경영진 회담 시리즈에서 AI의 선제적 도입에 대한 리더들의 관점을 확인하세요.
Model ML은 금융 서비스 회사 운영을 주도하는 방식을 혁신하는 AI 인프라를 구축하고 있습니다. Model ML의 플랫폼은 엔드 투 엔드 워크플로뿐 아니라 맞춤형 리서치 및 분석을 자동화하는 특정 목적용 에이전트 및 애플리케이션을 갖추고 있습니다.
CEO 겸 공동 창립자인 Chaz Englander와 금융 회사가 어떻게 진화하는지, 최근 AI 발전이 이러한 회사의 운영을 어떻게 자동화하고 간소화하는지에 대해 이야기를 나누어보았습니다.
저번 회사를 매각한 후, 제 동생과 저는 우리가 투자를 좋아하지는 않지만 GPT가 구동하는 함수 호출 기능을 통한 투자 프로세스 자동화에 관심을 갖게 됐다는 점을 깨달았어요.
가족 6명이 함께 근무하는 회사였는데 GPT‑3.5의 대규모 언어 모델을 활용하니 마치 60명의 직원이 함께 일하는 팀이 있는 것 같았죠.
직접 Model ML의 프로토타입을 구축했지만 상업화할 계획은 없었습니다. 하지만 리서치 워크플로의 자동화가 제공하는 인사이트와 효율성을 느낀 후 가능성을 깨달았죠.
예전이라면 며칠이나 몇 주, 심지어는 몇 달이 걸릴 작업을 이제 몇 분, 몇 시간 만에 처리할 수 있습니다. 예를 들면 분기 수익 요약 준비는 보통 몇 시간이 걸리는 일인데요. 이제 에이전트가 전체 과정을 처리합니다. 데이터를 가져오고, 슬라이드를 구성하고 SharePoint에 Powerpoint를 게시하는 작업을 전부 인간의 개입 없이 처리하죠. 아마 다들 올해 느낀 가장 큰 변화는 이런 것일 거예요. 아침에 오면 업무가 이미 모두 처리되어 있는 거죠.
“아마 다들 올해 느낀 가장 큰 변화는 이런 것일 거예요. 아침에 오면 업무가 이미 모두 처리되어 있는 거죠.”
이러한 일들이 인간이 어디에 가치를 더해야 할지, 기업이 현재뿐 아니라 미래에도 팀이 영향력을 발휘할 분야를 어떻게 재구조화해야 할지를 재고하게 만들고 있습니다.
현재 기업들은 인력을 더 가치가 높은 판단 기반 역할로 이동시키고 있습니다. 적어도 우리가 보기에는 우리 협력사의 리더들은 전체 조직의 구조를 AI 네이티브 방식으로 재고하고 있는 사람들이에요. 굉장히 어려운 일이기 때문에 초기부터 우리가 컨설턴트로 역할을 하며 현재 AI가 가장 잘 적용될 수 있는 부분을 파악하도록 돕고, 12개월 후에 가장 영향력이 클 것이라고 생각하는 부분에 대한 미래 계획을 마련해 주죠.
“우리 협력사의 리더들은 전체 조직의 구조를 AI 네이티브 방식으로 재고하고 있는 사람들이에요.”
금융 회사 직원들의 영향력은 줄어들지 않고 오히려 커지는 광경을 목격하고 있는데요. 머리 아픈 작업이 자동화되니 사람들은 관계에 집중하고 전략적인 사고를 할 수 있습니다. 여기서 승리하는 회사는 이러한 변화를 최대한 활용하기 위해 전체 운영 구조를 재고하는 회사일 겁니다.
재무, 정확성, 규정 준수 및 워크플로에 적합하다는 특징은 필수로 갖춰야 할 부분입니다. 이러한 특징이 일반적인 목적의 도구가 부족한 부분이죠. Model ML은 처음부터 두 가지 주요 수준에서 금융 서비스를 위해 특별히 구축되었습니다.
우선 에이전트 계층에서 금융 전문가가 일상적으로 사용하는 구조화된 데이터 및 비구조화된 데이터를 SharePoint 등의 도구에서 분석하고 수백 개의 테이블로 20테라바이트에 달하는 Capital IQ, FactSet 및 Crunchbase 등의 일반적인 데이터 세트와 상호작용하기 위한 특별한 시스템을 구축하고 파인 튜닝했습니다. 12개월 전에는 이런 데이터 세트를 기반으로 에이전트를 구축한다는 것은 거의 불가능에 가까웠습니다. 단순히 질문에 답하는 모델이 아니기 때문이죠. 컨텍스트를 인지해야 하고, 스키마를 이해해야 하고, 코드를 작성해야 하고, 테라바이트 규모의 복잡한 데이터에서 정보를 검색해야 하는 모델입니다.
두 번째는 애플리케이션 계층입니다. 사용자가 에이전트와 상호작용하는 인터페이스는 금융 분야에 맞춰 특별하게 설계되었습니다. 기업은 엔드 투 엔드 워크플로를 자동화하는 에이전트를 구축할 도구를 활용하고 이전에는 불가능했던 분석을 수행할 수 있습니다. 매일 수십 개의 새로운 사용 사례를 발견하고 있으며 이런 것이 현재 수천 개에 달합니다. 이 중 많은 사례가 고객이 가입하자마자 바로 기존의 틀에서 빠져나와 활용한 것이에요.
고객에게 즉시 혜택을 주는 데 집중한 새로운 모델이 출시될 때마다 의미있는 단계적 변화를 경험했습니다. 추론과 코딩 기능 등의 발전으로 우리 제품의 영역이 엄청나게 확장되었습니다. 최근 OpenAI o3‑pro, o3, o4-mini 및 GPT‑4.1 등의 새로운 모델 출시는 추론, 멀티모달 기능, 지침 준수 및 도구 통합 등에 드라마틱한 발전을 가져다주었죠. 더 커진 컨텍스트 창과 향상된 추론 기능으로 엔드 투 엔드 워크플로를 실현할 수 있게 되었습니다. 이제 사용자들은 데이터 수집, 분석, 프레젠테이션 제작 작업을 연결하여 완전히 자율적으로 완벽한 형식의 결과물을 생성할 수 있습니다.
“추론과 코딩 기능 등의 발전으로 우리 제품의 영역이 엄청나게 확장되었습니다.”
앞으로 가장 큰 변화는 엔드 투 엔드 워크플로 자동화의 증가일 겁니다. 시스템이 디지털 일꾼을 감독하는 컨트롤 타워 역할을 하는 거죠. 이러한 에이전트가 디지털 세계 전체에서 더욱 복잡한 다단계 작업을 처리하게 될수록 UI와 우리가 하드웨어와 상호작용하는 방식도 변화하기 시작할 겁니다. 아마도 12개월도 더 후에나 볼 수 있는 일이겠지만 우리가 향하는 방향이죠.
앞으로 우리 제품 안에서 구축할 수 있는 진정으로 자율적인 에이전트가 등장할 겁니다. Model ML의 에이전트는 CRM, 이메일, 파일, 외부 데이터 공급업체, 회의록 등에서 데이터를 수집하고 분석하고 제시하는 정교한 워크플로를 수행할 수 있어요. 이러한 에이전트들은 지시를 기다리지 않습니다. 매일, 매주, 매월, 매분기, 매년 등 주기적인 작업이든 실제 현실에서 일어난 일로 인한 작업이든, 해야 할 작업을 예측합니다. 마치 회의 후 팀원에게 질문하거나 이메일에 회신하는 것처럼 말이죠.
진정한 변화는 이러한 워크플로가 시스템 전반에서 심화 이성과 오케스트레이션을 통해 엔드 투 엔드로, 자동으로 실행될 것이라는 점입니다. 결과물은 전적으로 기계가 작성한 100페이지 분량의 Powerpoint만큼 실질적인 내용이 될 수도 있고, 이건 더 빠른 데다 일관성을 갖추고 있으며 24시간 내내 사용할 수 있죠.
비즈니스를 이끄는 워크플로를 자율적으로 실행하는 디지털 팀이 더 향상되고 더 빨라지고 항상 대기 상태로 있는 것이 미래의 모습입니다.
우리는 AI 네이티브 기업이 구조적으로 다른 시야를 가질 것이라고 믿습니다. 계층은 더 줄어들고, 사이클은 더 빨라지고, 피드백 루프는 더욱 촘촘해질 것입니다. Model ML은 평면 구조를 수용했습니다. 공동 설립자인 Arnie와 저에게 직접 보고하는 사람이 굉장히 많거든요. 체계 없이 복잡한 것처럼 보일 수도 있겠지만 AI 덕분에 불가능한 일이 아닙니다. 모든 일대일 건이 AI 지원을 받아요. 기록, 해야 할 일, 컨텍스트, 전부 간소화되었죠. 그래서 더 빨리 움직이고 제품에 집중할 수 있습니다. 현대의 기업은 이렇게 운영될 거라고 생각합니다. 고립된 계층 구조가 아니라 컨트롤 타워가 되는 거죠.
민첩성을 갖추려면 생태계와 기반 모델의 향상에 투자해야 합니다. 어쩌면 창립자의 사고방식과 엔지니어링 조직에 적용될 수도 있는 진정한 핵심은 자기 코드에 감정적으로 반응하지 않는 겁니다. 예전에는 에이전트 추출, 서비스 커넥터 등 전부를 직접 구축했습니다. 이제 OpenAI나 다른 오픈 소스 커뮤니티가 OpenAI의 에이전트 SDK나 MCP 커넥터처럼 더 나은 걸 내놓으면 우리 코드를 삭제하고 그걸 바로 적용합니다.
OpenAI의 에이전트 SDK와 MCP 도구를 활용하여 에이전트 루프, 도구 호출, 가이드레일, 통합을 처리하는 방식으로 전환했습니다. 유지 관리를 줄이고 혁신을 더 빠르게 추진할 수 있게 됐죠.
우리는 인프라를 유지함으로써 이기려는 게 아니라 고객 결과를 통해 가치를 제공함으로써 이기고자 합니다.
Model ML은 GPT‑4.1, OpenAI o3, 에이전트 SDK 등 OpenAI의 API 플랫폼을 사용하여 에이전트, 자동화, 내부 도구를 구동하고 있습니다.
