How Bridgewater Turned 100 Million Documents Into an Edge - Sam Green & Aaron Linsky, Bridgewater

한 줄 핵심

Bridgewater는 1억 건이 넘는 비정형 문서를 인간과 에이전트가 모두 활용할 수 있는 검색·컨텍스트 플랫폼인 Vault로 재구성해, 투자 연구의 정확도와 속도를 높이고 더 나아가 에이전트가 선제적으로 일하는 흐름까지 만들었다.

시간별 요약

0:00
Vault를 만들며 얻은 세 가지 교훈 인간과 에이전트는 데이터 플랫폼에 서로 다른 요구를 가지므로 각각을 따로 설계해야 하며, 두 요구를 동시에 충족하는 단일 도구가 가장 큰 효과를 낸다. 궁극적으로는 에이전트가 인간의 보조 도구가 아니라 투자 과정의 능동적 참여자가 되도록 만드는 기반이 중요하다.
1:11
Bridgewater의 50년 연구 과정 Bridgewater는 지난 50년 동안 시장과 경제를 가장 잘 이해하는 방법을 찾고, 이를 체계적으로 부호화해 논리를 계속 검증·개선해 왔다. 기존에는 구조화된 시계열 데이터가 중심이었고, 그 데이터는 내부 온톨로지와 세계관에 맞게 엄격하게 구축되어야 했다.
2:35
왜 비정형 데이터에도 같은 엄격함이 필요했는가 언어 모델의 등장으로 뉴스, 연구, 정책 문서, 내부 메모와 회의 기록 같은 훨씬 넓은 비정형 데이터에 접근할 기회가 열렸다. 하지만 이 데이터도 시점별 연구와 장기적 체계 분석에 모두 쓸 수 있도록 정제·거버넌스·정렬이 필요했고, 기존 벤더들만으로는 필요한 통제력을 확보하기 어려웠다.
3:25
Vault 안에는 무엇이 들어 있는가 Vault는 외부와 내부의 비정형 데이터를 모아 인덱싱하고 정리해 인간 투자자와 에이전트가 모두 쓸 수 있게 만든 저장소다. 현재 1억 건이 넘는 문서가 들어 있고 매일 수천 건이 추가되며, 국가·개념·시장·시점 같은 내부 온톨로지 정보로 정교하게 보강된다.
4:14
오픈 웹과 Vault의 비교 같은 투자 질문이라도 오픈 웹에서는 관련 문서 수가 부족하고 시점이 오래된 자료에 의존해 질문의 조건을 충분히 만족하지 못했다. Vault를 연결하면 에이전트가 특정 기간을 정확히 좁혀 더 많은 후보 문서를 찾고, 더 많은 근거를 사용해 훨씬 신뢰도 높은 답을 만든다.
6:53
인간을 위한 검색과 에이전트를 위한 검색 검색은 원래 어려운데, 인간과 에이전트를 동시에 만족시키려면 난도가 더 올라간다. 인간에게는 높은 정밀도와 신호 대 잡음비가 중요하고, 에이전트에게는 대량의 데이터를 빠르게 읽고 처리하는 능력과 확장성이 중요하므로, 둘을 함께 고려한 설계가 필요하다.
8:19
"Vault 검색은 별로다"를 벤치마킹으로 검증하기 사용자들이 느낀 검색 품질 문제를 정성적으로 넘기지 않고, 약 200개의 질의와 정답 문서를 직접 만들어 정밀도를 측정했다. 초기에는 top 10 기준 정밀도가 약 60%에 불과했지만, 이후 개선을 반복해 90~95% 수준까지 끌어올릴 수 있었다.
9:32
대규모에서 빠른 필터링 실제 사용에서는 특정 날짜, 출처, 자산처럼 조건이 붙는 경우가 많아 벡터 검색에 고급 필터링이 필수였다. post-filtering은 빠르지만 재현율이 낮고, pre-filtering은 정확하지만 느린데, native filtering 방식으로 둘 사이의 균형을 맞춰 빠르면서도 높은 재현율을 확보했다.
11:35
투자자들의 습관을 바꾸는 방법 도구가 좋아도 기존 습관을 새 도구 안으로 옮기지 못하면 실제 사용으로 이어지지 않는다. 이메일, 구독 목록, 폴더라는 익숙한 행동을 Vault의 saved searches와 saved collections로 그대로 옮기고, 이후에는 주제별 피드와 에이전트 전달까지 확장해 사용 방식을 바꿨다.
13:02
Vault가 가능하게 하는 것들: 분석가, 예측, 신호 Vault는 연구 사이클을 훨씬 빠르게 돌리게 해 주며, pocket analyst는 몇 시간 분량의 조사를 몇 분과 몇 달러 수준으로 줄인다. 더 나아가 researcher, forecaster, 투자 신호 생성까지 확장해 비정형 데이터를 구조화된 의사결정과 거래 가능한 전략으로 연결한다.
14:05
능동적 에이전트: 투자자 작업대 핵심 목표는 에이전트를 질문에 반응하는 도구가 아니라, 중요한 이슈를 먼저 찾아 투자자의 주의를 유도하는 선제적 참여자로 바꾸는 것이다. investor workbench는 주제를 제안하고 요약·증거·심화 분석 경로를 함께 제공하며, 투자자와 에이전트의 협업 결과를 다시 Vault에 자동 저장한다.
15:44
Vault가 조직의 학습을 복리로 만드는 방식 Vault는 투자자가 필요로 하는 내부·외부 증거를 적시에 제공하고, 그들이 만들어낸 해석과 합의를 다시 말뭉치에 축적해 다음 반복의 출발점으로 삼는다. 그 결과 조직은 더 빠르고 더 잘 이해하면서 학습을 누적시키는 복리 구조를 갖게 된다.

실무 인사이트

검색 정확도 논쟁은 주관적 인상이 아니라 precision at 10 같은 단일 지표로 계량해야 개선의 방향이 선명해진다.
인간용 UX를 그대로 에이전트에 적용하면 실패하기 쉽고, 시점·필터·대량 처리 같은 에이전트 특성을 별도로 최적화해야 한다.
진짜 성과는 검색 자체보다도, 사용자가 만든 해석을 다시 데이터 자산으로 환류시키는 피드백 루프를 구축할 때 나온다.