How Heurist Finance built an AI-native investment workbench on Amazon Bedrock AgentCore

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Heurist는 Amazon Bedrock AgentCore로 유료 데이터를 질의별로 구매하고 개인화된 투자 분석을 제공하는 Heurist Finance를 구축했으며, 자체 LLM 오케스트레이션 스택 대비 에이전트 시스템 엔지니어링 작업이 약 80% 줄었다고 추정한다.

📌 핵심 요약

• Heurist Finance는 개인 투자자를 위해 시장 데이터 수집, 공시·뉴스 분석, 심층 조사, 포트폴리오 구성·스트레스 테스트, 포지션 모니터링을 하나의 채팅 경험으로 통합한다.
• Heurist는 Strands와 Anthropic Claude를 사용하며, Amazon Bedrock AgentCore가 신원 관리, 세션 간 메모리, 격리된 코드 실행, 결제, 관측 기능을 지원한다.
• AgentCore payments는 x402 프로토콜에 따라 Base 네트워크의 USDC로 필요한 유료 데이터를 질의별로 구매한다. Payment Session의 maxSpendAmount로 실행별 지출을 제한하고, 한도를 초과하면 사용자에게 알리고 대안을 제안한다.
• AgentCore Memory와 Identity는 보유 자산·관심 종목·투자 기간·위험 선호에 기반한 개인화를 지원한다. 사용자·요청·추적 식별자로 작업을 연결하고, Amazon Bedrock Guardrails와 AWS Secrets Manager로 입력·출력 및 결제 자격 증명을 관리한다.
• Heurist는 자체 구축 대비 에이전트 시스템 엔지니어링 작업이 약 80% 감소했다고 추정하며, 예측 가능한 사용자별 한계비용과 감사·문제 해결상의 이점을 제시한다. 향후 실적 일정 기반 조사, 포트폴리오를 고려한 시장 이벤트 분석, 투자 기간이 비슷한 트레이더의 조사 관심사에 기반한 추천을 확장하고 있다.

🧩 주요 포인트

1. 분산된 유료 데이터와 기업 계약의 부담 → 질의별 구매와 maxSpendAmount 제한으로 필요한 데이터 접근 비용을 통제.
2. 신원·메모리·분석·결제를 연결하는 관리형 인프라 → 개인화된 투자 분석과 사용자별 감사 추적을 하나의 요청 흐름에서 지원.
3. 엔지니어링 작업 약 80% 감소라는 Heurist의 추정 → 인프라 구축 부담을 줄이고 금융 조사와 개인화 기능에 개발 역량을 집중할 여지.

🧠 상세 정리

1. 개인 투자자용 통합 분석과 데이터 접근의 과제

Heurist Finance는 시장 데이터 수집부터 공시·뉴스 읽기, 심층 조사, 포트폴리오 구성과 스트레스 테스트, 포지션 모니터링까지 여러 기관형 투자 업무를 채팅 하나로 제공한다. 답변은 사용자의 포트폴리오와 선호를 반영하며, 통합 위험·수익 관점과 시나리오 분석을 개인 투자자에게도 제공하는 것이 목표다. 그러나 프리미엄 시장·거시경제·펀더멘털·대체 데이터는 유료 장벽과 개별 API 뒤에 분산되어 있고, 모든 데이터를 포괄하는 단일 공급자는 없다. 사용자 기반이 충분히 커지기 전에 기업 계약을 맺기 어려워 필요한 데이터만 구매하는 방식을 택했지만, 이는 사용자 대신 자금을 지출하면서 자금 보관·지출 한도·감사 요건을 지켜야 하는 문제로 이어졌다. 신원 유지, 세션 간 상태, 격리 실행, 결제 조율, 전체 흐름 추적까지 직접 구축하면 수개월이 걸려 조사와 개인화 개발에 집중하기 어려울 수 있었다.

2. AgentCore를 중심으로 구성한 실행 구조

Heurist는 에이전트를 Amazon Bedrock AgentCore에 배포하고 Strands로 작업을 조율하며, Amazon Bedrock에서 제공되는 Anthropic Claude를 사용한다. 오케스트레이터는 Amazon Aurora PostgreSQL에서 포트폴리오를 불러오고 AgentCore의 Identity, Memory, Code Interpreter, Observability 및 결제 기능을 연결한다. 분석 산출물은 Amazon S3에, 추적 정보는 Amazon CloudWatch에 저장하며, 결제 자격 증명은 AWS Secrets Manager에 유지한다. 한 번의 질문에서도 가격·거시 지표·공시·펀더멘털·뉴스를 결합해 상관관계, 시나리오, 차트, 백테스트를 계산할 수 있다. 이 계산은 임의의 외부 네트워크 통신이 허용되지 않는 AgentCore Code Interpreter의 격리된 샌드박스에서 수행되며, AWS Cloud에서 실행되는 해당 환경은 분석이 끝나면 해체된다.

3. x402를 통한 질의별 결제와 지출 통제

유료 데이터 구매에서는 Payment Manager가 CoinbaseCDP Payment Connector를 조율하고, 각 상호작용에 실행별 지출 상한인 maxSpendAmount를 가진 Payment Session과 Base 범위로 제한된 내장 암호화폐 지갑인 Payment Instrument를 부여한다. 데이터 공급자는 최초 요청에 HTTP 402를 반환하면서 x402 결제 조건으로 금액, 수취인, 자산인 USDC, 네트워크인 Base를 제시한다. AgentCore payments는 이 정보를 지출 상한과 대조하고, 결제가 한도를 넘으면 Heurist Finance가 사용자에게 알리고 대안을 제안한다. 예산 내에서는 Process Payment API가 Payment Instrument를 통해 결제에 서명하며, 필요한 자격 증명은 실행 시 AWS Secrets Manager에서 가져온다. 이후 X-PAYMENT 헤더에 결제 증명을 담아 요청을 재시도하면 공급자가 데이터를 반환하므로, 공급자 계약이나 선결제 없이 질문에 필요한 데이터만 구매할 수 있다.

4. 투자자 맥락을 유지하는 개인화와 보안 경계

특정 주식이 고평가되었는지 같은 넓은 질문에도 Heurist Finance는 사용자의 보유 자산, 관심 종목, 투자 기간과 위험 선호를 반영해 조사를 구체화한다. AgentCore Memory는 선호, 투자 논지의 상태, 대화 기록을 세션 간에 저장하고 Identity는 접근 범위를 해당 사용자로 제한해 별도의 선호 저장소와 접근 제어 계층을 구축할 필요를 줄인다. 각 도구 호출·결제·메모리 작업에는 사용자 ID, 워크로드 신원, 요청 ID, 추적 ID가 기록되어 서비스 전반의 감사 경로를 만든다. Identity는 OAuth를 수용하고 범위가 제한된 자격 증명을 발급하며, 결제 세션과 결제 수단, 메모리 및 분석 실행 환경에도 각각의 경계를 적용한다. Amazon Bedrock Guardrails의 입력 필터는 결제·데이터 도구를 겨냥한 프롬프트 주입 차단을 돕고, 출력 필터는 헤지되지 않은 단일 주식 추천을 금지하는 Heurist 정책 준수를 돕는다. 결제 자격 증명은 AWS Secrets Manager에 보관하며 Payment Credential Provider가 실행 시 Payment Connector를 위해 가져온다.

5. PCE 발표가 포트폴리오에 미치는 영향을 분석하는 흐름

원문은 오늘 발표된 PCE가 자신의 포트폴리오에 어떤 영향을 주는지 묻는 질문으로 전체 요청 흐름을 설명한다. 먼저 오케스트레이터가 AgentCore Identity로 사용자별 읽기 범위를 제한하면서 Amazon Aurora PostgreSQL에서 포트폴리오를 불러온다. 이어 유료 컨센서스 전망 엔드포인트를 호출하고 HTTP 402를 받으면, AgentCore payments가 지출 상한을 확인하고 Payment Instrument로 결제에 서명한 뒤 X-PAYMENT 헤더에 증명을 넣어 재요청한다. AgentCore Code Interpreter는 샌드박스 안에서 포트폴리오 영향을 계산하고 차트를 Amazon S3에 기록한다. Amazon Bedrock은 보유 자산·투자 기간·위험 선호를 반영해 답변을 종합하고 차트를 첨부해 스트리밍으로 반환한다. AgentCore Observability와 공유된 사용자·추적 맥락은 유료 데이터 구매와 최종 포트폴리오 분석을 하나의 흐름으로 연결한다.

6. 도입 성과와 향후 제품 확장

Heurist는 AgentCore가 신원, 세션 간 메모리, 샌드박스와 결제 인프라를 관리하면서 자체 LLM 오케스트레이션 스택 대비 에이전트 시스템 엔지니어링 작업이 약 80% 줄었다고 추정한다. 이는 회사가 제시한 추정치이며, 원문은 예측 가능한 사용자별 한계비용이 개인 투자자 대상 가격 책정을 뒷받침한다고 설명한다. 또한 Observability 추적으로 에이전트 의사결정을 재현하고 컴플라이언스 관련 질문을 단일 조회로 해결할 수 있어 대응 준비와 문제 해결 시간에 이점이 있다고 주장한다. 창업자 JW Wang은 관리형 인프라 덕분에 수개월을 절약하고 제품 개발에 더 집중할 수 있었다고 말했다. 이 사례의 핵심은 작은 팀이 결제 인프라를 직접 만들지 않고도 통제와 감사가 가능한 유료 데이터 접근을 확보해 차별화된 금융 조사에 집중한다는 점이다. Heurist는 이를 바탕으로 실적 일정에 연동된 이벤트 기반 조사, 포트폴리오를 고려한 시장 이벤트 분석, 투자 기간이 비슷한 트레이더가 조사하는 내용에 기반한 추천을 확장하고 있다.

🧾 핵심 주장 / 시사점

• 질의별 데이터 구매의 경제성은 결제 기능뿐 아니라 실행별 지출 상한과 사용자별 신원 연결을 함께 갖출 때 제품 운영으로 이어질 수 있다.
• 개인화에 쓰이는 투자 맥락과 결제·분석의 감사 기록이 동일한 사용자 및 요청 흐름에 연결되어, 답변의 적합성과 추적 가능성을 함께 지원한다.
• 약 80%의 엔지니어링 작업 감소는 Heurist의 추정이므로 일반적인 절감률로 단정할 수 없지만, 관리형 인프라가 제품 개발에 집중할 여지를 제공한 사례로 볼 수 있다.

✅ 액션 아이템

• 질의별 구매와 maxSpendAmount 제한을 기준으로 유료 데이터 접근 비용의 통제 가능성 검토.
• AgentCore Memory와 Identity를 통한 개인화 및 사용자별 감사 추적의 연결 방식 검토.
• Heurist의 엔지니어링 작업 약 80% 감소 추정과 예측 가능한 사용자별 한계비용을 바탕으로 관리형 인프라의 도입 효과 평가.

❓ 열린 질문

• Heurist가 추정한 엔지니어링 작업 약 80% 감소는 어떤 작업 범위와 비교 기준에 근거하는가?
• maxSpendAmount를 초과해 대안을 제안할 때 개인화된 투자 분석의 품질은 어떻게 유지되는가?
• 실적 일정 기반 조사와 포트폴리오를 고려한 시장 이벤트 분석을 확장할 때도 예측 가능한 사용자별 한계비용을 유지할 수 있는가?