플랫폼 엔지니어링은 연구자와 트레이더가 같은 데이터·배포·관측 도구를 쓰게 만드는 기반이다. Optiver는 이를 사업 전체가 매일 사용하는 토대라고 설명한다. 지역별로 중복된 기술을 공통 플랫폼으로 옮겨 실험과 신규 사업의 마찰을 줄이는 방향이다.
에이전트형 AI의 역할은 코드 작성에 그치지 않는다. 운영환경에서 사용자와 대화하며 변경을 수행하는 봇도 쓰기 시작했고, 앞으로는 사람이 작업을 분해해 여러 에이전트를 지시·조율하는 비중이 커질 것으로 본다. 이는 회사의 현재 방향과 기대를 설명한 것이지 성과수치를 검증한 연구는 아니다.
에이전트가 일하려면 팀 지식·문서·인터페이스를 기계가 읽을 수 있게 외부화해야 한다. 동시에 결과가 확률적이므로 시험과 감독이 필요하다. 채권 연구에서는 데이터 권한, 변경범위, 재현시험과 롤백을 승격조건으로 두고 위험한도·킬스위치는 별도 통제선에 남겨야 한다.
SCOPEOptiver 플랫폼 책임자의 공식 인터뷰다. 구체적 전략·라벨·모델·배포건수·실패율·P&L은 공개하지 않았으며 생산성 향상은 회사 설명의 방향성이다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Platform engineering, end to end: a conversation with Pat Cooney3 primary · 0 archived +
Optiver는 플랫폼을 사업 전체가 사용하는 기반이라고 설명한다.
ORIGINAL PASSAGEthe foundation we build the business onOptiver Technology Blog, Platform engineering, 6 May 2026, accessed 2026-10-18향후 개발은 에이전트를 정의하고 조율하는 방식의 비중이 커질 것으로 본다.
ORIGINAL PASSAGEdefining and orchestrating agentsOptiver Technology Blog, Agentic AI section, 6 May 2026, accessed 2026-10-18확률적으로 동작하는 에이전트에는 시험과 감독이 필요하다고 설명한다.
ORIGINAL PASSAGEhow you test and oversee those agentsOptiver Technology Blog, Agentic AI section, 6 May 2026, accessed 2026-10-18Show the original briefing text
구분: Optiver 공식 기술 블로그·에이전트형 AI와 거래 인프라
발표일: 2026년 5월 6일
핵심 요약
Optiver 공식 기술 인터뷰는 머신러닝·데이터·AI·거래시스템을 공통 플랫폼 위에서 빠르게 반복하는 운영방식을 설명한다. 코딩 에이전트뿐 아니라 운영환경에서 사용자와 대화하며 변경을 수행하는 봇을 쓰기 시작했고, 앞으로는 작업을 분해해 에이전트를 지시·조율하는 비중이 커질 것으로 본다. 이를 위해 문서와 팀 지식을 에이전트가 읽을 수 있게 외부화하고 확률적 동작을 시험·감독해야 한다고 강조한다. 실제 전략, 라벨과 P&L은 공개하지 않아 생산성·수익효과는 회사 설명의 범위를 넘겨 추론하면 안 된다.
실무 시사점
에이전트가 연구코드나 운영변경을 만들더라도 승인·재현·롤백 경로가 플랫폼에 내장돼야 한다. 채권 데스크에서는 데이터 권한, 변경 범위, 테스트 결과와 배포 이력을 사람이 검토할 수 있어야 하며 거래 위험한도와 킬스위치는 에이전트 권한 밖에 두는 편이 안전하다.
한국 시장 복제 아이디어
에이전트에게 국채선물 특징 추가와 데이터 점검을 맡기는 격리된 샌드박스를 만든다. 동일 작업의 사람 단독 대비 소요시간·테스트 실패·재현률·승인 후 롤백률을 비교하고, 운영계 변경은 이중승인과 자동 중단을 통과해야만 허용한다.