A
약 120초
오토스케일링 실수로 예상보다 5배 비용, CloudWatch 세팅 습관화
클라우드 AI 인프라를 운영하면서 겪은 가장 큰 어려움은 비용 예측이었습니다. 인턴십에서 AWS EC2 기반 모델 추론 서버를 유지보수했는데, 자동 스케일링 설정 실수로 인스턴스가 줄어들지 않아 예상보다 5배 비용이 나온 적 있었습니다. 그 이후로 CloudWatch 알람과 인스턴스 사용률 대시보드를 먼저 세팅하는 습관이 생겼습니다. 제가 직접 담당한 범위는 배포 스크립트 작성과 인스턴스 타입 변경이었고, 인프라 설계 전체는 시니어 엔지니어 분이 담당했습니다. 그분의 작업을 보조하면서 VPC 구성이나 IAM 역할 설정 같은 부분을 옆에서 배웠습니다. 한계는 AI 전용 인프라(GPU 클러스터 조율, 분산 학습 설정)는 아직 경험하지 못했습니다.
이 결의 특징
인턴십에서 자동 스케일링 설정 실수로 인스턴스가 줄지 않아 예상보다 5배 비용이 나온 경험에서 CloudWatch 알람과 사용률 대시보드를 먼저 세팅하는 습관이 생겼으며, 배포 스크립트와 인스턴스 타입 변경 담당이었고 인프라 설계 전체는 시니어 엔지니어가 맡았다는 경계를 명시한 흔적이 있습니다. GPU 클러스터 조율 같은 AI 전용 인프라는 경험 못 했다는 한계까지 함께 밝힌 결이 자주 보입니다.
이 결이 통하는 자리
경험 범위와 한계를 명시하면서 비용 모니터링 선행 습관이 실패에서 나왔다는 자리가 설명될 때 통합니다. 기여 범위와 배운 것의 경계가 명확한 자리에서 면접관의 신뢰가 생기는 결이 자주 보입니다.