容器化（Containerization）幾乎已經成為現代服務部署的標準配備了。我們看到所有主要的雲供應商都支持通用容器編排框架，例如 Kubernetes、OpenShift。雖然金融業多半使用的服務都是受到限制的，無法完整得到開放源碼的好處，但考量在 AI/ML 的發展上，我們還是盡可能地在封閉的環境裡選擇開放的解決方案。而 Kubernetes 上也持續出現了許多 ML 的整合方案。這意味著科學家/工程師可以輕鬆地（?）將模型部署為雲平台上的容器並對其進行擴展和縮減。但，真的這麼美好嗎？

1. 以一個金融業內的 AI 科學家/工程師，在由 AI 核心為基礎所提供的服務，應該要以什麼樣的態度來與同伴們合作。

2. 在使用託管或是受限制的服務中想達成可觀察性（Observability）的技術挑戰。

3. 如何在非同步的分散式架構（如兩組人所維護的不同組 k8s cluster）中達成可觀察性。

4. 可觀察性如何能協助我們在服務突然出現異常時，儘速找到問題？