FinAI Build 4개월 개발기
4개월 개발기 FinAI Build
Building a financial AI in four months — engineering notes.
[FinAI Build] Ep 8 — Honest Negative Results and What Comes Next
Record from four months — how adaTT converged to a null effect at 13-task scale, why GradSurgery was rejected on VRAM overhead, Paper 3 WIP status, and real-data metrics pending after 2026-04-30. Why what did not work matters as much as what did.
[4개월 개발기] 에피소드 8 — 정직한 실패의 기록(Honest Negative Results)과 다음 단계
4개월의 기록. 13개 태스크 환경에서 무의미한(Null) 수치로 수렴해버린 adaTT, 심각한 VRAM 오버헤드로 기각된 GradSurgery, 여전히 WIP인 Paper 3, 그리고 2026년 4월 30일부터 수집이 시작된 실 프로덕션 메트릭의 현재 상태. 작동하지 않은 것들이 작동한 것들만큼이나 중요한 이유를 기록한다.
[FinAI Build] Ep 7 — Distillation and Serving: PLE → LightGBM → Lambda + 5 Bedrock Agents
Teacher is PLE, student is per-task LightGBM, serving is AWS Lambda. Why this combination, what happens when teacher-student fidelity fails, and the role division across the 5-agent Bedrock pipeline.
[4개월 개발기] 에피소드 7 — 증류와 서빙: PLE → LightGBM → Lambda + 5 Bedrock 에이전트
교사(Teacher)는 무거운 PLE, 학생(Student)은 가벼운 태스크별 LightGBM, 그리고 서빙 인프라는 AWS Lambda. 왜 하필 이 조합이어야만 했는가? 교사-학생 간의 충실도(Fidelity)가 무너지면 어떤 심각한 일이 벌어지는지, 그리고 AWS Bedrock 위에서 춤추는 5-에이전트 파이프라인의 치열한 역할 분담을 해부한다.
[FinAI Build] Ep 6 — The Bug That Overwhelmed All Architectural Decisions
For weeks sigmoid gating seemed to beat softmax. Fixing an uncertainty-weighting implementation bug flipped the result. A case study in how a training-environment bug contaminates architectural conclusions.
[4개월 개발기] 에피소드 6 — 모든 아키텍처 결정을 압도한 버그
몇 주 동안 Sigmoid 게이트가 Softmax를 이기는 것처럼 보였다. 그러나 불확실성 가중치(Uncertainty Weighting) 모듈의 사소한 부호 버그 하나가 수정되자 그 견고하던 결과가 하루아침에 뒤집혔다. 훈련 환경의 버그가 어떻게 거대한 아키텍처 결론을 조용히 오염시키는지를 보여주는 유의미한 사례 연구.
[FinAI Build] Ep 5 — The Data Integrity Hunt
Before any architecture debate — three chained label-leakage detections, the deterministic-leakage rationale behind the 18→13 task reduction, and the self-replicating features that surfaced across synthetic-data iterations v2→v3→v4.
[4개월 개발기] 에피소드 5 — 데이터 무결성 사냥
화려한 아키텍처 논쟁에 뛰어들기 전에 반드시 풀어야만 했던 복잡한 문제들. 레이블 리키지(Label Leakage) 3건의 연쇄 탐지 과정, 18개에서 13개로 태스크를 축소해야만 했던 결정론적 리키지의 배경, 그리고 합성 데이터 반복 개선(v2→v3→v4) 과정에서 드러난 중요한 교훈을 다룬다.
[FinAI Build] Ep 4 — The Seven Experts: Importing Structural Isomorphism Across Eleven Disciplines
Why seven experts, why these seven. The cross-disciplinary scan with Gemini surfaced eleven fields; the feasibility review with Opus narrowed to DeepFM, Temporal Ensemble, HGCN, PersLay, Causal, LightGCN, and Optimal Transport.
[4개월 개발기] 에피소드 4 — 일곱 전문가: 11개 학문에서 구조적 동형사상을 차용하다
왜 7명인가, 그리고 왜 하필 이 7명인가. 11개 학문 분야를 넓게 훑어보고, 엄격한 기술 검증을 거쳐 최종적으로 살아남은 DeepFM·Temporal·HGCN·PersLay·Causal·LightGCN·OT 7개 전문가의 치열한 도출 과정을 다룬다.
[FinAI Build] Ep 3 — How We Adapted: Guardrails, Memory Bank, Contract Verification
The mechanisms that kept three parallel AI-agent teams from breaking at integration — the CLAUDE.md constitution, the migration from a manual memory bank to Claude Code auto-memory, and the interface-key diff check run after every parallel session.
[4개월 개발기] 에피소드 3 — 우리의 적응 방식: 가드레일·메모리 뱅크·계약 검증
3명과 AI 에이전트들이 병렬로 달리면서도 통합 지점에서 시스템이 무너지지 않도록 지탱해 준 세 가지 장치들 — `CLAUDE.md` 기본 규약, 수동 메모리 뱅크에서 자동 기억(auto-memory)으로의 진화, 그리고 매 작업 직후에 수행되는 인터페이스 계약 검증 프로세스를 살펴본다.
[FinAI Build] Ep 2 — Organizing the AI Agents
Five phases, four tools — how Gemini, Claude Opus, Cursor, and Claude Code each took a specific slot (ideation / technical validation / scaffolding / implementation / paper writing). Why tool separation beat tool uniformity on both speed and quality.
[4개월 개발기] 에피소드 2 — AI 에이전트 조직화
Gemini, Claude Opus, Cursor, Claude Code를 프로젝트 5개 단계에 맞게 분업시킨 방식. 단일 도구 활용보다 단계별 목적에 맞춘 도구 분리가 개발 속도와 품질 측면에서 유리했던 이유를 살펴본다.
[4개월 개발기] 에피소드 1 — 전제 조건
Airflow DAG 80개 규모의 ALS 추천기를 3명의 팀원과 데스크톱 GPU 한 대로 대체하게 된 배경. 기존 시스템의 설명 가능성 및 다중 태스크 처리 한계가 아키텍처 선택을 어떻게 규정했는지 살펴본다.
[FinAI Build] Ep 1 — The Premise
What three people with one desktop GPU set out to replace — an 80-DAG ALS recommender that could not explain itself and could not scale past one task — and how that starting constraint shaped every later architectural choice.