# 금융 AI의 승부처는 모델 밖에 있다: 로고가 구축하는 거래 업무 시스템

> 2026-09-22 · Invest Like the Best · 큐레이션 김태우
> https://challengekim.com/insights/금융-ai의-승부처는-모델-밖에-있다-로고가-구축하는-거래-업무-시스템
> 원문: https://www.youtube.com/watch?v=B0illwrqUG0

## 핵심 요약

- 로고 창업자 게이브는 금융 AI 기업의 경쟁력이 범용 모델 자체보다 금융기관의 데이터, 규제 요건, 거래 절차를 연결하는 시스템에 있다고 주장했다.
- 로고의 초기 핵심 고객은 주식 투자자보다 기업을 사고파는 거래 담당자다. 자료실 준비와 검토부터 거래 관련 내부 시스템 갱신까지 다룬다.
- 금융 업무에서는 답의 정확성과 함께 **어떤 자료와 가정으로 결론에 이르렀는지 확인할 수 있는 능력**이 중요하다.
- 개인의 작업 시간이 줄어드는 것과 금융기관 전체의 실적이 개선되는 것은 별개다. 기업은 절약한 역량을 어디에 쓸지 결정해야 한다.
- 게이브가 말하는 거래 자동화와 금융기관의 가치 변화는 전망이다. 사적 시장의 표준화와 사람 사이의 신뢰가 얼마나 바뀔지는 불확실하다.

## 초기의 AI는 시연할 수 있었지만 업무를 맡기기 어려웠다

게이브는 로고를 시작하기 전에도 금융 업무에 AI를 적용하려 했지만 제대로 작동하지 않았다고 회고했다. 회사를 세운 초기에도 시연은 인상적이었으나 실제 결과는 믿고 쓰기 어려웠다. 그의 설명에 따르면 이후 모델의 신뢰성이 높아지면서 여러 분기의 재무 지표를 찾고 계산하는 검색 업무가 가능해졌고, 더 최근에는 적절한 지시와 맥락을 제공할 경우 주니어 금융 인력의 여러 업무를 수행할 수 있게 됐다.

그렇다고 모델 개선만으로 제품이 완성된 것은 아니다. 은행 임원이 발표 자료에 수정 사항을 표시해 이메일로 보내면, 로고의 AI 분석가가 이를 처리해 돌려주고 담당 주니어 분석가에게 변경 내역을 알리는 흐름이 한 사례다. 게이브는 기존에 이틀가량 걸리던 작업을 이 방식으로 약 20분에 처리한다고 설명했다. 사용자가 이미 일하는 방식에 AI를 끼워 넣고, 사람이 수정 과정을 확인할 수 있게 한 설계다.

## 거래 자료부터 내부 기록까지 연결한다

게이브는 공개 주식 시장에는 활용할 데이터가 많다고 보면서도, 로고의 초기 핵심 시장은 기업 인수·매각을 진행하는 사람들로 설명했다. 매도 측은 기업 자료실에 재무 모델, 고객 설명 자료, 실사 질문의 답변 등을 준비한다. 매수 측은 그 자료를 검토해 고객 집중도 같은 위험이 투자 기준에 맞는지 살핀다. 여기서 자료실은 거래 상대방이 실사 자료를 주고받는 공간이다.

업무는 자료 검토에서 끝나지 않는다. 거래가 진행되면 고객관계관리 시스템, 포트폴리오 관리·점검 시스템, 투자자에게 전달할 정보도 갱신해야 한다. 게이브는 로고가 이메일이나 대화창 같은 화면뿐 아니라 이런 내부 기록 시스템과도 연결된다고 말했다. 그는 공개 주식 투자자를 위한 제품에도 관심이 있지만, 그 분야에서 좋은 투자자가 어떻게 일하는지에 관한 전문 지식을 더 확보해야 한다고 인정했다.

## 범용 모델과 다른 경쟁 영역

게이브는 OpenAI나 Anthropic 같은 모델 기업과의 경쟁을 묻는 질문에, 금융업의 세부 업무를 깊이 파고드는 방향을 제시했다. 금융 영역마다 데이터, 좋은 결과의 기준, 규제 요건이 다르다는 설명이다. 그의 판단으로는 범용 모델 기업이 챗봇을 제공하더라도 거래 자료실이나 금융기관별 업무·기록 시스템을 모두 구축할 가능성은 낮다. 이는 경쟁 구도에 관한 게이브의 견해이지, 두 기업의 계획에 대한 확인된 사실은 아니다.

로고도 모델을 고정해 쓰기보다 업무별 성능, 처리 비용, 지연 시간을 평가해 적합한 모델로 작업을 보낸다고 한다. 초기에는 질문 하나를 처리하기 위해 여러 모델 호출과 데이터 조회를 복잡하게 엮었다. 모델이 개선된 뒤에는 필요한 데이터 도구, 결과 검증 방법, 기존 시스템으로 결과를 전달하는 방법을 설계하는 데 더 집중하게 됐다.

## 정확한 답만큼 중요한 감사 가능성

게이브는 금융 AI에서 결과를 **추적·검증할 수 있어야 한다**고 강조했다. 답이 대체로 정확해도 사용자가 근거를 확인할 수 없다면 활용하기 어렵다. 반대로 오류가 발생했을 때 입력 자료와 가정을 쉽게 확인할 수 있다면 문제를 찾아 고칠 수 있다.

이 요건은 AI가 자료를 찾는 보조 도구에서 이메일 발송이나 투자 판단 같은 작업을 실행하는 도구로 옮겨갈수록 무거워진다. 게이브는 거래 과정에서 시장에 영향을 줄 수 있는 비공개 중요 정보를 다룬다면, 정보가 어떻게 사용됐고 어떤 결과로 이어졌는지 기록해야 한다고 설명했다. 그는 여러 사람과 장기간 협업하는 에이전트가 필요한 맥락을 일관되게 기억하고 압축하는 일도 현재 모델이 잘 풀지 못한 과제로 꼽았다.

## 개인의 시간 절약을 조직의 성과로 바꾸는 문제

게이브에 따르면 로고의 고객은 주로 대형 은행이다. 한 은행 임원은 이전에는 분석가와 며칠에 걸쳐 만들었을 고객용 자료를 직접 10분 만에 작성했다고 전했다. 그러나 게이브는 이런 개인의 생산성 향상이 곧바로 거래 수주나 처리 건수 증가를 뜻하지는 않는다고 선을 그었다. 비용을 줄일지, 이전에는 수익성이 낮아 다루지 못했던 작은 거래에 진입할지 등은 금융기관이 정할 전략이다.

판매 방식에도 제약이 있다. 로고는 현재 고객에게 익숙한 사용자 수 기준으로 가격을 매긴다. 계약마다 영업 담당자와 기술 인력이 기관을 설득하고 시스템 연결을 설명해야 한다. 게이브는 장기적으로 투자 아이디어나 은행의 매각 자료처럼 고객이 가치를 판단할 수 있는 결과물에 따라 값을 매기는 방식을 선호하지만, 이를 현재 적용 중인 가격 체계로 말하지는 않았다.

## 자동화 전망에 남은 조건

게이브는 향후 금융기관이 뛰어난 직원의 경험과 판단 맥락을 자체 소프트웨어와 데이터 시스템에 담으려 할 것으로 전망했다. 그가 제시한 ‘10년 뒤 기업 가치의 90%가 사람보다 소프트웨어·데이터·시스템에 있을 수 있다’는 수치는 확정된 예측이 아니라 변화를 생각해 보기 위한 가정이다.

그 역시 변화의 속도에는 확신하지 못했다. 사적 시장은 비정형 자료가 많아 표준화가 어려웠고, AI가 이를 얼마나 해결할지는 지켜봐야 한다. 또 오랫동안 회사를 일군 소유주가 매각 상대를 직접 만나 신뢰를 확인하려는 과정까지 자동화할 수 있을지도 불분명하다고 말했다.

로고의 사례는 금융 AI가 이미 일부 문서 작업을 줄이고 있음을 보여준다. 거래 전체를 맡기는 단계로 가려면 자료와 업무 시스템을 연결하고, 결과를 검증할 수 있게 하며, 사람의 신뢰가 필요한 지점을 구분해야 한다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=B0illwrqUG0)