생성형 AI를 업무에 도입하려는 금융회사라면, 일반 ChatGPT만으로는 부족하다는 점을 이미 느끼고 있을 가능성이 큽니다. 질문에 답하고 문서를 요약하는 일은 잘하지만, 실제 투자은행이나 리서치 조직의 업무는 데이터 출처, 정해진 보고서 형식, 검토 절차까지 함께 맞아야 하기 때문입니다.
OpenAI가 9월 10일 발표한 ChatGPT for Financial Services는 이런 간극을 겨냥한 서비스입니다. Morgan Stanley, Evercore와 협력해 개발했으며, 투자은행과 주식 리서치 업무를 주요 활용처로 제시했습니다.
금융 데이터와 실제 산출물을 연결합니다
이 서비스는 LSEG, PitchBook, Daloopa 같은 금융 데이터 소스와 연결됩니다. 단순히 공개 웹 문서를 찾아 답하는 방식보다, 기업 분석에 필요한 재무·시장 데이터를 바탕으로 일을 진행하려는 구성입니다.
기업별 템플릿을 적용해 재무 분석 자료, 리서치 문서, 피치북 작성 등을 지원하는 것도 차이입니다. 피치북은 투자 제안이나 기업 분석 내용을 정해진 형식으로 정리한 자료인데요. 실무에서는 초안을 빨리 만드는 것만큼 회사의 표현 방식과 숫자 검증 기준을 지키는 일이 중요합니다.
기업용 AI는 보안과 권한 설계가 함께 가야 합니다
금융 업무는 민감한 고객 정보와 미공개 정보를 다루는 경우가 많습니다. 그래서 역할 기반 권한, 암호화, 감사 로그 같은 기능이 포함됐다는 점을 가볍게 볼 수 없습니다.
예를 들어 모든 직원이 모든 리서치 데이터와 고객 자료를 검색할 수 있다면, AI가 편리해도 실제 도입은 어렵습니다. 누가 어떤 자료에 접근했고 어떤 결과물을 만들었는지 남기는 구조가 있어야 내부 통제와 사후 확인이 가능합니다. 기업 AI는 모델 성능만 비교해서는 안 되는 이유입니다.
범용 AI에서 산업별 AI로 이동하는 배경
이번 발표는 AI 시장이 범용 AI에서 산업별 AI로 옮겨가는 흐름을 잘 보여줍니다. 범용 ChatGPT는 폭넓은 질문을 다루는 데 강점이 있지만, 모든 산업의 세부 업무와 조직별 규칙까지 알아서 이해하기는 어렵습니다.
앞으로 경쟁력은 Foundation Model, 즉 기본 AI 모델 위에 산업 데이터와 업무 워크플로, 기업별 규칙을 얼마나 제대로 얹느냐에 달려 있다고 봅니다. 같은 모델을 써도 어떤 데이터를 연결하는지, 승인 과정과 문서 양식을 어떻게 설계하는지에 따라 현장에서의 쓸모가 크게 달라집니다.
기업이 확인할 것은 AI 도입 목적입니다
금융회사만의 이야기는 아닙니다. 제조·법무·교육·유통 분야도 각자의 데이터와 업무 절차가 있어야 AI가 실제 업무 도구가 됩니다. 반대로 사내에 정리된 데이터가 없고 업무 기준도 제각각이라면, 처음부터 전문 AI 플랫폼을 크게 도입하는 것보다 자료와 프로세스를 정비하는 일이 우선일 수 있습니다.
AI를 도입할 때는 “어떤 모델이 좋은가”보다 “우리 조직에서 반복되는 업무 하나를 어떤 데이터와 규칙으로 줄일 것인가”를 먼저 정하는 편이 현실적입니다. OpenAI의 금융 특화 움직임은 AI가 대화 도구를 넘어 업무 시스템 안으로 들어가고 있다는 신호에 가깝습니다.
