금융 업무를 수행하는 AI 에이전트의 현재

구분: 논문·arXiv 종합 리뷰
발표일: 2026년 4월 23일
원문: arXiv 논문 페이지 · HTML 원문

핵심 요약

목표를 부여받은 뒤 스스로 계획하고 도구를 호출하며 결과를 검증하는 에이전틱 AI가 전통적 알고리즘 거래와 생성형 AI에서 어떻게 구별되는지 정리한 대규모 종합 리뷰다. 단순히 매수·매도 신호를 출력하는 모델이 아니라, 데이터 조회→가설 생성→리스크 확인→주문 실행→사후평가를 연속 수행하는 자율 시스템을 대상으로 한다.

연구는 에이전틱 AI가 유동성 공급, 리스크관리 및 운영 효율성을 높일 수 있는 반면, 목표 오해석, 도구 오사용, 다중 에이전트 간 동조, 규제 책임소재 및 감사 가능성 문제를 새롭게 만든다고 평가한다. 특히 지속학습과 복수 에이전트의 협업은 정적인 모델 검증만으로 통제하기 어렵다는 점을 강조한다.

실무 시사점

• 트레이딩: 에이전트가 직접 주문을 실행하기 전, 초기 적용은 시장 브리핑·상대가치 후보 탐색·헤지안 제안처럼 사람이 승인하는 보조형 구조가 적절하다.
• 운영통제: 데이터 조회, 계산, 주문 제출 권한을 분리하고 각 단계에 승인 조건과 사용 가능한 도구를 명시해야 한다.
• 리스크관리: 최종 손익뿐 아니라 중간 추론 결과, 데이터 버전, 호출한 함수, 주문 변경 이력을 재현 가능한 로그로 저장해야 한다.
• 다중 에이전트: 금리·커브·수급·집행 에이전트를 분리할 수 있지만, 동일 LLM과 데이터에 의존하면 명목상 분업일 뿐 실질적인 모델 다양성은 확보되지 않는다.

데스크 적용 우선순위: ★★★★☆