AI Agents Will Upend Investing Even More Than Coding - Frank Long, Coatue

한 줄 핵심

AI agents는 코딩보다 투자 업무를 더 크게 바꿀 수 있으며, 핵심은 시장·내부 맥락을 수집하고 분해해 최적의 실행 방식으로 조합하는 시스템을 설계하는 데 있다.

시간별 요약

1. 0:00
   소개 투자에서 높은 확신의 큰 주제에 베팅하고 그 결과를 추적하는 일이 핵심이며, AI agents가 코딩보다 투자에 더 큰 영향을 줄 수 있다는 전제를 바탕으로 그 구현 프레임워크를 설명한다.
2. 0:52
   헤지펀드를 함수로 보기 헤지펀드는 external context와 internal context를 입력받아 종목 선택, 비중, 시점이라는 하나의 의사결정 묶음을 출력하는 함수로 볼 수 있으며, 모든 정보를 이 단순한 결과로 압축하는 문제가 본질이다.
3. 1:31
   사람과 같은 접근 권한 부여 에이전트는 사람이 화면에서 볼 수 있는 모든 것을 API로 볼 수 있어야 하며, news, prices, filings 같은 외부 정보도 복사·붙여넣기 없이 직접 접근 가능해야 실행력이 생긴다.
4. 2:23
   내부 맥락 현재 포지션, 유동성·리스크 제약, 과거 사례와 같은 내부 맥락이 의사결정의 중요한 기반이며, 과거의 모든 메모와 판단 기록을 축적해 온 문화와 시스템이 AI 활용을 가능하게 만든다.
5. 3:28
   기능을 단계로 분해하기 하나의 거대한 함수도 수집, 분석, 판단, 결정 같은 단계로 나눠야 하며, 각 단계는 앞 단계의 출력이 다음 단계의 입력이 되는 구조로 설계해야 문제의 복잡도를 다룰 수 있다.
6. 4:59
   한국 뉴스 사례 아시아와 한국 뉴스는 반도체와 AI 테마 때문에 중요해졌고, 이를 잘 다루려면 수집 방식, 청킹, 이미지 처리, 번역·추출·요약, 내부 메모와의 교차검증 등 여러 조합을 세밀하게 조정해야 한다.
7. 7:24
   네 가지 실행 주체 실행 방식은 deterministic code, statistics/ML, LLMs, people 네 가지로 나뉘며, 단순 규칙은 코드가 가장 좋고 복잡한 언어 처리나 판단은 LLM이나 사람이 더 적합한 경우가 많다.
8. 9:08
   자동화 자체를 목표로 삼지 않기 중요한 것은 가능한 한 많이 자동화하는 것이 아니라, 각 작업에 대해 절대적인 품질을 가장 높게 만드는 실행 방식을 고르는 것이다.
9. 9:26
   모든 선택은 튜닝이 필요하다 정보 수집과 변환은 선형 파이프라인이 아니라 수많은 분기와 하이퍼파라미터를 가진 제어 흐름이며, collection·filtering·summarizing·aggregating마다 최적의 runner와 모델, harness, skills, hooks를 따로 맞춰야 한다.
10. 11:43
    무엇을 기준으로 개선하는가 무작정 조정하면 방향을 잃기 쉬우므로, 각 문제를 이해하고 평가할 수 있게 분해한 뒤 무엇을 기준으로 hill climbing 하는지 North Star를 분명히 해야 한다.
11. 12:38
    실제 그래프 실제 시스템 그래프는 화면의 단순한 구조보다 훨씬 복잡하며, 노드마다 수많은 튜닝 변수가 얽혀 있어 기술적으로도, 조직 문화적으로도 그 복잡성을 감당하는 설계가 핵심 과제다.
12. 13:16
    투자를 넘어 핵심은 세계의 정보를 받아 일관된 결정을 내리는 state machine을 만드는 일이며, 이는 투자회사뿐 아니라 정책, 비영리, 신약 개발, 기업 전략 등 여러 영역으로 확장된다.

실무 인사이트

• 에이전트 도입의 출발점은 모델 성능보다도 데이터·툴·권한을 사람이 쓰는 수준으로 열어 주는 설계다.
• 업무 자동화는 한 번에 끝내는 프로젝트가 아니라, 단계별로 최적 runner를 배치하고 계속 튜닝하는 문제로 봐야 한다.
• AI 전환의 난점은 단일 모델 선택이 아니라, 복잡한 의사결정 그래프를 조직이 이해하고 운영 가능한 형태로 만드는 데 있다.