오픈AI 금융 전용 챗GPT 출시…신입 애널리스트의 일은 어떻게 달라질까
오픈AI가 2026년 9월 10일 금융기관 전용 ‘ChatGPT for Financial Services’를 공개했다. GPT-6 Astra의 추론 능력에 금융 데이터와 출처 추적, 엑셀 모델·리서치 문서·발표 자료 제작 기능을 결합한 제품이다. 투자은행과 주식 리서치 업무를 우선 대상으로 하며, 모건스탠리와 에버코어가 설계 파트너로 참여했다.
이 발표가 주목받는 이유는 금융회사가 범용 챗봇에 자료를 복사해 넣는 단계를 넘어, 유료 금융 데이터와 회사가 보유한 구독 자료를 ChatGPT 안에서 직접 쓰는 방향으로 이동했기 때문이다. 기업의 실적 자료를 찾고, 숫자를 비교하고, 인수합병용 피치북을 만드는 초급 분석가의 반복 업무가 크게 달라질 수 있다.
다만 일반 개인 투자자를 위한 주식 추천 서비스는 아니다. 현재는 오픈AI가 정한 ‘자격을 갖춘 금융기관’이 영업팀을 통해 이용하는 기업용 제품이며, 공개 가격과 최소 계약 규모도 발표되지 않았다. AI가 출처를 붙이고 재무 모델을 만든다고 해서 투자 판단이나 규제 책임을 대신하는 것도 아니다.
무엇이 발표됐나
ChatGPT for Financial Services는 ChatGPT Work를 금융업무에 맞게 조정한 환경이다. 오픈AI는 금융 전문가가 한 작업 안에서 자료를 찾고, 분석하고, 결과물을 만드는 데 필요한 요소를 묶었다고 설명한다.
공식 발표에서 제시한 대표 업무는 다음과 같다.
- 여러 자료를 찾아 기업과 산업을 조사한다.
- 실적 발표와 재무제표의 숫자를 비교한다.
- 기업가치 평가와 차입매수, 즉 LBO 모델을 만든다.
- 인수 후보나 잠재적 매수자를 선별한다.
- 고객에게 보여 줄 피치북과 리서치 노트를 작성한다.
- 숫자와 주장의 근거가 되는 표와 문단을 추적한다.
- 회사 템플릿에 맞춘 엑셀·워드·파워포인트 결과물을 만든다.
기존 범용 ChatGPT도 문서를 요약하고 표를 만들 수 있다. 이번 제품의 차이는 금융 데이터, 기존 데이터 구독 권한, 금융업무용 템플릿, 관리자 통제를 한 제품에 묶었다는 데 있다. 금융회사에서 AI의 장애물은 답변 능력만이 아니라 데이터 사용권, 출처 확인, 민감자료 통제이기 때문이다.
어떤 금융 데이터가 들어가나
오픈AI는 Daloopa, PitchBook, LSEG News 등의 데이터를 제품에 기본 포함한다고 밝혔다. 실적 발표문, 재무제표, 기업 기초 정보, 비상장기업 자료 등 금융 분석에 필요한 자료를 ChatGPT에서 검색하고 인용할 수 있게 한다는 설명이다.
이 부분이 일반 챗봇과 가장 크게 다른 지점이다. 금융 데이터는 웹 검색만으로 충분하지 않은 경우가 많다. 자료가 유료이고, 표의 구조가 복잡하며, 같은 숫자도 조정 전·후 기준이 다르다. 비상장기업 정보는 공개 웹에 제한적으로만 나타난다.
오픈AI는 데이터를 자체 인프라에 색인하고 호스팅해 검색 속도와 출처 표시의 정확도를 높인다고 설명한다. 사용자는 AI가 제시한 수치가 어느 표와 문단에서 왔는지 확인하고, 근거 부분을 강조 표시해 검토할 수 있다.
하지만 ‘기본 포함’이 모든 데이터와 모든 이용권을 자동으로 제공한다는 뜻은 아니다. 데이터 제공사별 사용 범위, 국가, 보관 정책, 재배포 조건이 다를 수 있다. 금융기관은 계약서에서 어떤 자료가 제품 가격에 포함되고, 어떤 자료는 별도 구독이 필요한지 확인해야 한다.
기존 금융 데이터 구독도 연결한다
대형 금융회사는 이미 S&P Capital IQ, FactSet, LSEG, MSCI, Dow Jones Factiva, Moody’s 같은 데이터 서비스에 많은 비용을 지불한다. 새 제품이 기존 서비스를 모두 대체하는 구조라면 중복 비용과 데이터 권리 문제가 생긴다.
오픈AI는 이를 해결하기 위해 금융기관이 이미 가진 데이터 구독 권한을 ChatGPT 로그인과 연결하는 방식을 추진한다고 밝혔다. S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva, Moody’s 등이 관련 통합 대상으로 언급됐다. 사용자가 회사 계정으로 로그인하면 자기가 원래 이용할 수 있는 자료만 ChatGPT 안에서 불러오는 구상이다.
또 S&P Global과 FactSet 등 자주 쓰이는 금융 데이터 연결의 안정성을 개선했다고 설명했다. Datasite, Box, Preqin, Intapp 등을 포함해 50개가 넘는 연결 생태계도 제시했다.
이 구조가 제대로 작동하면 분석가는 여러 사이트에서 파일을 내려받아 다시 올리는 시간을 줄일 수 있다. 반대로 권한 연결이 잘못되면 한 부서의 유료 자료가 다른 부서나 외부인에게 노출될 수 있다. 데이터 제공사와 금융기관, 오픈AI 사이에서 사용 기록과 재배포 책임이 어떻게 나뉘는지도 중요하다.
금융 업무에서 ‘출처 표시’가 특히 중요한 이유
일반적인 글쓰기에서 AI가 문장을 조금 잘못 만드는 것과 금융 모델에서 숫자를 잘못 넣는 것은 위험 수준이 다르다. 매출 단위를 백만 달러와 달러로 혼동하거나, 계속사업 이익과 전체 순이익을 섞거나, 일회성 비용을 잘못 제외하면 기업가치가 크게 달라질 수 있다.
오픈AI는 숫자와 주장을 특정 표와 문단까지 추적할 수 있게 한다고 강조한다. 예를 들어 조정 EBITDA를 계산할 때 어떤 비용을 제외했는지, 회사 공시의 어느 주석을 근거로 삼았는지 보여 주는 방식이다. EBITDA는 이자·세금·감가상각 전 이익을 뜻하며, 기업의 영업 성과를 비교할 때 자주 쓰인다. ‘조정’이라는 말이 붙으면 회사나 분석가가 일회성이라고 판단한 항목을 빼기 때문에 기준 확인이 더 중요하다.
출처가 붙는 것은 좋은 변화지만 자동으로 정확성을 보장하지 않는다. AI가 올바른 표에서 숫자를 가져왔더라도 기간이나 단위를 잘못 해석할 수 있다. 회사가 발표한 비표준 지표를 회계기준상 공식 수치처럼 사용할 수도 있다. 따라서 검토자는 링크가 있다는 사실이 아니라 다음을 확인해야 한다.
- 연결된 자료가 최신 공시인가
- 분기와 연도가 맞는가
- 단위와 통화가 맞는가
- 조정 항목을 일관되게 적용했는가
- 회사 발표 수치와 감사된 수치를 구분했는가
- AI의 결론이 원문에 실제로 적힌 사실인지 추론인지 구분되는가
좋은 금융 AI는 답변을 확신 있게 말하는 도구보다 검토자가 오류를 빨리 찾게 하는 도구에 가깝다.
신입 애널리스트의 일은 사라질까
CNBC 등 외부 보도는 이번 제품이 투자은행의 초급 애널리스트와 어소시에이트가 맡아 온 업무를 직접 겨냥한다고 평가했다. 이들은 기업 자료를 수집하고, 재무제표를 정리하고, 비교기업 표를 만들고, 피치북의 수많은 페이지를 고치는 데 많은 시간을 쓴다.
ChatGPT for Financial Services가 공식 설명처럼 조사부터 모델, 문서, 발표 자료까지 이어서 처리한다면 반복 업무 시간은 줄어들 수 있다. 특히 숫자 출처 찾기, 표 형식 맞추기, 실적 발표 전후 비교, 기존 템플릿에 내용 채우기 같은 작업이 먼저 자동화될 가능성이 크다.
하지만 이것이 곧바로 ‘신입 채용이 사라진다’는 뜻은 아니다. 금융거래에는 고객 관계, 협상, 책임 판단, 규제 검토, 예외 상황 처리가 필요하다. AI가 만든 모델의 가정을 검토하고, 시장 상황에 맞게 수정하고, 고객에게 설명하는 사람도 필요하다.
더 큰 문제는 훈련 방식이다. 지금의 시니어 뱅커와 펀드매니저는 초급 시절 반복 작업을 하면서 재무제표의 이상한 숫자와 거래 문서의 세부사항을 배웠다. AI가 그 과정을 대신하면 젊은 직원은 더 빨리 중요한 판단에 참여할 수 있지만, 기초를 충분히 익히지 못한 채 AI 결과를 승인하는 사람이 될 수도 있다.
금융회사는 인력을 단순히 줄이는 문제보다 새로운 수습 과정을 설계해야 한다. AI가 만든 모델을 일부러 검토하게 하고, 원문과 비교해 오류를 찾는 훈련을 하고, 가정을 바꿨을 때 결과가 어떻게 변하는지 설명하게 해야 한다. 반복 작업이 줄어든 자리를 검증과 판단 훈련으로 채우지 않으면 조직의 장기 전문성이 약해질 수 있다.
개인 투자자가 바로 쓸 수 있는 서비스는 아니다
제품 이름만 보면 일반 사용자가 ChatGPT에 종목을 물어보고 전문 리서치를 받을 수 있다고 오해하기 쉽다. 그러나 오픈AI가 밝힌 현재 이용 대상은 ‘자격을 갖춘 금융기관’이다. 관심 있는 기관은 오픈AI 또는 기존 담당 영업팀에 문의해야 한다.
공개된 소비자 요금제에 이 기능이 포함된다는 발표는 없었다. 좌석당 가격, 최소 계약 기간, 최소 사용자 수, 제공 국가도 공개되지 않았다. 따라서 개인 ChatGPT Plus나 Pro 구독자가 같은 금융 데이터와 기관용 통제를 사용할 수 있다고 가정하면 안 된다.
금융기관도 바로 가입 버튼을 누르는 구조가 아니라 자격과 계약을 확인해야 한다. 데이터 라이선스와 규제 의무 때문에 업종과 국가에 따라 이용 범위가 달라질 수 있다. 한국 금융회사가 사용할 경우 금융권의 망분리, 개인정보, 전자금융 감독, 국외 이전과 내부통제 요구를 별도로 검토해야 한다.
보안과 규제는 모델 성능보다 먼저다
투자은행과 자산운용사가 다루는 자료에는 공개 전 실적, 인수합병 계획, 고객 포트폴리오, 신분정보가 포함될 수 있다. 이런 데이터가 잘못 공유되면 단순한 업무 실수가 아니라 시장질서와 법적 책임 문제로 이어질 수 있다.
오픈AI는 중앙 관리자 기능, 데이터 원본별 접근 통제, 감사와 조사를 위한 로그 내보내기, 회사 템플릿 관리 등을 강조한다. 금융기관은 직원별로 어떤 기능과 데이터에 접근할 수 있는지 정하고, 민감한 거래 자료를 별도로 관리할 수 있어야 한다.
그러나 제품에 보안 기능이 있다는 것과 기관의 규제를 충족한다는 것은 다르다. 실제 도입에서는 최소한 다음을 확인해야 한다.
- 입력 자료와 생성 결과가 어디에 저장되는가
- 기관 데이터가 모델 학습에 사용되는가
- 보존 기간을 기관이 정할 수 있는가
- 국가별 데이터 위치 요구를 충족하는가
- 관리자와 사용자 행동의 감사 기록이 남는가
- 외부 데이터 제공사의 라이선스를 준수하는가
- 잘못된 분석이 고객 문서에 들어갔을 때 승인 책임이 누구에게 있는가
- 거래별 정보 장벽과 이해상충 통제가 유지되는가
특히 투자은행 내부에서도 공개시장 리서치팀과 비공개 거래팀 사이에는 정보 장벽이 필요하다. AI가 여러 자료를 한곳에서 검색할수록 어느 데이터가 어느 팀에 허용되는지 세밀하게 나눠야 한다.
GPT-6 Astra 성능 수치는 어떻게 봐야 하나
오픈AI는 GPT-6 Astra가 금융 정보 검색, 추론, 결과물 제작에서 뛰어나다고 주장한다. 공식 발표에는 미국 재무부 자료의 복잡한 표와 주석을 찾고 분석하는 OfficeQA Pro에서 69.9%를 기록했고, GPT-5.6 Sol은 60.2%였다는 비교가 제시됐다.
이 수치는 발전을 보여 주지만 세 가지를 기억해야 한다. 첫째, 69.9%는 100%가 아니다. 벤치마크와 같은 유형에서도 상당한 오류 가능성이 남아 있다는 뜻이다. 둘째, 공급사가 선택해 발표한 평가이므로 독립기관의 반복 검증이 필요하다. 셋째, 시험 점수가 실제 거래 문서의 복잡성과 조직별 템플릿, 급박한 업무 환경을 모두 대변하지 않는다.
금융회사는 공개 벤치마크보다 자체 자료로 시험해야 한다. 이미 완료된 거래나 과거 실적 분석을 사용해 AI가 어떤 숫자를 놓치는지, 모델 가정이 어떻게 달라지는지, 엑셀 수식이 깨지지 않는지, 출처가 정확한지 확인하는 방식이 현실적이다.
‘AI가 사람보다 빠르다’는 비교도 완성된 결과물만 놓고 봐야 한다. 초안은 몇 분 안에 나와도 사람이 오류를 찾고 고치는 데 오래 걸리면 전체 시간 절감은 작다. 반대로 출처 추적과 템플릿 적용이 안정적이라면 검토 시간을 크게 줄일 수 있다.
금융회사와 고객에게 실제로 달라지는 점
금융회사 내부에서는 분석 속도와 업무 표준화가 가장 먼저 달라질 수 있다. 여러 분석가가 각자 다른 파일을 만들기보다 승인된 데이터와 템플릿을 사용하는 하나의 환경으로 모일 수 있다. 시니어 직원은 자료 수집보다 가정과 결론을 검토하는 데 시간을 더 쓸 수 있다.
고객은 더 빠른 자료와 더 자주 갱신되는 보고서를 받을 수 있다. 기업금융 고객에게 시장 상황과 비교기업 자료를 신속하게 반영한 제안서를 만들고, 자산관리 고객에게 복잡한 정보를 쉬운 설명으로 바꿀 수 있다.
하지만 속도가 빨라지면 자료의 양도 늘어날 수 있다. 비슷한 피치북과 리서치 노트가 쏟아지면 차별화는 줄어든다. 고객은 문서가 빨리 나왔는지보다 가정이 타당한지, 분석가가 자기 상황을 이해했는지, 책임 있게 설명하는지를 더 보게 될 수 있다.
AI로 만든 자료인지 고객에게 알릴 필요가 있는지도 기관별 정책과 규제에 따라 정해야 한다. 자동 생성됐더라도 최종 문서에 회사 로고와 직원 이름이 붙으면 회사가 책임을 져야 한다.
투자 판단에 사용할 때의 한계
금융 AI가 최신 데이터와 강한 추론 모델을 결합하더라도 미래 수익률을 확실히 예측할 수는 없다. 재무제표는 과거와 현재를 보여 주고, 시장 가격은 수많은 기대를 반영한다. AI는 자료를 정리하고 시나리오를 계산할 수 있지만 예상 밖의 정책, 경영진 행동, 지정학적 사건을 미리 알 수 없다.
또 데이터가 많다고 편향이 사라지지 않는다. 과거 성공 거래를 학습한 분석은 새로운 시장 환경에서 실패할 수 있고, 공개 자료 중심의 모델은 비공개 정보의 부재를 모른 채 확신할 수 있다. 회사가 제공한 조정 수치를 그대로 받아들이면 낙관적인 결론이 나올 수도 있다.
따라서 AI 결과에는 가정, 불확실성, 반대 시나리오가 함께 있어야 한다. “매수할까”라는 질문에 한 줄 결론을 받기보다 금리, 성장률, 마진, 할인율이 바뀔 때 가치가 어떻게 달라지는지 봐야 한다. 고객에게 제공하는 권고는 자격 있는 전문가와 기관의 승인 절차를 거쳐야 한다.
기업이 도입 전에 시험할 방법
처음부터 모든 거래팀에 열기보다 범위를 좁힌 시험이 적합하다. 공개 정보만 쓰는 과거 기업 분석을 골라 사람과 AI가 같은 결과물을 만들게 한다. 그리고 속도뿐 아니라 오류와 검토 비용을 측정한다.
확인할 항목은 구체적이어야 한다.
- 숫자가 원문과 정확히 일치하는가
- 단위와 환율, 기간을 일관되게 처리하는가
- 엑셀 수식과 연결이 실제로 작동하는가
- 표와 그래프를 새 데이터로 갱신할 수 있는가
- 출처가 원문 표의 정확한 위치로 연결되는가
- 민감한 정보가 다른 팀의 검색 결과에 나타나지 않는가
- 회사 템플릿과 법적 고지 문구를 지키는가
- 사람이 수정한 내용이 다음 버전에서 사라지지 않는가
시험 결과는 ‘몇 시간을 아꼈다’만으로 평가하면 안 된다. 잘못된 숫자가 고객에게 전달된 비율, 검토자가 발견하지 못한 오류, 권한 위반 시도, 로그 추적 가능성까지 함께 봐야 한다.
아직 공개되지 않은 점
가장 큰 미확인 사항은 가격과 이용 범위다. 오픈AI는 자격 있는 금융기관이 이용할 수 있다고만 밝혔고, 공개된 좌석 가격이나 최소 계약 조건, 국가 목록은 제시하지 않았다. 어떤 기본 데이터가 계약에 포함되고 기존 구독 연결에 추가 비용이 드는지도 기관별 확인이 필요하다.
실제 고객 자료에서의 정확도와 시간 절감도 독립적인 장기 검증이 부족하다. 모건스탠리와 에버코어가 설계 파트너로 참여했다는 사실은 제품이 현장 요구를 반영했다는 신호지만, 모든 규모와 지역의 금융기관에서 같은 효과가 난다는 증거는 아니다.
초급 인력 채용에 미칠 영향도 아직 전망이다. 자동화 가능한 업무가 분명히 늘었지만, 금융회사들이 인원을 줄일지, 같은 인원으로 더 많은 거래를 처리할지, 교육 방식을 바꿀지는 실제 도입 이후 확인해야 한다.
앞으로 볼 변화
첫째, 금융 데이터 제공사와 AI 회사의 관계가 어떻게 바뀌는지 봐야 한다. ChatGPT가 여러 데이터 서비스를 한 화면에 묶으면 사용자는 개별 플랫폼보다 AI 대화창을 먼저 열 수 있다. 데이터 회사는 원자료의 가치와 사용권을 지키면서 AI 유통 경로를 확보해야 한다.
둘째, 금융회사의 초급 교육이 달라질지 주목할 필요가 있다. 반복 모델링을 AI가 맡고 신입이 검토와 고객 업무로 빨리 이동한다면 새로운 교육과 평가 기준이 필요하다. 셋째, 출처 추적이 실제 감사와 규제 검사에서 인정받을 만큼 안정적인지가 중요하다.
이번 발표의 핵심은 ChatGPT가 금융 질문에 더 잘 답한다는 데 그치지 않는다. 유료 데이터, 회사의 기존 구독 권한, 재무 모델, 문서 제작, 관리자 통제를 한 업무 환경에 넣었다는 점이다. 성공 여부는 빠른 초안보다 숫자를 원문까지 추적할 수 있는지, 정보 장벽을 지키는지, 사람이 최종 책임을 질 수 있게 만드는지에 달려 있다.