read: fail

책임 있는 AI는 금융 기술(FinTech)에서 중요한 주제입니다. Lexy Kassan은 EU AI 법안과 같은 규제 업데이트와 그 영향에 대해 설명합니다. 그녀는 책임 있는 AI의 여러 수준을 다루며, 윤리적 원칙에서 실질적 구현까지의 과정을 소개합니다. FinTech의 AI 활용은 수익 증가와 업무 자동화를 가져올 수 있으며, 이는 리스크 관리와 AI 거버넌스의 중요성을 강조합니다. Kassan은 AI 리뷰 보드와 규제 준수의 필요성을 강조하며, AI의 투명성과 공정성을 위한 노력을 촉구합니다.

소프트웨어 테스트에서 인공지능(AI)의 활용이 증가하고 있습니다. AI는 결함 예측, 테스트 자동화, 위험 기반 테스트 개선에 기여하며, 인간과 AI의 협력을 통해 소프트웨어 품질을 유지합니다. AI는 테스트 범위를 확장하고, 주기를 단축하며, 결과 정확성을 높여 더 빠르고 높은 품질의 소프트웨어 출시를 가능하게 합니다. 그러나 AI는 탐색적 테스트와 같은 맥락 이해가 필요한 부분에서는 한계가 있습니다. AI는 QA 역할을 대체하지 않고, 인간의 능력을 보완하여 전략적 작업에 집중할 수 있게 합니다.

2025년 4월 10일, 아메리칸 익스프레스의 매튜 리스트가 금융 서비스 분야의 클라우드 기반 인프라 구축 경험을 공유했습니다. 그는 안정성, 보안성, 확장성의 중요성을 강조하며, 지속적인 업데이트와 팀 문화의 역할을 논의했습니다. 특히, 오픈 소스 커뮤니티와의 협업이 혁신을 촉진한다고 강조했습니다.

QCon London에서 Sam Newman은 분산 시스템의 핵심 요소인 타임아웃, 재시도, 멱등성의 중요성을 강조했습니다. 그는 이 요소들이 시스템의 견고함을 보장한다고 설명했습니다. 타임아웃은 요청을 언제 포기할지 결정하고, 재시도는 몇 번 시도할지를 정하며, 멱등성은 반복된 요청이 결과를 변경하지 않도록 합니다. 이러한 개념을 이해하면 분산 시스템의 안정성을 높일 수 있습니다.

QCon 런던 2025에서 이안 미엘은 DevOps 원칙을 감사 및 통제에 도입하는 방법을 소개했습니다. 그는 자동화와 반복성을 강조하며, 전통적인 감사 방식의 비효율성을 지적했습니다. 미엘의 팀은 연속적 준수 프레임워크(CCF)를 개발하여 실시간 준수 데이터를 제공하며, OSCAL 표준을 활용해 기계 판독 가능한 문서를 지원합니다. CCF는 GitHub에서 확인할 수 있습니다.

QCon 런던 2025에서 AWS 대사 Jon Topper는 SaaS 소프트웨어 구축 시 흔히 저지르는 실수에 대해 강연했습니다. 그는 다중 테넌시를 초기에 고려하지 않으면 확장성이 제한될 수 있다고 강조했습니다. 또한, 자동화와 보안의 중요성을 언급하며, 고객 맞춤형 기능을 피하고 강력한 제품 철학을 유지할 것을 권장했습니다.

엔지니어링 리더십의 진화는 조직 성장의 핵심입니다. Thiago Ghisi는 팀이 50명을 넘어서면서 영웅적 문제 해결에서 자율적 시스템 설계로 전환한 경험을 공유했습니다. 그는 변화를 실험으로 보고, 파동 기반의 소통을 통해 피드백을 수집하여 팀의 참여와 지속 가능한 성장을 촉진하는 방법을 강조했습니다.

QCon London 2025에서는 멀티 클라우드 환경의 채택이 증가하고 있음을 강조했습니다. Microsoft의 Teena Idnani는 지연 시간 문제와 복원력 구축, 이벤트 순서 유지 등 멀티 클라우드 아키텍처의 주요 과제를 다루었습니다. 보안과 관찰 가능성도 중요한 고려 사항으로 제시되었습니다.

소프트웨어 공급망 보안은 특히 핀테크 분야에서 중요한 주제입니다. Mykhailo Brodskyi는 위험 완화 전략과 실제 사례 연구를 통해 시스템을 보호하는 방법을 설명합니다. 서드파티 라이브러리의 위험을 줄이기 위한 소프트웨어 구성 분석과 비밀 관리 도구 사용이 강조됩니다. 클라우드 마이그레이션과 보안 테스트의 중요성도 다루어집니다.

QCon 런던 2025에서 Celine Pypaert는 오픈 소스 의존성 리스크를 관리하는 3단계 청사진을 발표했습니다. 오픈 소스 구성 요소가 상업적 코드베이스의 96%에 존재한다고 강조하며, 잘못된 신뢰의 위험성을 경고했습니다. 그녀는 취약점 식별, 책임 설정, 보안 자동화를 통해 리스크를 줄이는 방법을 제안했습니다.

Google Cloud는 AI 작업 부하의 비용 절감과 효율성을 높이기 위한 도구를 제공합니다. 컴퓨팅 자원 최적화, 전문 하드웨어 가속화, 지능형 작업 스케줄링이 주요 초점입니다. Vertex AI와 Cloud Run 등 다양한 플랫폼 선택이 가능하며, 컨테이너 성능과 스토리지 선택도 최적화의 핵심입니다. AWS와 Azure도 AI 비용 관리에 집중하고 있어, 클라우드 제공업체 간의 경쟁이 치열해지고 있습니다.

그림자 테이블 전략은 데이터의 동기화된 복제본을 생성하여 무중단 마이그레이션을 가능하게 합니다. 이 방법은 데이터베이스 트리거나 변경 데이터 캡처를 통해 원본 시스템의 모든 변경 사항을 그림자 테이블에 복제하여 데이터 무결성을 보장합니다. GitHub, Shopify, Uber의 사례는 이 전략이 대규모 데이터 마이그레이션에 효과적임을 보여줍니다. 그림자 테이블은 데이터 일관성을 강화하고 복구를 단순화하여, 이중 쓰기나 블루-그린 배포보다 우수한 성능을 발휘합니다.

QCon 런던 2025에서 Johnson Matthey의 Celine Pypaert는 오픈 소스 의존성 위험을 관리하는 3단계 청사진을 발표했습니다. 그녀는 소프트웨어 구성 분석 도구의 중요성을 강조하며, 자동화를 통해 보안 작업을 효율적으로 수행할 것을 권장했습니다. 이 청사진은 혁신을 촉진하면서도 보안을 강화하는 방법을 제시합니다.

카프카 4.0이 출시되며 KRaft 모드가 기본 운영 방식으로 도입되었습니다. 이는 ZooKeeper 의존성을 제거하여 아키텍처를 간소화하고 확장성을 높입니다. 새로운 소비자 그룹 프로토콜과 큐 기능도 추가되어 대규모 환경에서의 성능이 향상되었습니다. Java 11과 Java 17이 필수로 요구되며, 플랫폼 현대화가 이루어졌습니다.

제니퍼 데이비스는 소프트웨어 개발자와 엔지니어링 리더들이 조직 변화를 효과적으로 이끌고 고성과 팀을 구축하는 방법을 설명합니다. 그녀는 기능적 리더십과 건강한 갈등의 중요성을 강조하며, 진정한 가치를 반영하는 지표 설정을 권장합니다. 이 강연은 개인의 성장을 지원하고 팀의 영향을 극대화하는 환경을 조성하는 데 중점을 둡니다. QCon London은 기술 리더들을 위한 컨퍼런스로, 지식과 혁신을 통해 소프트웨어 개발을 강화하는 것을 목표로 합니다.

크라켄 테크놀로지의 케빈 보우먼은 QCon London 2025에서 재생 에너지 관리의 도전과 혁신적 해결책을 소개했습니다. 서버리스 클라우드 기술을 활용해 영국 전력망의 안정성을 유지하고 에너지 흐름을 최적화하는 방법을 설명했습니다. 특히 배터리 저장과 전기차를 활용한 지능형 제어 시스템이 주목받았습니다.

AMD가 Gaia 프레임워크를 통해 로컬 LLM 추론을 가능하게 했습니다. 이 오픈소스 프로젝트는 개발자들이 AMD 하드웨어를 활용해 Windows에서 대형 언어 모델을 실행할 수 있도록 지원합니다. 데이터 주권을 강화하고 지연 시간을 줄이며, 프라이버시를 중시하는 환경에 적합합니다. RAG 기반의 이 프레임워크는 개발자와 엣지 컴퓨팅 시나리오에 최적화되어 있으며, 클라우드 서비스의 프라이버시 문제를 해결하는 데 기여합니다.

메타가 라마 4 시리즈의 첫 모델인 스카우트와 매버릭을 공개했습니다. 이 모델들은 멀티모달 아키텍처와 전문가 혼합(MoE) 프레임워크를 특징으로 하며, 이미지 이해와 긴 문맥 추론을 지원합니다. 그러나 초기 사용자들은 성능에 대한 의문을 제기하고 있어, 앞으로의 발전이 기대됩니다.

QCon 런던 2025에서 Monzo의 Fabien Deshayes는 개발자 경험 팀의 최적화를 위한 전략을 공유했습니다. 그는 효과적인 팀 구성, 영향력 있는 제품 개발, 그리고 조직 내 가치 전달의 중요성을 강조했습니다. 특히, 다양한 기술을 가진 팀 구성과 사용자 친화적인 플랫폼 개발이 핵심이라고 설명했습니다.

Llama의 성능을 최적화하기 위해 CPU 아키텍처의 중요성을 다루는 이 프레젠테이션에서는 Anil Rajput과 Rema Hariharan이 하드웨어-소프트웨어 동기화를 통해 TCO를 줄이고 지연 시간을 개선하는 방법을 설명합니다. 코어 활용도, 캐시 영향, 메모리 대역폭 및 칩렛 아키텍처의 이점이 주요 주제입니다. Llama의 프리필과 디코딩 단계, 매트릭스 연산 최적화, 소프트웨어 프레임워크 선택의 중요성도 강조됩니다.