Accelerating Coupang’s AI Journey with LLMs
쿠팡이 LLM을 활용해 이미지·텍스트 이해, 약한 라벨 생성, 상품 분류를 개선하는 사례를 소개했습니다. 또한 CJK 언어 특성과 ICL·RAG·SFT·CPT, Kubernetes 기반 훈련 흐름을 함께 설명했습니다.


쿠팡이 LLM을 활용해 이미지·텍스트 이해, 약한 라벨 생성, 상품 분류를 개선하는 사례를 소개했습니다. 또한 CJK 언어 특성과 ICL·RAG·SFT·CPT, Kubernetes 기반 훈련 흐름을 함께 설명했습니다.

쿠팡은 ML 개발 속도를 높이기 위해 노트북, 피처 스토어, 훈련, 추론, 모니터링을 통합한 플랫폼을 구축했습니다. 하이브리드 클러스터와 CI/CD 연계로 대규모 모델의 개발과 배포 효율을 높였습니다.

쿠팡의 머신러닝 플랫폼이 개발부터 배포, 모니터링까지 전 과정을 어떻게 지원하는지 소개했습니다. 노트북, 피처 스토어, 분산 학습, 추론 서빙, 하이브리드 클러스터 운영이 핵심입니다.

우편번호와 텍스트 주소 중심의 배송 영역 관리를 H3 육각형 격자 기반으로 재설계했습니다. 지도 시각화와 공간 통계로 영역 분할, 수정, 경로 최적화를 개선했습니다.

쿠팡의 배송 구역 관리 시스템을 H3 기반 공간 인덱싱으로 재설계한 사례입니다. 텍스트 주소 중심 운영의 한계를 줄이고 지도 위에서 구역을 직관적으로 관리할 수 있게 했습니다.

클라우드 사용량을 체계적으로 분석하고 도메인 팀과 협업해 운영 비용을 최적화한 사례를 다루었습니다. 비프로덕션 자동화, 인스턴스 조정, 스토리지 전환으로 큰 폭의 비용 절감 효과를 거두었습니다.

쿠팡은 재무와 엔지니어링 협업으로 클라우드 지출 최적화 체계를 만들었습니다. 중앙팀과 분석 대시보드, 인프라 전환으로 대규모 비용 절감을 이끌었습니다.

풀필먼트 센터 입고에 필요한 트럭 수량을 기계 학습으로 예측해 슬롯 낭비와 지연을 줄인 사례를 소개했습니다. LightGBM과 베이지안 최적화를 활용해 예측 정확도와 운영 효율을 개선했습니다.

입고 예약 단계에서 필요한 트럭 수를 예측하는 머신러닝 모델을 적용했습니다. 과다 배정과 입고 지연을 줄이고 예약 시스템과 연동해 운영 효율을 높였습니다.

쿠팡 SCM 팀이 low-code, no-code 워크플로우 플랫폼으로 데이터 구축과 서비스 개발 효율을 높인 사례를 소개했습니다. 비개발자도 사용할 수 있는 캔버스 기반 빌더와 확장 가능한 아키텍처를 함께 설명했습니다.
