오픈AI의 머큐리 프로젝트가 금융권 노동 재편에 주는 진짜 의미

오픈AI가 월가 출신 전직 투자은행 전문가 100명 이상을 비밀리에 고용해 금융 특화 AI를 훈련하는 이른바 머큐리 프로젝트를 진행하고 있어요. 이 프로젝트는 투자은행(IB)의 주니어 애널리스트가 수행하던 반복적인 업무를 AI로 자동화하는 데 초점을 맞추고 있어요.

 

이는 단순히 업무 효율을 높이는 것을 넘어, 고액 연봉을 받는 금융 전문가들의 업무 방식과 금융 산업의 노동 구조 자체를 근본적으로 바꾸는 신호탄으로 해석돼요.

 

AI가 월가 전문가를 고용한 이유는 무엇인가요?

 

머큐리 프로젝트의 핵심은 AI가 금융업계의 실제 사례와 표준을 학습하도록 현장 전문가를 직접 투입한 점이에요. 시간당 약 150달러의 급여를 받는 이 전직 은행원들은 IPO(기업공개), 구조조정, 인수합병(M&A) 등 복잡한 금융 모델링 업무 데이터를 AI에 학습시켜요.

 

단순히 언어 프롬프트를 작성하는 수준이 아니에요. 이들은 AI가 만든 결과물을 검토하고 개선하는 피드백 역할까지 맡아요. 금융 업무는 아주 높은 수준의 정확성과 신뢰도가 필요하기 때문에, 실제 업무 경험을 가진 전문가들의 검증은 AI의 완성도를 높이는 데 필수적이에요.

 

결국 AI가 현실 금융 업무가 요구하는 복잡한 데이터 해석, 규제 준수, 위험 평가 등을 제대로 학습하려면 인간 전문가의 지식이 반드시 필요함을 보여줘요.

반응형

주니어 은행원의 반복 업무가 사라지고 있어요

 

머큐리 프로젝트가 구체적으로 겨냥하는 것은 주니어 애널리스트들이 가장 많은 시간을 쏟는 단순 반복 작업들이에요.

 

• 엑셀을 활용한 복잡한 금융 모델링
• 데이터 정리 및 분석
• 프레젠테이션 자료 수정 및 준비

 

생성형 AI가 도입되면서 이런 반복적인 실사 업무에 드는 시간이 최대 50%에서 75%까지 줄어들 수 있다는 보고도 있어요. 몇 시간 걸리던 작업을 고객과 통화하는 10분 내외로 완료하는 사례도 보고되고 있어요.

 

이는 AI가 일정 관리, 이메일 요약, 문서 작성 등 단순 업무를 자동화해 직원들이 더 전략적인 업무에 집중하게 돕는다는 의미예요. 결과적으로 투자은행 조직 전체의 업무 속도와 효율성이 크게 향상되고, 수조 원 규모의 운영 비용 절감 효과도 예상돼요.

 

머큐리 AI는 기술적으로 어떻게 다른가요?

 

프로젝트 머큐리에 사용되는 AI는 기존의 일반적인 대형 언어 모델(LLM)과 작동 방식에서 차이를 보여요. 이 모델은 확산(diffusion) 기반의 '머큐리'라는 이름으로 알려져 있어요.

 

기존 모델이 문장을 순서대로 예측(자기회귀)했다면, 확산 모델은 노이즈 상태에서 점진적으로 데이터를 생성하고 수정하는 coarse-to-fine 방식을 사용해요. 이 방식은 여러 토큰을 병렬로 예측할 수 있어, 텍스트 생성이나 코드 작성에서 더 빠르고 정확한 성능을 보여줘요.

이런 빠른 속도와 저지연 특성은 실시간 금융 보고서를 작성하고 의사결정을 지원하는 데 매우 유리하게 작용해요.

 

AI는 일자리를 없애는 대신 어떻게 바꾸나요?

 

머큐리 프로젝트는 금융권 일자리의 종말이 아니라 노동 재편의 시작을 의미해요. 생성형 AI 도입으로 고객 서비스나 백오피스 부문의 단순 반복 업무 일자리는 약 2만 7천 개가 대체될 수 있다는 전망이 나와요.

 

특히 금융 모델링 자동화로 인해 주니어 인력 수요는 감소할 수밖에 없어요. 하지만 동시에 새로운 유형의 고급 인력 수요가 크게 증가하고 있어요.

 

• AI 시스템 기획 및 감독 인력
• 고급 데이터 분석 전문가
• AI 모델 검증 및 금융 전략 평가 인력

 

결국 AI는 인간을 보조하고, 인간은 AI를 관리하며 더 고차원적인 전략적 의사결정에 집중하는 구조로 바뀌는 거예요. 이는 기존 인력의 재교육과 재배치가 매우 중요한 과제가 되었음을 뜻해요.

 

금융 AI 도입의 진짜 걸림돌은 따로 있어요

 

기술 발전 속도와 별개로, 금융 AI를 현장에 도입하는 데는 여러 규제 및 윤리적 쟁점들이 남아있어요.

 

첫째, 규제 불확실성이에요. 기존 금융 규제 체계가 AI의 특성을 충분히 반영하지 못하고 있어요. AI의 복잡한 결정 과정 때문에 오류 발생 시 법적 책임을 누구에게 물을지 불분명한 문제도 해결해야 해요.

 

둘째, 데이터 편향성과 차별 문제예요. AI가 학습한 데이터가 편향되어 있다면, AI 역시 특정 인종이나 성별, 사회계층에 불리한 신용평가 결과를 내놓을 수 있어요. 이는 금융 공정성 문제를 일으키고 소비자 신뢰를 떨어뜨려요.

 

셋째, 프라이버시 침해 위험이에요. 금융 데이터는 매우 민감한 개인정보를 포함하므로, 데이터 수집 및 처리 과정에서 강화된 보호 조치가 필요해요.

 

한국 금융권은 무엇을 준비해야 할까요?

 

이러한 변화는 월가뿐만 아니라 한국 금융권에도 동일하게 적용돼요. AI 도입에 따른 노동 재편 시나리오는 크게 세 가지로 나눌 수 있어요.

 

1. 안정적 적응 시나리오: 정부가 법적 가이드라인을 명확히 하고, 금융사들이 노조와 활발히 대화하며 간접고용 근로자 처우 개선과 업무 효율 간의 균형을 찾는 경우예요.
2. 갈등 심화 시나리오: 노동권 강화 법안 도입 과정에서 노사 갈등이 증폭되는 경우예요. 특히 콜센터, 보험설계사 등 대규모 위탁 인력 중심의 분쟁이 잦아질 수 있어요.
3. 혁신적 전환 시나리오: AI로 인한 일자리 대체가 일어나지만, 인력 재교육과 직무 재설계가 성공적으로 이뤄져 새로운 AI 관리 전문 인력이 부상하는 경우예요.

 

한국 금융노조는 이미 노동시간 단축이나 정년 연장 등 노동환경 개선 요구를 강화하고 있어요.

 

머큐리 프로젝트는 AI가 인간의 전문 지식을 학습해 인간의 업무를 대체하는 과정을 압축적으로 보여줘요. 이는 오픈AI가 소비자용 챗봇을 넘어 기업용 시장에서 안정적인 수익을 창출하려는 핵심 전략이기도 해요.

 

결국 AI 시대의 금융 경쟁력은 기술 도입 자체보다, 이로 인한 노동시장의 충격을 최소화하고 AI와 협업하는 새로운 인재를 성공적으로 양성하는 데 달려있어요.

 

 

2025.10.23 - [경제] - 금리정책의 새 기준, 자연이자율이 중요한 진짜 이유

금리정책의 새 기준, 자연이자율이 중요한 진짜 이유