AI Agents Cut 3-Day Portfolio Builds to Minutes — Jack McDonald, Apollo & Michael Manapat, Rowspace

한 줄 핵심

Apollo의 구조화 신용 업무에 AI 에이전트를 붙여 분절된 금융 데이터를 정리·검증·자동화하면, 포트폴리오 구성과 리포팅이 며칠에서 몇 분으로 줄고 실제 투자 의사결정의 품질도 높아진다.

시간별 요약

1. 0:00
   Rowspace와 Redding Ridge 소개 Rowspace는 Apollo 같은 금융 파트너가 흩어진 데이터를 다루도록 돕는 AI 플랫폼이며, 에이전트로 데이터 엔지니어링과 정합성 검증을 수행해 투자자가 더 빠르고 정확하게 판단하도록 만든다. Redding Ridge Capital은 Apollo 산하의 구조화 신용·CLO 운용사로, 약 50 billion 달러의 자산을 관리한다.
2. 1:33
   AI가 핵심 업무가 되는 순간 구조화 신용 운용은 매일 수천 개의 데이터 포인트와 수많은 문서·시스템을 오가며 판단해야 하므로, 데이터의 정확성·일관성·가용성이 곧 업무 성과를 좌우한다. 분산된 정보를 하나의 신뢰 가능한 기준 데이터로 묶어주는 AI는 단순 편의가 아니라 운영을 바꾸는 필수 인프라가 된다.
3. 3:38
   포트폴리오 구성: 며칠에서 몇 분으로 CLO 포트폴리오 구성은 복잡한 약정 문서와 규칙을 읽고 200~400개 종목으로 모의 포트폴리오를 짜야 해서, 예전에는 2~3일 걸리던 일이었다. 이제는 실시간 데이터를 바탕으로 몇 분 만에 80~90% 수준까지 구성하고, 마지막 10%만 사람이 판단해 다듬는 방식으로 바뀌었다.
4. 5:31
   주간 거래 정산 자동화 과거에는 주간 매매 내역을 은행 계좌와 정산 자료를 일일이 대조해 사람 손으로 리포트를 만들었고, 여러 명이 수시간씩 투입해야 했다. 이제는 같은 보고서를 한 번에 재현 가능한 형태로 만들고, 매일 QA만 하면 되는 반복 프로세스로 바뀌었다.
5. 6:46
   왜 Claude나 ChatGPT만 쓰지 않는가 Claude나 ChatGPT는 일반 지식과 연구에는 유용하지만, 실제 운용 판단에 필요한 것은 내부 데이터의 정확한 소스와 정합성이다. 현장에 들어와 계산 방식과 데이터 출처를 함께 검증하고, 하나의 진실한 기준을 세운 뒤 그 위에 기술을 얹어야 실제 비즈니스 결정을 맡길 수 있다.
6. 9:21
   Apollo가 일찍 AI 네이티브가 된 이유 Apollo는 원래부터 변화에 민감하고 혁신을 중시하는 문화가 강해서, AI를 일시적 유행이 아니라 조직을 다시 설계해야 할 기술로 받아들였다. 포인트 솔루션보다 플랫폼을 세우고, 수작업을 줄여 사람의 사고와 판단에 시간을 돌려주는 방향으로 일찍부터 움직였다.
7. 11:17
   금융의 AI 도입은 어느 정도 진척됐는가 금융 전반, 특히 자산운용·투자은행·기관 금융 영역은 아직 AI 도입 초기 단계이며, 백오피스와 중간 지원 업무에서 개선 여지가 매우 크다. 현재의 가치는 주로 모델 작성과 리서치 속도 향상에 있지만, 더 큰 변화는 반복 업무를 줄여 조직의 역량 배분을 바꾸는 데서 나온다.
8. 13:24
   상품인가, 지속 가능한 경쟁 우위인가 AI는 단순한 생산성 도구로 끝날 수도 있지만, 제대로 적응하고 활용하면 정보 접근성과 프로세스 품질을 높여 경쟁 우위를 만든다. 특히 활발히 거래되는 시장과 사모 시장에서는 정확한 정보와 유동성 파악이 핵심이어서, AI가 장기적으로 더 강한 실행력을 만드는 기반이 된다.
9. 15:22
   다음에 충족되어야 할 조건 앞으로 중요한 것은 투자자에게 나가는 모든 정보가 정확하다는 확신을 갖고, 사람이 수시간씩 수동 검증하지 않아도 되는 상태를 만드는 것이다. 또한 기술 사용이 부차적 생각이 아니라 일하는 방식의 중심이 되어야 하고, 팀이 프로세스를 다시 설계하는 사고로 전환해야 한다.
10. 18:20
    금융에 AI를 적용하는 빌더를 위한 조언 금융 조직은 매우 복잡하고 예외가 많아서, 겉으로 이상해 보이는 절차도 실제로는 이유가 있는 경우가 많다. 따라서 도구를 만들기 전에 현장 팀과 매일 가까이 붙어 워크플로를 이해하고, 실제 업무 맥락에서 검증하는 시간이 성공의 핵심이다.

실무 인사이트

• 금융 AI는 모델 성능보다도 내부 데이터의 출처 통합, 정합성 검증, 예외 처리 규칙을 얼마나 잘 설계하느냐가 성패를 가른다.
• 반복 리포팅과 정산 업무는 완전 자동화보다 먼저 '사람은 검토, AI는 생성' 구조로 바꾸면 빠르게 ROI를 만들 수 있다.
• 복잡한 도메인일수록 현장 밀착형 구축이 중요하며, 제품 기능보다 업무 맥락 이해가 경쟁력의 출발점이다.