현대카드 데이터 사이언스 플랫폼 진화 여정: Hybrid to Coding 에이전트

현대카드 데이터 사이언스 플랫폼 도입 효과

1. HDSP(하이브리드 데이터 사이언스 플랫폼) 도입 효과

인프라 비용 절감

• ML 학습 워크로드의 95%를 온프레미스에서 처리하여 학습 비용을 극적으로 절감
• 노후 유휴 장비를 ML 학습 노드로 재활용하여 신규 GPU 구매 비용 최소화

유연한 비용 컨트롤

• 평상시 온프레미스 자원 활용, 대규모 학습 시 SageMaker 인스턴스를 탄력적으로 추가 운용
• 수요에 따라 학습 자원을 동적으로 조절 가능한 하이브리드 구조 확보

원 소스 엔지니어링을 통한 개발 사용성 향상

• 통합 도커 이미지로 SageMaker와 온프레미스 양쪽 환경에서 동일한 코드 실행 가능
• HDSP 엔진이 실행 환경을 자동 감지하여 AWS(EMR) 또는 온프레미스(Spark)로 자동 라우팅
• DS 개발자의 환경별 분기 처리 부담 제거

GPU 활용률 극대화

• 도입 전 GPU:CPU 사용 비중 3:7 → 도입 후 7:3으로 완전 역전
• 비용 부담으로 미뤄왔던 대규모 실험을 더 자주 수행할 수 있는 환경 구축

---

2. 코드버프(코딩 에이전트) 도입 효과

효율적인 아키텍처 및 빠른 구축

• 오픈 소스 활용과 핵심 자체 개발을 결합한 구조로 단 2개월 만에 구축 완료
• 미들웨어·툴 분리 설계로 유지보수성과 확장성 동시 확보

도메인 특화 멀티 에이전트

• Python, Athena, Airflow DAG, Spark, SageMaker 등 6개 전문 서브 에이전트 운영
• 사내 코드 패턴과 AWS 인프라 맥락을 반영한 현대카드 특화 코드·SQL 생성 가능

SageMaker 노트북 특화 생산성 향상

• 사이드 패널 통합으로 IDE 전환 없이 즉시 LLM 질의 및 코드 개선 가능
• 도입 후 10개 이상의 팀에서 실제 업무에 편입되어 운용 중

현대카드 특화 기능 제공

• 노트북 자동 요약: 셀 구성 시각화로 코드 리뷰·인수인계 시간 대폭 단축
• 실시간 보안 검출: 금융권 PII 패턴 룰 결합으로 AWS 액세스 키 하드코딩, SQL 인젝션 등 자동 탐지 및 수정안 제시
• 인프라 인지형 코드 최적화: 인스턴스 스펙(CPU/메모리/GPU)을 자동 감지하여 Pandas→Polars/Dask/cuDF 등 최적 라이브러리 자동 추천
• 폐쇄망 및 내부 RAG 기반으로 코드·데이터의 외부 유출 없이 안전하게 운용