어느 문장에 코멘트를 해볼까 생각하다가 업계가 어느 위치에 서 있는가를 아는 게 가장 바탕이 되는 얘기가 될 것 같아서, 그것 먼저 답을 합니다.
금융권의 AI 사용에 대해서 말씀드리자면. AI 구현 방법론에 여러 계층이 있어요. AI 안에 ML (machine learning), ML 안에 DL (deep learning), DL 안에 Gen AI (generative AI).
ML/DL:
ML과 DL은 이미 금융권 뿐만 아니라 전 산업에서 광범위하게 사용되고 있는 성숙한 기술이고요. 금융권에서도 씁니다. 다만 그걸 트레이딩의 엔진으로 쓸만큼 정확도가 높지 않아요. 틀렸을 경우 책임질 수도 없고 무엇보다 틀린 경우 다시 교정하는 게 너무 어렵습니다. 왜냐하면 지금 production에 deploy 돼 있는 게 그때까지 가능한 모든 데이터를 모아 훈련시킨 거니까요. 더 낫게 만들 수 없어요. 그런데 그 점수가 별로 높지 않아요. 이게 지난 70년간 ML/DL이 실업무 완전 도입에 대부분 실패하고 보조 도구로만 쓰이는 이유입니다.
그러니까 ML/DL은 트레이딩에 쓸 수는 없고 좀 실패해도 되는 분야, 사기 탐지, 칩입 탐지 같은 보안 분야, 대출심사의 1차 필터링, 신용카드발급 1차 필터링같은 곳에 적극적으로 도입이 돼 있습니다. 모델을 훈련할 때 false positive 와 false negative 라는 오류(고등학교 수학에서 배우는 제1종의 오류, 제2종의 오류 그겁니다) 중 한쪽을 집중적으로 더 잘 줄이도록 훈련시킬 수 있어요. 두 가지 오류를 다 제거하여 전체적으로 다 잘하게 만드는 건 극도로 어렵지만, 예를 들면 false negative (즉 사기를 놓치는 경우)를 최소화하는 식으로 한쪽에 가중치를 두면, 사람이 하나하나 하는 것보다 압도적으로 잘 하게 만들 수 있거든요.
Gen AI:
Gen AI는 어느 단계냐 하면, 당연히 트레이딩에 못 쓰죠. 금융권에서 사용하는 어떤 모델이라는 것은, 수학적 정의와 비슷한 엄격함을 요구합니다. 이 모델의 in/out이 무엇이냐가 정의가 돼야 모델로 인정을 받고 그걸 비즈니스에 사용할 수 있어요. Gen AI 결과는 랜덤이기 때문에 트레이딩에 못 씁니다. 원래 ‘모델’로 안 하던 거, 예를 들면 리서치에는 쓸 수 있어요, 보고서 작성에 쓸 수 있어요.
Gen AI는 그러면 뭐하는데 쓰냐? 월가 돈 많아요. Gen AI 도입에 총력전입니다. 모든 분야에 Gen AI 도입 검토와 테스트를 하고 있죠. 인력의 생산성이 수십~수백배 단위로 올라가는 분야가 속속 나오고 있습니다. 아다시피 그렇게 올라간 생산성 덕분에 개발자 cut, 중간매니저 cut, HR cut, 고객대응팀 cut, 애널리스트 cut, … 말로 업무를 하는 직종의 인력 가지치기 하는데에도 사용이 되고 있고요. 2026년은 AI로 인한 생산성 혁신이 시작되는 해입니다.