Model ML, Claude로 기관급 금융 심층 연구를 구현하다

산업:

금융 서비스

기업 규모:

중소기업

제품:

Claude Platform

위치:

북아메리카

Video caption

Model ML은 엔드투엔드 워크플로우와 맞춤형 리서치를 자동화하는 금융 서비스용 AI 워크 스페이스입니다.

Claude 기반으로 하는 최초의 금융 심층 연구 플랫폼을 구현했습니다. 본 플랫폼은 세계 최대 규모의 금융 기관이 모든 데이터 소스에 걸쳐 전례 없는 속도와 규모를 통해 정밀한 분석을 실시할 수 있게 하기 위해서 도움을 드립니다.

Claude를 사용하여 거둔 주요 성과는 아래와 같습니다.

이전에는 몇 시간 또는 몇 일 동안의 수동적인 작업이 필요했던 연구 프로세스 자동화
공시 서류, 제3자 데이터 공급처, 내부 시스템을 포함한 기존 금융 데이터 소스에 연결
이전 모델의 한계를 초과하는 포괄적인 보고서 생성
엔터프라이즈급 보안을 사용하여 주요 금융 기관에 서비스 제공

기관급 금융 연구의 복잡한 과제 해결

금융 서비스 기업은 깊고 실행 가능한 인사이트가 경쟁사와의 차별화 요소라는 것을 잘 알고 있습니다. 이러한 인사이트는 고객 신뢰를 구축하고, 매각 자문 수임을 획득했습니다. 이로써 투자 팀에 우수한 수익을 창출하지만, 종종 몇 주간의 연구, 데이터 수집, Word 문서와 슬라이드 덱으로의 포맷팅 작업이 필요합니다.

Model ML은 이 프로세스의 모든 단계를 자동화하며, Claude 기반 심층 연구 도구가 핵심 역할을 담당합니다. CapIQ, FactSet, Crunchbase, PitchBook, 공시 서류, 트랜스크립트, 기밀 문서, CRM 등 내부 및 외부 금융 데이터 소스에 대한 심층 연구를 지원하는 것입니다. 이를 통해 Model ML은 기업에게 전례 없는 속도와 규모를 통한 심층적인 인사이트를 생성할 수 있도록 지원해 드리는 것입니다.

Model ML의 공동 설립자 Chaz Englander는 "또 하나의 데이터 파이프라인을 원한 것이 아니었습니다. 관련된 데이터 소싱 작업부터 감사 대비 완성된 프레젠테이션 초안 작성까지, 금융을 엔드투엔드로 이해하는 수준을 가진 AI 지능을 가진 엔진이 필요했습니다"라고 말했습니다.

Model ML, 금융 심층 연구에서 Claude를 선택한 이유

Model ML은 금융 분석에 중요한 역량에 대한 성능을 평가한 이후에 Claude Opus 4와 Sonnet 4를 선택했습니다.

Englander는 "여러 개의 AI 모델을 테스트했지만, Claude Opus 4는 뛰어난 작업 계획 능력에서 탁월한 수준임을 나타냈습니다"라고 말했습니다. "정밀하게 구성되어 있는 금융 연구를 일관된 순서로 분해하면서 발견되는 결과물에 따라 접근 방식을 적응하는 것에 뛰어납니다. 이러한 자율적 추론 기능은 플랫폼이 필요에 따라 분석 방법론을 조정하고 연구 범위를 확장할 수 있도록 만들어 줍니다."

Claude Opus 4의 방대한 컨텍스트에 대한 우수성은 특히 가치가 있었습니다. Englander는 "컨텍스트 윈도우 전반에 걸쳐 일관된 성능을 유지하는 모델의 능력은 여러 소스의 대량의 정보를 비교하고 교차해서 참조가 필요한 금융 연구 작업에서 탁월한 결과를 보여주었습니다"라고 설명했습니다. 이 역량은 기관급 기준을 충족하는 자연스럽고 잘 구조화된 보고서를 생성하는 Claude의 능력과 결합됩니다.

Claude가 혁신적으로 연구 역량을 구현하는 방법

Model ML은 Claude의 강점을 중심으로 심층 연구 플랫폼을 구현했습니다. 이를 통해 AI 모델의 근본적인 한계점을 해결하는 혁신적인 솔루션을 만들어 낸 것입니다.

포괄적인 데이터 통합: 플랫폼에서는 Claude를 공시 서류, 콜 트랜스크립트, 제3자 데이터 공급처, 내부 시스템 및 문서, 기타 웹 소스를 포함한 기존 금융 데이터 소스에 연결합니다. 이를 통해 전 세계 약 4,000만 개 기업에 대한 정보에 접근할 수 있게 된 것이며, 일반적으로 몇 시간동안 이루어지는 수동적인 데이터 수집이 필요한 포괄적인 내용의 연구 기반을 마련합니다.
전문화된 금융 에이전트: Claude는 각 금융 데이터 소스의 컨텍스트, 데이터 모델, 모달리티를 완전히 이해하는 목적 구축형 에이전트와 함께 작동합니다. 이를 통해 심층 연구 흐름에 개별 데이터 포인트(예: 항목별 수치)뿐만 아니라 더욱 큰 분석 쿼리 및 업계 전반 트렌드도 통합하는 것이 가능합니다.
컨텍스트 관리용 고급화된 수준의 메모리 시스템: 모든 AI 모델은 컨텍스트 윈도우, 즉, 반복당 처리할 수 있는 정보의 양에 제한을 가지고 있습니다. Model ML에서는 연구 오케스트레이터가 연구 진행 과정에서 유지해야 하는 방대한 양의 정보를 압축하고 유지할 수 있는 정교한 수준으로 이루어진 메모리 관리 시스템을 개발해 낸 것입니다. 여기에는 연구 목표, 실행 계획, 데이터, 중간 결론, 보고서 초안이 포함됩니다.
확장된 출력을 위한 에이전틱 보고서 생성: 최대 출력 토큰 제한이 증가하고 있음에도 불구하고 AI 모델은 일반적으로 수천 토큰을 초과하는 일관된 출력을 생성하는 것에 어려움을 겪습니다. 이를 통해 포괄적인 연구 보고서에 대한 효용성을 제한하게 되는 것입니다. Model ML의 전문화된 보고서 생성 에이전트는 장문으로 구성된 콘텐츠 생성을 하기 위한 혁신적인 접근 방식을 통해 이러한 한계점 극복합니다. 이 에이전트에서는 최적의 보고서 레이아웃을 계획하고, 반복적 작성을 실시합니다. 또한, 섹션별로 작업하여 전체적으로 일관성과 정확성을 유지하면서 포괄적이고 다차원적인 보고서를 작성합니다.

기관급 규모의 금융 연구를 향한 혁신

Model ML의 플랫폼은 소규모 팀이 일반적으로 대규모 부서가 필요하던 기관 규모의 분석을 실시할 수 있게 만들어 주었습니다. 이로써 정교한 분석 역량에 대한 접근성을 높이는 것입니다. 고객사에서는 더 심층적인 인사이트를 보다 빠른 속도로 제공받아 더욱 시의적절한 투자 결정과 전략적 계획을 할 수 있게 만들어 주었습니다. 플랫폼의 엔터프라이즈급 보안 통제는 데이터 개인정보 보호와 규정 준수를 보장해 드립니다.

Englander는 "핵심 금융 기관의 조기 도입 주체들은 이 플랫폼이 리서치 운영에 필수적이 되었다고 보고합니다"라고 말했습니다. "운영 효율성을 개선하면서 더욱 높은 품질의 분석을 제공할 수 있게 된 것입니다."

금융 분야 AI 혁신을 선도하다

Model ML은 AI가 금융 리서치 및 분석의 표준 인프라가 되는 미래를 구축하고 있습니다. Englander는 "범용 AI를 적용하는 것이 아니라, 각 기업 내 각 팀의 고유한 요구 사항을 충족하는 목적 구축형, 초개인화로 이루어진 솔루션이 업계에 필요한 상황이라고 믿습니다"라고 말했습니다.

핵심 금융 기관에서의 도입이 계속되면서 Model ML은 더욱 빠른 속도로 정보를 기반으로 이루어 지는 의사결정, 그리고 기관급 분석에 대한 접근성 확대로의 전환을 선도한는 위상을 확립하게 된 것입니다.

Englander는 "우리의 Anthropic과의 협력은 최첨단 AI 모델이 전문 도메인에 어떤 방법으로 신중하게 통합할 수 있는 상황인지를 보여주는 것입니다"라고 덧붙였습니다. "최첨단 기술이 심도 깊은 산업 전문성과 마주할 때 가능한 일에 대한 새로운 기준을 세우고 있는 것입니다."

Video caption