Doppel이 Modal을 통해 머신러닝 인프라 비용과 복잡성을 제거한 방법

기존 Doppel의 ML 워크플로는 순차적인 실험 실행과 무거운 컨테이너 기반의 추론 배포로 인해 개발 속도가 정체되는 문제를 겪고 있었다. 이를 해결하기 위해 Modal의 서버리스 인프라로 마이그레이션하여 map() 함수 하나로 K-fold 교차 검증을 병렬화하고, 복잡한 오케스트레이션 없이 실험 루프를 가속화했다. 결과적으로 모델 빌드 시간이 최대 10배 단축되었으며, HTTP 서비스 레이어 없이 직접 함수를 호출하는 방식으로 추론 시스템을 단순화했다. 이 사례는 소규모 ML 팀이 인프라 관리 부담을 덜고 모델 개선이라는 본질적인 작업에 집중할 수 있음을 보여준다.