How Balyasny Asset Management built an AI research engine

🖼️ 인포그래픽

How Balyasny Asset Management built an AI research engine 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

발리아스니 자산운용은 엄격한 모델 평가, 현업 중심의 피드백, 중앙 플랫폼과 팀별 맞춤형 에이전트를 결합해 며칠 걸리던 투자 리서치를 수 시간 안에 수행하는 인공지능 연구 체계를 구축했다.

📌 핵심 요약

발리아스니는 금융 데이터의 급증과 기존 조사 방식의 확장성 한계에 대응하기 위해 2022년 말 연구자·엔지니어·도메인 전문가 20명으로 구성된 응용 인공지능 팀을 설립했다.
모델을 배포하기 전에 예측 정확도, 수치 추론, 시나리오 분석, 잡음 입력에 대한 견고성 등 12개 이상의 차원을 내부 벤치마크와 독점 금융 데이터로 평가하고, 과업별 실증 성능에 따라 모델을 선택한다.
투자팀과 오픈AI가 실제 사용자 업무를 함께 관찰하고, 사용자 평가·결과 감사·도구 실행 품질을 구조적으로 수집해 모델과 에이전트 오케스트레이션을 지속적으로 개선했다.
핵심 에이전트 프레임워크, 도구 체계, 규정 준수 장치는 중앙에서 관리하되 각 투자팀에는 자산군과 전략에 맞는 데이터·도구 접근 권한을 부여하는 연합형 배포 방식을 채택했다.
현재 약 95%의 투자팀이 플랫폼을 사용하며, 며칠 걸리던 심층 조사는 수 시간으로 단축됐고 중앙은행 연설 분석은 이틀에서 약 30분으로 줄었으며 합병 차익거래 확률도 지속적으로 갱신된다.

🧩 주요 포인트

발리아스니는 금융 데이터의 급증과 기존 조사 방식의 확장성 한계에 대응하기 위해 2022년 말 연구자·엔지니어·도메인 전문가 20명으로 구성된 응용 인공지능 팀을 설립했다.
모델을 배포하기 전에 예측 정확도, 수치 추론, 시나리오 분석, 잡음 입력에 대한 견고성 등 12개 이상의 차원을 내부 벤치마크와 독점 금융 데이터로 평가하고, 과업별 실증 성능에 따라 모델을 선택한다.
투자팀과 오픈AI가 실제 사용자 업무를 함께 관찰하고, 사용자 평가·결과 감사·도구 실행 품질을 구조적으로 수집해 모델과 에이전트 오케스트레이션을 지속적으로 개선했다.
핵심 에이전트 프레임워크, 도구 체계, 규정 준수 장치는 중앙에서 관리하되 각 투자팀에는 자산군과 전략에 맞는 데이터·도구 접근 권한을 부여하는 연합형 배포 방식을 채택했다.
현재 약 95%의 투자팀이 플랫폼을 사용하며, 며칠 걸리던 심층 조사는 수 시간으로 단축됐고 중앙은행 연설 분석은 이틀에서 약 30분으로 줄었으며 합병 차익거래 확률도 지속적으로 갱신된다.

🧠 상세 정리

1. 투자 리서치의 한계와 전용 인공지능 시스템 구축

발리아스니 자산운용은 약 180개 투자팀이 여러 자산군과 지역에서 활동하는 글로벌 멀티전략 투자회사다. 투자 판단에는 확신, 정밀성, 속도가 모두 중요하지만, 분석가들은 시장 데이터와 조사 자료, 규제 공시 등 수천 건의 문서를 처리해야 하므로 전통적인 방식만으로는 시간과 확장성에 한계가 있었다. 범용 인공지능 도구 역시 정형·비정형 데이터를 함께 다루거나 복잡한 업무를 조율하는 능력이 부족했고, 기관투자자에게 필요한 규정 준수 기준을 충족하지 못하는 경우가 있었다. 이에 회사는 2022년 말 연구자와 엔지니어, 도메인 전문가 20명으로 응용 인공지능 팀을 구성하고, 숙련된 분석가처럼 추론하고 정보를 검색하며 행동하는 투자 연구 시스템 개발에 착수했다.

2. 배포보다 앞선 다차원 모델 평가

발리아스니는 모델을 운영 환경에 투입하기 전에 금융 분야에 특화된 정교한 평가 파이프라인을 구축했다. 평가는 예측 정확도, 수치 추론, 시나리오 분석, 잡음이 섞인 입력에 대한 견고성 등 12개가 넘는 차원을 포괄하며, 회사 내부 벤치마크와 도구, 독점 금융 데이터를 기준으로 수행된다. 이 과정에서 지피티-5.4 모델군은 다단계 계획, 도구 실행, 환각 감소 측면의 강점을 보였고, 현재 투자 연구 시스템의 추론 엔진으로 활용되고 있다. 다만 하나의 모델을 모든 작업에 일괄 적용하지 않고, 내부 모델을 포함한 여러 선택지 가운데 각 과업의 실증 평가 결과가 가장 적합한 모델을 배치한다는 것이 핵심 원칙이다.

3. 현업 사용자와 인공지능 개발팀의 직접 협업

회사는 오픈AI가 실제 투자팀의 사용자 업무 흐름을 직접 관찰하도록 하는 전략을 택했다. 이를 통해 시스템이 어떤 상황에서 좋은 결과를 내는지, 어디에서 어려움을 겪는지, 상업적 투자 환경에서 요구되는 높은 성능이 무엇인지를 구체적으로 공유했다. 실제 사용 장면에 대한 가시성은 제품 반복 개발을 빠르게 하고 피드백 주기를 단축했으며, 금융 특화 작업에서 모델의 행동을 개선하는 기반이 됐다. 발리아스니는 최첨단 모델 출시 과정의 설계 파트너로서 인위적인 시험 사례가 아니라 실제 분석가가 겪은 문제와 요구를 전달했고, 단순히 필요한 기능을 설명하는 데 그치지 않고 사용 과정을 보여주는 방식으로 협업했다.

4. 정적 도구가 아닌 지속적인 피드백 체계

인공지능이 투자팀의 일상 업무에 깊이 들어가 있기 때문에 발리아스니는 사용자 평가, 결과 감사, 도구 실행 품질 등 다양한 신호를 실시간으로 구조화해 수집할 수 있다. 이 피드백은 모델 자체뿐 아니라 여러 도구와 에이전트를 연결하는 오케스트레이션 계층을 빠르게 개선하는 데 사용된다. 대표적으로 합병 차익거래팀은 새로운 공시나 보도자료가 나올 때마다 거래 성사 확률을 다시 평가해야 한다는 요구를 제기했다. 응용 인공지능 팀은 이를 반영해 에이전트의 계획 능력과 도구 접근 범위를 확장했고, 개별 스프레드시트와 수동 알림에 의존하던 느린 절차를 실시간 확률 모니터링 체계로 전환했다.

5. 중앙 플랫폼과 투자팀별 맞춤화의 결합

각 투자팀의 전략은 서로 다르지만, 발리아스니는 인공지능 배포의 핵심 기반을 중앙화했다. 응용 인공지능 팀은 에이전트 프레임워크, 도구 체계, 규정 준수 보호장치 같은 공통 구성요소를 개발하고, 각 팀에는 필요한 데이터와 도구만 범위를 정해 제공한다. 이러한 연합형 배포 모델 아래에서 거시경제, 원자재, 주식 등 각 자산군의 투자팀은 자신의 업무에 맞춘 에이전트를 개발하고 활용할 수 있으며, 중앙 조직은 확장 가능한 구조와 연구, 모델 평가에 집중한다. 동시에 모든 팀에 동일한 규정 준수와 규제 기준을 적용함으로써 위험 관리와 데이터 보안이 필수인 금융 환경에서 자율성과 통제력을 함께 확보했다.

6. 수 시간 단위로 단축된 성과와 향후 방향

현재 발리아스니 투자팀의 약 95%가 인공지능 플랫폼을 적극적으로 사용하고 있으며, 업무 속도와 결과 품질, 분석가 경험에서 측정 가능한 변화가 나타났다. 에이전트는 공시, 조사 자료, 실적 자료를 포함한 수만 건의 문서를 종합해 과거 며칠 걸리던 심층 조사를 수 시간 안에 수행하고, 중앙은행 연설 분석기는 거시경제 시나리오 분석 시간을 이틀에서 약 30분으로 줄였다. 합병 차익거래 초예측 에이전트는 거래 확률을 계속 감시하고 갱신하며, 범위가 제한된 도구와 추적 가능한 추론 경로, 시험 가능한 에이전트는 결과에 대한 분석가의 신뢰도도 높였다. 회사는 앞으로 복잡하고 가치가 높은 작업을 위한 강화 미세조정, 금융 영역 전반의 더 깊은 에이전트 오케스트레이션, 차트·재무제표·공시를 포함한 멀티모달 입력, 향후 최첨단 모델의 도메인 적합성 평가를 확대할 계획이다.

🧾 핵심 주장 / 시사점

금융 인공지능의 확장성은 특정 모델의 성능만으로 확보되는 것이 아니라, 내부 데이터에 기반한 다차원 평가와 과업별 모델 선택 체계에서 나온다.
현업에 내장된 에이전트는 실제 사용자 평가와 결과 감사를 지속적으로 수집할 수 있어, 정적으로 배포된 도구보다 빠른 업무 개선 주기를 형성한다.
공통 기반과 규정 준수 장치는 중앙화하고 데이터·도구 사용은 팀별로 제한해 맞춤화하는 연합형 배포가 투자팀의 자율성과 기관 수준의 통제를 동시에 지원한다.