오픈AI의 청구서: 월스트리트의 비싼 점심은 누가 사는가

엑셀과 야근으로 쌓은 탑, AI가 밀어버릴까

월스트리트의 투자은행(IB)에 갓 입사한 주니어 뱅커의 삶은 정해져 있습니다. 새벽까지 이어지는 야근, 수백 페이지짜리 보고서와 씨름하며 엑셀 단축키에 손가락이 익숙해지는 시간. 이들이 밤새워 하는 일의 상당 부분은 사실 고도의 창의력보다는 노동집약적인 자료 수집과 정리에 가깝습니다. 기업의 과거 실적을 정리하고, 시장 데이터를 취합해 그래프를 그리고, 선배들이 쓸 투자 제안서(Pitchbook)의 초안을 만드는 일입니다.

오픈AI가 바로 이 지점을 파고들었습니다. 최근 공개한 '금융 특화 챗GPT'는 월스트리트의 '비싼 막내'들이 하던 일을 자동화하겠다고 공언합니다. 이 AI는 우리가 아는 일반 챗GPT와는 조금 다릅니다. 비유하자면, 세상 모든 책을 읽은 어설픈 대학생이 아니라, 지난 20년간의 월스트리트저널과 기업 공시, 경제 보고서만 집중적으로 읽고 암기한 금융 전문 대학원생에 가깝습니다. 방대한 금융 용어와 데이터 형식에 맞춰 특별 훈련을 받은 것입니다.

이 AI에게 “최근 5년간 반도체 산업의 주요 M&A 사례를 요약하고, A 기업의 재무 건전성을 동종업계 B, C사와 비교하는 표를 만들어줘”라고 지시하면, 주니어 뱅커가 며칠 밤새워 할 일을 몇 분 만에 뚝딱 해치웁니다. 투자은행 입장에서 보면, 연봉 수억 원에 야근 수당까지 줘야 하는 신입사원 수십 명의 일을 월 구독료 수천만 원짜리 소프트웨어가 대신해주는 셈입니다. 경영진의 귀가 솔깃할 수밖에 없는 제안입니다.

'생산성 향상'이라는 달콤한 노래의 비용

'비용 절감'과 '생산성 향상'. 실리콘밸리가 새로운 기술을 팔 때 언제나 부르는 달콤한 노래입니다. 하지만 이 노래의 비용은 누가 치르는지 따져봐야 합니다. 돈잔치의 청구서는 반드시 어딘가로 날아오기 마련입니다.

물론 표면적인 비용은 오픈AI에 지불할 구독료입니다. 하지만 진짜 비용은 보이지 않는 곳에 있습니다. 당장 주니어 뱅커들의 일자리가 사라지는 것을 걱정하는 목소리가 높습니다. 맞는 말이지만, 그건 현상의 일부일 뿐입니다. 더 큰 비용은 조직 전체가 치러야 할 '구조조정의 고통'입니다.

집에서 요리하면 외식비를 아낄 수 있다는 말과 비슷합니다. 맞는 말이지만, 당장 실천하려면 가스레인지와 냉장고는 물론, 좋은 칼과 도마, 각종 냄비와 조미료를 새로 사야 합니다. 요리법도 배워야 하고, 장 보는 시간과 설거지하는 수고도 감수해야 합니다. 배보다 배꼽이 더 커질 수도 있습니다.

금융 AI 도입도 마찬가지입니다. 단순히 소프트웨어를 구독한다고 끝나는 게 아닙니다.

1. 새로운 기술에 맞는 조직 개편이 필요합니다. AI가 만든 결과물을 검토하고 최종 판단을 내릴 수 있는 숙련된 시니어 인력은 오히려 더 중요해집니다. 주니어-미들-시니어로 이어지던 전통적인 승진 사다리가 무너지고, 'AI 조련사'와 '최종 결정권자'라는 이원적 구조로 바뀔 수 있습니다.
2. 데이터 보안과 규제 준수 비용이 발생합니다. 은행의 가장 중요한 자산은 고객 데이터와 내부 정보입니다. 이걸 외부 클라우드 기반의 AI에게 넘겨준다는 건, 우리 집 금고 열쇠를 옆집 사람에게 맡기는 것과 같습니다. 그래서 은행들은 민감한 정보 유출을 막기 위해 자체 서버에 설치하는 AI(온프레미스)나 별도의 보안망을 구축하는 데 막대한 추가 비용을 써야 합니다.
3. '실수'에 대한 책임 소재가 복잡해집니다. AI가 잘못된 데이터를 기반으로 만든 보고서 때문에 투자 손실이 발생하면 누구 책임일까요? AI 개발사인 오픈AI일까요, 그 AI를 쓰기로 결정한 은행일까요, 아니면 AI의 결과물을 검토하고도 실수를 놓친 직원일까요? 이 법적 리스크를 관리하는 데에도 상당한 비용이 듭니다.

결국 '생산성 향상'이라는 열매를 맛보기까지는 상당한 시간과 추가 비용, 그리고 조직 전체의 고통스러운 체질 개선 과정이 필요합니다. 주니어 뱅커 10명의 연봉을 아끼려다, 그보다 더 큰 비용을 시스템 구축과 인력 재교육에 쏟아붓는 상황이 올 수도 있다는 뜻입니다.

역사는 반복된다: 로터스 1-2-3와 다크 파이버의 교훈

월스트리트가 기술 충격에 휩싸인 건 이번이 처음이 아닙니다. 역사의 평행선을 그어보면 우리가 어디쯤 와 있는지, 앞으로 어떤 일이 벌어질지 힌트를 얻을 수 있습니다.

긍정적인 시나리오는 1980년대 '스프레드시트'의 등장입니다. 로터스 1-2-3나 마이크로소프트 엑셀이 처음 나왔을 때, 사람들은 계산기와 주판을 쓰던 경리, 회계 담당자들이 모두 일자리를 잃을 것이라고 예측했습니다. 결과는 어땠습니까? 정반대였습니다. 복잡한 계산을 컴퓨터가 대신해주자, 분석가들은 단순 반복 작업에서 해방되어 더 깊이 있는 분석과 예측 모델링에 시간을 쏟을 수 있었습니다. 오히려 스프레드시트를 자유자재로 다루는 '파워 유저'가 각광받았고, 금융 분석이라는 산업 자체의 파이가 커졌습니다. AI 옹호론자들이 가장 즐겨 인용하는 사례입니다.

하지만 어두운 역사도 있습니다. 2000년대 초 닷컴 버블 시기의 '다크 파이버(Dark Fiber)' 광풍이 떠오릅니다. 당시 통신회사들은 인터넷 수요가 무한정 폭발할 것이라 믿고, 미국 전역에 필요 이상으로 많은 광케이블을 깔았습니다. 하지만 예상만큼 수요가 빨리 늘지 않자, 막대한 투자비를 회수하지 못한 회사들이 줄줄이 파산했습니다. 케이블은 깔려 있지만 데이터가 흐르지 않는 '어두운 섬유'만 남았던 것입니다. 지금의 AI 열풍도 비슷합니다. 너도나도 엄청난 돈을 들여 AI 반도체와 데이터센터를 짓고 있지만, 이 인프라를 채울 만큼 수익성 있는 비즈니스 모델이 제때 나오지 않는다면, 값비싼 '디지털 다크 파이버'만 남게 될 수 있습니다.

하나 더 짚을 것은 '벤더 파이낸싱(Vendor Financing)'의 함정입니다. 이는 기술 회사가 제품을 팔기 위해 구매자에게 자금을 빌려주거나 대폭 할인을 해주는 관행입니다. 특히 새로운 기술을 시장에 안착시키려 할 때, 이름있는 대기업을 '고객사'로 확보하기 위해 거의 공짜에 가까운 조건으로 제품을 공급하는 경우가 많습니다. 겉보기에는 '월스트리트의 A 은행이 우리 AI를 도입했다'는 화려한 뉴스지만, 그 이면에는 기술 회사의 막대한 출혈 마케팅이 숨어있을 수 있습니다. 우리는 오픈AI와 월스트리트의 계약이 순수한 시장 논리에 따른 것인지, 아니면 AI의 가능성을 입증하기 위한 전략적 쇼케이스인지 냉정하게 지켜봐야 합니다.

골드만삭스는 왜 자체 AI를 만들까

이 지점에서 중요한 질문이 나옵니다. 오픈AI의 솔루션이 그렇게 뛰어나다면, 왜 골드만삭스나 JP모건 같은 거대 투자은행들은 막대한 돈을 들여 자체 AI를 개발하는 걸까요? 그냥 사서 쓰면 편할 텐데 말입니다.

이는 기성복과 맞춤 정장의 차이로 설명할 수 있습니다. 오픈AI의 금융 AI는 잘 만든 기성복입니다. 웬만한 사람에게는 잘 맞고, 당장 입을 수 있어 편리합니다. 하지만 최고의 자리에 있는 사람들은 자신의 몸에 완벽하게 맞는 맞춤 정장을 원합니다. 금융의 세계에서 '몸에 맞는 옷'이란, 각 회사가 수십 년간 쌓아온 독점적인 데이터와 고유의 투자 철학을 의미합니다.

골드만삭스가 두려워하는 것은 AI가 내놓는 분석 결과가 경쟁사인 모건스탠리의 그것과 똑같아지는 '통찰의 평준화'입니다. 모두가 같은 챗GPT를 쓴다면, 모두가 비슷한 분석과 비슷한 투자 전략을 갖게 될 것입니다. 월스트리트처럼 단 1%의 차이로 승부가 갈리는 곳에서 이는 재앙과 같습니다. 그들이 원하는 AI는 다른 사람은 가질 수 없는, 오직 자신들의 데이터와 노하우로만 학습된 '우리 집안의 비밀 병기'입니다.

더 근본적인 이유는 '데이터 주권'입니다. 오픈AI 같은 외부 AI를 사용한다는 것은 회사의 중요한 질문과 데이터를 외부 서버로 보내는 것을 의미합니다. 오픈AI가 아무리 보안을 약속해도, 은행 입장에선 잠재적 위험을 안고 가는 것입니다. 반면 자체 AI는 모든 데이터와 분석 과정을 내부의 폐쇄된 망 안에서 통제할 수 있습니다. 통찰력의 차별화와 데이터 보안, 이 두 가지 이유만으로도 거대 은행들은 'AI 내재화'에 수십억 달러를 쏟아부을 가치가 있다고 판단하는 것입니다.

흔한 오해와 진짜 신호

AI의 등장은 늘 장밋빛 전망과 근거 없는 공포를 동반합니다. 이럴 때일수록 흔한 오해에서 벗어나 우리가 진짜 추적해야 할 '신호'가 무엇인지 구별해야 합니다.

첫 번째 오해: “AI가 주니어 뱅커의 일자리를 모두 없앨 것이다.” 이는 절반만 맞는 말입니다. 정확히는 '일자리'가 아니라 '업무'를 없앨 것입니다. 엑셀로 데이터를 정리하고 파워포인트로 장표를 그리던 '손'의 역할은 AI가 가져가겠지만, 그 결과물이 맞는지 검증하고, 어떤 질문을 던져야 의미 있는 답을 얻을지 고민하는 '머리'의 역할은 오히려 더 중요해집니다. 앞으로의 주니어 뱅커는 금융 지식은 기본이고, AI에게 정확한 지시를 내리는 '프롬프트 엔지니어링' 능력과 AI가 뱉어낸 결과물의 허점을 찾아내는 비판적 사고 능력을 갖춰야 할 것입니다. 병목이 '노동'에서 '통찰'로 옮겨가는 셈입니다.

두 번째 오해: “AI의 분석은 인간보다 객관적이고 편향이 없을 것이다.” 이것은 위험한 착각입니다. AI는 과거 데이터에서 패턴을 학습합니다. 만약 과거 데이터에 특정 인종이나 성별, 지역에 대한 편견이 담겨 있다면, AI는 그 편견을 그대로, 심지어 더 증폭해서 학습할 수 있습니다. '쓰레기를 넣으면 쓰레기가 나온다(Garbage In, Garbage Out)'는 컴퓨터 과학의 오랜 격언은 AI 시대에도 유효합니다. AI가 내놓은 분석을 맹신하는 것은 과거의 편견을 미래의 결정으로 이어가는 위험한 다리를 놓는 것과 같습니다.

그렇다면 우리는 무엇을 봐야 할까요? 독자 여러분이 이 거대한 변화의 흐름을 놓치지 않기 위해 추적해야 할 세 가지 신호를 제시합니다.

1. 채용 공고의 변화: 투자은행들의 '금융 분석가(Financial Analyst)' 채용 공고를 주시하십시오. 자격 요건에 'MS 오피스 능숙' 같은 단어 대신 'AI 모델 활용 경험', '데이터 시각화 툴(태블로 등) 사용 능력', '자연어 처리(NLP) 기반 리서치 경험' 같은 문구가 등장한다면, 변화는 이미 시작된 것입니다.
2. 은행의 IT 예산 항목: 골드만삭스, JP모건 같은 대형 은행의 연차 보고서를 살펴보십시오. '인건비' 항목의 증가율과 '소프트웨어 라이선스'나 '클라우드 컴퓨팅' 같은 IT 비용 항목의 증가율을 비교해 보십시오. IT 비용이 인건비를 추월해 가파르게 상승한다면, 돈의 흐름이 사람에서 기계로 넘어가고 있다는 가장 확실한 증거입니다.
3. M&A 타깃의 변화: 월스트리트의 인수합병(M&A) 뉴스를 눈여겨보십시오. 과거에는 경쟁 은행이나 자산운용사를 인수했지만, 앞으로는 AI 모델링이나 데이터 분석에 특화된 기술 스타트업을 인수하는 사례가 늘어날 것입니다. 이는 은행들이 미래의 핵심 경쟁력이 어디에 있다고 보는지 명확하게 보여주는 신호입니다.

그래서 이 돈잔치의 청구서는 누가 받나

다시 처음의 질문으로 돌아가겠습니다. 이 화려한 AI 기술 잔치의 청구서는 결국 누가 받게 될까요? 저는 그 청구서가 여러 갈래로 나뉘어 발송될 것이라고 봅니다.

첫 번째 청구서는 현재의 금융 교육 시스템에 날아갈 것입니다. 지난 수십 년간 명문 경영대학원(MBA)은 엑셀 재무 모델링과 하버드 비즈니스 스쿨의 케이스 스터디를 가르쳐 월스트리트로 학생들을 보내왔습니다. AI가 이 작업들을 대체하기 시작하면, 이 커리큘럼은 순식간에 구식이 됩니다. 지금의 교육 방식은 '스스로 생각하는 법'이 아니라 '정답을 빨리 찾는 법'을 가르쳤는데, 정답 찾기를 AI가 더 잘하게 된 이상, 대학은 무엇을 가르쳐야 할지 근본적인 질문에 직면하게 될 것입니다.

두 번째 청구서는 조직의 허리에 해당하는 중간 관리자들이 받게 될 것입니다. 주니어 뱅커 수십 명을 지휘하며 보고서를 취합하고 검토하는 것이 주요 업무였던 부사장(VP), 이사(Director)들의 역할이 애매해집니다. 팀원들이 AI로 대체된다면, 그들은 무엇을 관리해야 할까요? 스스로 AI를 다루는 플레이어가 되거나, 아니면 조직 내에서 자신의 가치를 새로 증명해야 하는 혹독한 시험대에 오를 것입니다.

그리고 가장 무거운 청구서는, '과거의 성공 공식'을 충실히 따랐던 수많은 젊은 인재들에게 청구될 것입니다. 좋은 대학에 가서, 높은 학점을 받고, 엑셀과 파워포인트를 익히면 월스트리트에서 성공할 수 있다는 믿음 말입니다. 그들이 막 그 성공의 사다리에 발을 들여놓으려는 순간, 누군가 그 사다리를 걷어차 버린 격입니다.

저는 양비론으로 도망치지 않겠습니다. 이 변화는 피할 수 없으며, 장기적으로는 산업 전체의 효율성을 높일 것입니다. 하지만 그 과정에서 발생하는 비용과 고통을 '혁신을 위한 어쩔 수 없는 희생'이라는 말로 눙쳐서는 안 됩니다. 기술이 인간을 대체하는 것이 아니라, 새로운 기술을 다루는 인간이 낡은 기술에 머무는 인간을 대체할 것입니다. 그 냉정한 현실을 직시하는 것이, 오픈AI가 보낸 청구서를 제대로 읽는 첫걸음입니다.

Q. 저희 아이가 대학에서 금융을 전공하고 싶어 하는데, 말려야 할까요? A. 전공 자체를 말릴 필요는 없습니다. 다만 공부하는 방식을 바꿔야 합니다. 과거처럼 재무 모델링 공식을 외우고 엑셀 기술을 연마하는 데 그쳐서는 안 됩니다. 오히려 경제사나 철학을 공부해 인간의 욕망과 시장의 광기를 이해하고, 통계학과 컴퓨터 공학을 복수전공해 데이터의 이면을 읽는 능력을 길러야 합니다. AI를 자신의 손발로 부릴 수 있는 '생각하는 사람'이 되어야지, AI가 대체할 '손발'이 되어서는 곤란합니다. Q. AI가 아직 실수도 많이 하고 엉터리 정보를 만들어내기도 하는데, 정말 금융 같은 중요한 분야에 쓰일 수 있을까요? A. 좋은 지적입니다. 그래서 '인간의 감독(Human-in-the-loop)'이 필수적입니다. AI는 초고속으로 초안을 작성하는 신입사원과 같습니다. 가끔 엉뚱한 소리를 해도, 사람이 제대로 된 방향만 제시하고 결과물을 꼼꼼히 검수한다면 없는 것보다 훨씬 낫습니다. 자동차의 완전 자율주행은 아직 멀었지만 차선 유지 보조나 자동 긴급 제동 같은 기능은 이미 운전을 매우 편리하고 안전하게 만들었습니다. 금융 AI도 당분간은 그런 '보조 주행 장치'의 역할을 하게 될 것입니다. 다만 그 보조 장치의 성능이 상상 이상으로 빠르게 발전하고 있다는 점을 기억해야 합니다. Q. 투자자 입장에서 이 트렌드에 올라타려면 어떤 기업에 주목해야 할까요? A. 단순히 'AI'라는 이름이 붙은 기술주에 맹목적으로 투자하는 것은 위험합니다. 닷컴 버블 때 '.com'만 붙이면 주가가 폭등했다가 사라진 회사들을 기억해야 합니다. 진짜 옥석은 세 군데서 나올 것입니다. 첫째, AI 모델의 기반이 되는 고성능 반도체와 클라우드 인프라를 독점적으로 공급하는 기업들입니다. 둘째, 오픈AI 같은 범용 AI가 아니라, 특정 산업(금융, 의료, 법률 등)의 독점적 데이터와 결합해 누구도 복제할 수 없는 서비스를 만들어내는 '수직적 AI' 기업입니다. 마지막으로, 이런 AI 기술을 가장 빠르고 효과적으로 도입해 비용 구조를 혁신하고 새로운 시장을 창출하는 각 산업의 1등 기업입니다. AI를 '만드는' 회사뿐 아니라, AI를 '잘 쓰는' 회사에 주목해야 합니다.