Revolut, 실시간 뱅킹을 위해 PRAGMA 파운데이션 모델을 확장

Revolut은 파운데이션 모델 PRAGMA를 연구 단계에서 실제 운영 시스템으로 확장해 반복 결제 감지, 즉각적인 신용 판단, 앱 내 추천 등 실시간 뱅킹 서비스에 활용하고 있습니다. 이 모델은 NVIDIA와 함께 개발했으며 익명화된 사용자 이력 2,600만 건으로 학습했습니다. NVIDIA GTC Berlin에서 Revolut 임원 Anton Repushko와 Amey Baokar는 배포를 뒷받침하는 인프라를 설명했습니다. 플랫폼은 의사결정 요청 경로 밖에서 고객 활동을 사전 처리하고 토큰화하며, 초기에는 고객 8,000만 명을 지원합니다. 규모를 세 배로 확장하고 고객당 최대 10,000개의 이벤트를 처리하도록 설계됐습니다. Revolut은 전체 추론 예산을 1초 미만으로 유지하면서 데이터 읽기 p99 시간을 수십 밀리초 수준으로 맞추는 것을 목표로 합니다. GPU를 효율적으로 활용하기 위해 Revolut은 공통 모델 백본을 상주시키고 작업별 LoRA 어댑터를 교체해 사용합니다. 이 어댑터는 핵심 파라미터의 2~4%를 조정합니다. 또한 동적 배칭을 이용해 여러 사용자를 함께 처리합니다. 회사에 따르면 변경 불가능한 데이터 파이프라인, 버전 관리 토크나이저, 감사 추적이 규제 요건 준수를 뒷받침합니다. Revolut은 거래 이력이 부족하거나 외부 신용 데이터를 활용하는 신청자 등의 사례에 PRAGMA의 이벤트 시퀀스 모델링과 테이블형 파운데이션 모델 STRIDER를 결합합니다. 이번 발표는 금융 서비스 분야에서 AI 인프라 활용이 확대되고 있음을 보여주지만, 암호화폐 시장에 직접 영향을 줄 새로운 암호화폐 상품이나 거래 활동, 성능 결과는 보고하지 않았습니다.