NVIDIA는 10월 22일 GTC Berlin에서 Revolut이 초기 고객 8,000만 명을 대상으로 PRAGMA 파운데이션 모델을 프로덕션 환경에서 확대하고 있다고 발표했다. 다른 프로젝트에는 은행 자체 모델, 결제 운영, 가속 데이터 처리 등이 포함되며, 실제 운영 중인 시스템부터 개발 작업과 오프라인 테스트까지 범위가 다양하다.
핵심 요약
- Revolut의 PRAGMA는 초기 고객 8,000만 명을 대상으로 운영 중이며, 이보다 3배 규모로 확장할 수 있도록 설계됐다.
- 은행과 결제 서비스 제공업체들은 자체 데이터, 오픈 웨이트 모델, 가속 인프라를 활용해 자체 인텔리전스를 개발하고 있다.
- NVIDIA는 상당한 처리 성능 향상을 보고했으며, 여기에는 Stripe의 오프라인 테스트에서 확인된 데이터 파이프라인 속도 42배 향상과 비용 92% 절감이 포함된다.
목차
유럽 금융 AI, 프로덕션 단계로 진입
Revolut은 PRAGMA를 단일 파운데이션 모델로 삼아 기술 스택을 재구축하고 있다. NVIDIA에 따르면 Revolut은 cuDF 툴킷과 Dynamo-Triton 소프트웨어를 Blackwell Ultra GPU에서 사용해 프로덕션 환경의 시스템을 확장하고 있다. 명시된 3배 확장 역량은 엔지니어링 목표이며, 현재 고객 기반이 실제로 확대됐다는 발표는 아니다.
이번 발표에서는 자체 거래 기록을 바탕으로 인텔리전스를 구축하는 기관들도 소개됐다. Starling Bank는 은행의 거래 데이터를 활용해 Civo의 영국 클라우드에서 AI 역량을 뒷받침하는 계층인 Starling Intelligence를 개발했다. NVIDIA는 Starling이 영국의 주권 클라우드 인프라에서 에이전틱 모델을 학습시킨 최초의 은행이라고 설명했다.
Lloyds Banking Group은 수십억 건의 은행 거래를 재사용 가능한 인텔리전스로 전환하는 거래 파운데이션 모델 ATUM을 구축했다. NVIDIA에 따르면 RTX PRO 6000 Blackwell GPU가 이 모델을 가속하며, 모델은 은행 전반의 활용 사례에서 효율성을 높이고 있다. 별도로 SBS는 은행들이 데이터를 외부로 이동하지 않고 생성형 및 에이전틱 모델을 실행할 수 있도록 설계된 주권형 뱅킹 인텔리전스 플랫폼을 출시했다.
오픈 모델, 어시스턴트와 특화 워크로드 지원
네오뱅크 bunq의 Finn 어시스턴트는 현재 오픈 웨이트 모델을 기반으로 작동한다. NVIDIA에 따르면 Nebius에 배포된 이 모델은 답변당 비용이 60% 수준이면서도 선도적인 폐쇄형 모델과 동등한 품질을 제공한다. 이 수치는 상대적인 비용을 나타내며, 비용이 60% 절감됐다는 뜻은 아니다.
다른 프로젝트들은 아직 개발 중이다. NatWest는 Nemotron 3.5 ASR을 비롯한 NVIDIA 음성 모델을 사용해 영국식 억양과 방언, 금융 용어를 인식하는 음성 기술을 개발하고 있다. Modulr는 오픈 모델 Nemotron-3-Ultra-550B를 기반으로 다양한 결제 업무에 특화된 모델을 개발 중이다.
Santander는 구조화 금융 데이터를 위한 NVIDIA의 신규 오픈 웨이트 파운데이션 모델 제품군인 Kumo를 초기에 도입한 기업이다. Santander는 핵심 뱅킹 워크로드에 특화된 인텔리전스를 구축하기 위해 이 모델들을 활용하고 있다.
금융 리서치에 더 빠른 데이터 도구 도입
LSEG는 금융기관이 대량의 과거 틱 데이터를 최대 10배 빠르게 분석할 수 있도록 NVIDIA와 협력하고 있다. 이 작업에는 cuDF로 가속화한 Polars GPU 엔진과 RTX PRO 6000 Blackwell GPU가 사용된다.
RavenPack은 미세 조정한 NVIDIA Nemotron 모델을 활용해 Bigdata.com에서 데이터셋 생성 파이프라인을 구축했다. 이 파이프라인은 자연어로 작성된 리서치 가설을 받아 백테스트에 바로 사용할 수 있도록 라벨이 지정된 데이터셋을 반환하며, 투자자는 이를 통해 시장 동향을 식별하고 분석하고 시각화할 수 있다.
사기 탐지 처리 성능 향상과 오프라인 테스트 결과
HSBC는 Starburst Enterprise의 GPU Engine을 사용해 위험과 사기를 최소화하면서 거의 실시간으로 고객 인사이트를 확보하고 필요에 따라 의사결정을 내린다. NVIDIA는 데이터 처리 속도가 5배 빨라졌다고 보고했다.
Stripe의 결과는 오프라인 테스트에 한정된다고 명시됐다. NVIDIA에 따르면 GPU 가속 Ray Data를 활용한 해당 테스트에서 Stripe Radar 사기 탐지 플랫폼의 데이터 파이프라인 속도는 42배 빨라졌고 비용은 92% 절감됐다. 보고된 성과는 머신러닝 데이터 파이프라인에 관한 것으로, 사기 탐지 정확도의 정량적 개선을 의미하지 않는다.
더 많은 뉴스 읽기
면책 조항
이 FinanceVelix 기사는 일반 정보를 제공하며, 개인 맞춤형 금융·투자·법률·세무 자문이 아닙니다. 시장 가격, 금리, 경제 여건은 변할 수 있으며 투자에는 손실 위험이 따릅니다. 사실은 게시 당시 이용 가능한 자료를 반영하며 이후 변경될 수 있습니다. 중요한 정보는 독립적으로 확인하고 필요한 경우 자격을 갖춘 전문가와 상담하세요. 자산, 기업 또는 서비스의 언급은 이를 추천한다는 의미가 아닙니다.
