Build Your Own Finance Agent Inside ChatGPT - Stefano Fabbri & Oliver Steffmann, OpenAI

한 줄 핵심

ChatGPT for financial services와 Codex를 조합해 금융 업무용 에이전트와 플러그인을 빠르게 만들고 배포하는 방법을 보여주는 실전 워크숍이다.

시간별 요약

1. 0:00
   소개 OpenAI의 적용형 AI 엔지니어링 팀이 진행하는 2시간 워크숍의 목표를 소개하며, 현장 참여자와 상호작용하면서 금융 서비스용 제품과 워크플로를 함께 살펴보는 형식임을 밝힌다.
2. 0:47
   워크숍에서 다루는 내용 금융 데이터와 LLM, AI를 결합해 일상 업무를 돕는 방법을 중심으로, 자산운용과 투자은행 사례를 바탕으로 ChatGPT for financial services와 Codex를 함께 다룬다. 참가자는 제공된 워크스페이스와 고속 모델, 금융 데이터 접근 권한을 받아 실습에 참여하게 된다.
3. 4:57
   ChatGPT, ChatGPT Work와 Codex 세 가지 주요 표면으로 ChatGPT, 지식 노동자용 ChatGPT Work, 엔지니어링 작업에 더 적합한 Codex를 구분한다. 이번 워크숍은 먼저 ChatGPT Work를 다루고 이후 Codex로 확장하는 흐름으로 구성된다.
4. 5:40
   금융 서비스용 ChatGPT 금융 서비스용 제품은 같은 모델을 쓰더라도 금융 업무에 맞게 데이터, 학습된 작업 유형, 결과물 생성 능력을 맞춘 엔터프라이즈 제품이다. 내장 금융 데이터와 외부 데이터 연동, M&A·리서치 같은 업무 특화, 프레젠테이션·스프레드시트·템플릿 기반 산출물이 핵심이다.
5. 7:51
   내장 금융 데이터 SEC filings, market data, news, private company profiles, earnings calls transcript 등 주요 데이터 공급자가 제품 안에 통합되어 있다. 단순 원시 데이터가 아니라 모델이 소비하기 쉬운 형식으로 정리되어 있어, 컨텍스트 레이어와 데이터 온톨로지가 성능의 핵심으로 강조된다.
6. 10:06
   금융 플러그인: skills와 MCPs 금융 업무용 분석을 위해 investment banking과 equity research에 맞춘 플러그인을 skills와 MCP 조합으로 만든다. 잘 설계된 skill은 0에서 시작하지 않고 업계 지식이 반영된 강한 기준점을 제공해, 이후 조직별 요구에 맞게 20%를 커스터마이징하는 방식이 유효하다.
7. 14:25
   자산관리 고문의 워크플로 포트폴리오 변화가 발생했을 때 분석, 설명, 미팅 준비, 고객용 데크 작성까지 이어지는 자산관리 고문의 업무를 더 효율적으로 만드는 사례를 제시한다. 고객 대응을 위한 P&L, portfolio attribution, 리밸런싱 설명을 빠르게 준비하는 것이 이 사용 사례의 핵심이다.
8. 17:02
   Codex로 확장하기 기존 ChatGPT for financial services를 배포한 뒤 내부 데이터와 맞춤 워크플로를 추가하려면 Codex를 활용해 커스텀 앱, skill, plugin, plugin extension으로 확장할 수 있다. 이미 기업 내부에 ChatGPT Work와 Codex가 공존하는 상황을 전제로, 내부 개발자가 제품 안에 기능을 심는 접근을 설명한다.
9. 19:02
   Skills, 플러그인, 플러그인 확장 skill은 재사용 가능한 마크업 기반 지시문이고, plugin은 데이터 연결과 인증, 코드 로직, UI까지 포함하는 더 무거운 패키지이며, plugin extension은 표면 자체의 일부 UI와 동작을 커스터마이징하는 단계다. 금융 서비스용 기능은 현재 웹 표면에서 제공되지만, 확장성과 배포 방식은 표면별로 다르다는 점이 정리된다.
10. 26:02
    플러그인 확장 설명 플러그인 확장은 특정 입력이나 파일 유형에 반응해 맞춤 UI와 기능을 띄우는 방식이며, 웹과 데스크톱에서 가능한 범위가 다르다. 현재는 웹의 금융 서비스 기능과 데스크톱의 확장 기능이 분리되어 있고, 기업별 정책과 표면별 제약을 이해해야 한다.
11. 36:43
    자체 데이터로 플러그인 만들기 조직 고유의 내부 데이터와 도구를 연결해 자신만의 플러그인을 만드는 과정이 설명된다. 외부 금융 데이터뿐 아니라 내부 시스템과 템플릿, 고유 로직을 얹어 회사에 특화된 분석·출력 파이프라인을 만들 수 있다.
12. 39:31
    올바른 skill이 중요한 이유 모델이 아무리 좋아도 skill 설계가 부실하면 성능이 떨어지므로, 토큰 비용과 처리 시간을 줄이기 위해서는 context와 skill을 잘 설계해야 한다. 특히 반복 업무에서는 최고급 모델보다 적절한 skill과 중간급 모델 조합이 더 높은 효율을 낼 수 있다.
13. 48:20
    아키텍처: 표면, 플러그인, MCPs 웹, 데스크톱, 로컬 환경이라는 표면 위에 plugin 인프라와 MCP 연결을 어떻게 얹는지 구조적으로 설명한다. 기업은 승인된 표면 안에서 데이터 소스와 인증을 연결해 배포 시간을 줄이고, 정책과 접근 제어를 함께 관리할 수 있다.
14. 57:40
    워크플로를 한곳에 모으기 사용자는 여러 웹사이트를 오가고 싶지 않기 때문에, AI 표면 안에서 필요한 작업과 맞춤 UI를 바로 띄워 업무를 이어가게 하는 것이 중요하다. 자산관리나 내부 시스템 조회처럼 맥락에 맞는 기능을 대화 흐름 안에서 즉시 호출하는 방향이 강조된다.
15. 1:08:09
    skills에 머물러야 할 때 skill은 재사용성과 유지보수성 측면에서 강하지만, 너무 많이 쌓이면 조직 내 표준화와 관리가 어려워질 수 있다. 내부에서 핵심 기능만 skill로 고정하고, 시스템 통합이 필요하면 plugin으로 올리는 식의 경계 설정이 권장된다.
16. 1:11:24
    Codex로 빌드하고 배포하기 복잡한 연구형 작업도 Codex의 멀티 에이전트 구조와 goal mode를 이용하면 플러그인 형태로 재구성해 배포할 수 있다. 동적 툴 호출, 서브 에이전트, 검증 흐름을 제품화해 별도 앱보다 더 자연스럽게 사용자 표면에 녹이는 방식이 소개된다.
17. 1:22:02
    Q&A: Codex 앱과 CLI 기술자들이 CLI보다 앱으로 이동하는 흐름이 커지고 있으며, Codex 앱은 개인 실험 환경을 넘어 실제 작업 표면이 되고 있다. 개발자는 Codex에서 플러그인을 만들어 비기술 사용자에게 배포하고, 기업은 이를 통해 더 빠르게 생산성을 높일 수 있다.
18. 1:28:57
    Q&A: Codex의 샌드박싱 Codex는 정책 파일과 관리자 설정을 통해 네트워크 접근, 파일 접근, 플러그인 사용 범위를 제어하는 샌드박스와 가드레일을 제공한다. 기업은 민감한 작업과 일반 작업을 구분해 승인 흐름을 세밀하게 조정할 수 있고, 이 점이 엔터프라이즈 도입의 중요한 장점으로 설명된다.

실무 인사이트

• 금융 서비스처럼 데이터 구조와 산출물 형식이 명확한 영역은, 모델 자체보다 데이터 온톨로지와 skill 설계가 성능을 좌우한다.
• 반복 업무는 항상 가장 강한 모델이 아니라, 잘 설계된 skill과 적절한 모델 조합으로 더 낮은 비용과 더 높은 처리량을 얻는 것이 실무적으로 유리하다.
• 조직 도입 관점에서는 별도 앱을 새로 만드는 것보다, 이미 승인된 ChatGPT Work나 Codex 표면 안에 plugin과 MCP를 심는 방식이 배포와 보안 측면에서 훨씬 빠르다.