AI와 인간의 환상 케미! 금융 리서치, 이제 꽃길만 걷자!

AI, 금융 리서치에 혁신을 가져오다

“AI는 반복적이고 정형화된 작업에서 엄청난 효율을 가져다주지만, 복잡하고 미묘한 판단이 필요한 영역에서는 인간의 전문성을 대체할 수 없습니다.” – 버스타인 연구

버스타인 연구에 따르면, 대규모 언어 모델(LLM)은 정보 수집 및 요약 같은 정형화된 작업에서 뛰어난 효율을 보입니다. 하지만 미묘한 판단이 필요한 영역에서는 아직 인간의 전문성이 필수적입니다.

LLM, 어디까지 잘할까?

데이터 종합 및 요약

LLM은 수년간의 실적 발표 콜 요약이나 방대한 보고서 검토 등 데이터 종합 작업에 탁월합니다. 이는 정형화된 데이터 처리에서 AI가 가진 강점이죠.

자동화된 보고서 작성

주가 요약이나 실적 보고서 같은 반복적인 문서 작업을 자동화하여 업무 효율을 높일 수 있습니다.

고객 응대 및 서비스

투자 문의나 계좌 정보 안내와 같은 고객 서비스 챗봇에 활용돼 신속하고 정확한 응대를 가능하게 합니다.

AI의 한계와 인간의 역할

하지만 AI에게도 아직 넘기 힘든 한계가 있어요. 연구에 따르면, 기업 모델 구축이나 투자 논리 개발과 같은 복잡한 작업에서는 정확도가 떨어집니다. 금융 리서치는 독점적인

‘폐쇄된 데이터’

와 정성적인 판단에 크게 의존하기 때문인데요. 실제로 LLM의 출력물에는 오류, 하드코딩된 값, 분석적 깊이의 부족이 드러나기도 했습니다. 이처럼 미묘한 분석이 필요한 영역은 여전히 인간의 전문적인 지식과 경험이 필수적이죠.

이러한 한계를 극복하려면

‘프롬프트 품질’

이 중요해요. 남캘리포니아대학교 연구에 따르면 프롬프트의 작은 변화만으로도 응답의 정확도가 5~9%가량 변동하는 것을 연구는 보여줍니다.

버스타인의 재테스트 결과에서도 유사한 패턴이 나타났어요. 실적 발표 콜 처리 시 반복적 프롬프팅을 사용하면 평균 점수가 5점 만점에 3.8에서 4.3으로 증가했고, 경영진 어조 평가에서도 점수가 3.8에서 4로 향상되었습니다. 하지만 투자 논리 구축과 같은 복잡한 작업에서는 구조화된 프레임워크에도 불구하고 3에서 3.4로만 소폭 상승했죠.

반면, IT 헬프데스크와 같은 표준화된 작업에서는 검색 증강 생성 시스템이 29.4점을 기록하며 인간의 23.1점을 훨씬 능가했어요. 결국, 미묘한 언어 해석과 복잡한 추론은 여전히 인간의 강점으로 남아 있으며, AI는 인간의 판단을 보조하는 역할로서 최적의 시너지를 발휘하는 것이 이상적입니다.

협업, 시너지를 창출하다

결론적으로 LLM은 방대한 데이터 처리와 표준화된 작업 자동화에 강력한 도구입니다. 그러나 투자 논리 개발 같은 복잡하고 미묘한 판단에는 인간의 전문성과 감독이 필수적입니다. AI는 인간을 보조하여 최적의 시너지를 창출합니다.

LLM과 금융, 자주 묻는 질문