: Ambient 네트워킹과 Cloud Service Mesh Cloud Service Mesh는 Envoy와 Istio API를 데이터 평면·제어 평면 표준으로 삼는 구글 쿠버네티스 엔진(GKE)의 service mesh 제품입니다. Google Cloud Next 2026 발표는 추론·학습·보안 축의 신기능에 무게가 실려 있었지만, 이들 워크로드가 실제로 사용자 트래픽과 만나는 지점은 결국 mesh 위에 놓입니다. 본 글은 본 시리즈 외전입니다. Cloud Service Mesh가 East-West 트래픽과…
생성형 AI가 기업의 프로덕션 환경으로 들어오기 시작하면서 데이터베이스의 역할이 달라지고 있습니다. 예전에는 데이터를 안정적으로 저장하고 정해진 업무 화면에 필요한 정보를 제공하는 것이 데이터베이스의 역할이었습니다. 에이전틱 AI 시대가 되면서 데이터베이스는 새로운 역할을 요구받고 있습니다. 애플리케이션은 사용자 행동을 실시간으로 읽어야 합니다. 추천 시스템은 방금 발생한 클릭과 구매 이력을 반영해야 합니다. 사기 탐지 시스템은 거래가 일어나는 순간 판단해야…
지난 4월에 열린 Google Cloud Next ’26에서 Firebase가 NoSQL을 넘어 이제 관계형 데이터베이스 영역에 진출한다는 발표가 있었습니다. 지난해 Firebase Data Connect를 소개하면서 예고한 것이었는데요. 이름이 Firebase SQL Connect로 달라졌습니다. 물론 이름만 바뀐 게 아닙니다. 실시간 동기화, 네이티브 SQL 지원, 커스텀 리졸버, 오프라인 캐싱 등 기능 강화도 이루어졌습니다. 기능이 추가된 것을 넘어 Firebase의 정체성이 관계형 데이터베이스까지…
8편: 보안과 격리, Agent Sandbox와 Hypercluster GKE Agent Sandbox와 GKE Hypercluster는 구글 쿠버네티스 엔진(GKE) 위에서 동작하는 두 보안 기능으로, Google Cloud Next 2026에서 한 묶음으로 강조되었습니다. 한쪽은 워크로드 단위로 신뢰되지 않은 코드를 가두고, 다른 한쪽은 클러스터 인프라 자체를 봉인해 가중치와 쿼리를 보호합니다. 본 글은 두 기능의 개념과 구성 요소, 동작 방식을 한 편에 정리해 보안…
7편: 강화학습 워크로드 운영 대규모 언어 모델(LLM) 강화학습은 지도학습과 다르게 샘플링, 보상 계산, 학습, 동기화가 한 루프에서 돌아갑니다. 루프가 길어지면 노드 한 곳의 장애가 전체 진행을 멈추고, 수천 노드 규모에서는 중단이 시간 단위로 잦아집니다. Google Cloud Next 2026에서 구글 쿠버네티스 엔진(GKE)은 이 워크로드를 받아내기 위한 분산 학습, 관측, 체크포인트 세 축을 정리했습니다. 본 글은 NVIDIA…
6편: AI 스토리지 다층 전략 AI/ML 워크로드는 한 가지 스토리지로 처리되지 않습니다. 데이터 준비 단계에서 거대한 원본 데이터셋을 모아두는 곳과 학습 도중 체크포인트를 빠르게 쓰는 곳, 추론 시점에 모델 가중치를 GPU로 끌어올리는 곳은 요구 조건이 다릅니다. 본 글은 구글 쿠버네티스 엔진(GKE)이 제공하는 스토리지 옵션을 워크로드 단계별로 어떻게 매핑하는지 정리합니다. 이 글은 학습 인프라 축에 속합니다…
5편: 가속기 네트워킹, NCCL과 gIB와 A4X 대규모 학습은 가속기 한 장이 아니라 수백·수천 장이 함께 한 모델을 학습합니다. 이때 GPU 사이의 통신이 학습 시간을 결정합니다. AllReduce 한 단계가 길어지면 매 스텝마다 그만큼이 누적되고, 결국 토큰당 학습 비용이 올라갑니다. AI Hypercomputer는 이 통신 경로를 하드웨어와 소프트웨어 양쪽에서 손봤습니다. 본 글은 GPU-to-GPU 트래픽을 떠받치는 Rail-aligned 토폴로지, NCCL과…
4편: 시작 가속과 의도 기반 오토스케일링 LLM 서빙 Pod의 라이프사이클은 두 시점에서 갈립니다. 새 Pod이 처음 트래픽을 받기까지 걸리는 시간과, 트래픽 변화에 맞춰 복제본 수를 조절하는 판단 시점입니다. 구글 쿠버네티스 엔진(GKE)은 Google Cloud Next 2026에서 이 두 시점을 함께 다루는 기능을 발표했습니다. 컨테이너 이미지와 모델 가중치를 빠르게 끌어오는 시작 가속 기술, 그리고 GPU 사용률 같은…