How OpenAI Built ChatGPT for Bankers and Analysts — Joseph Kim, OpenAI

한 줄 핵심

ChatGPT for financial services는 금융업무에 필요한 데이터·인터페이스·포맷을 제품화해 모델의 잠재력을 실제 업무 가치로 바꾸는 방법을 보여주며, 2027년까지 금융 분석과 판단 업무의 기준을 크게 바꿀 것이라고 주장한다.

시간별 요약

1. 0:00
   소개 ChatGPT for financial services를 최근 출시한 배경을 소개하며, 금융 현장에서 모델의 지능을 실제 업무에 쓸 수 있는 제품으로 바꾸는 일이 중요하다고 강조한다. 앞으로 구축 과정에서 얻은 교훈과 다음 단계의 방향을 공유한다.
2. 1:07
   ChatGPT for 금융 서비스의 기능 이 제품은 투자은행과 주식 리서치를 시작으로 금융 전문가를 위해 맞춤화된 ChatGPT 작업 환경이다. 금융 데이터 접근, 금융 업무에 익숙한 인터페이스, 회사별 템플릿을 핵심 축으로 삼아 분석과 산출물을 더 쉽게 만든다.
3. 2:37
   데모 제품이 실제로 어떤 방식으로 동작하는지 짧은 시연을 통해 보여준다. 말로 설명한 기능들이 실제 업무 흐름에서 어떻게 연결되는지 직관적으로 확인하게 한다.
4. 4:12
   능력과 활용 사이의 격차 모델 성능은 빠르게 좋아졌지만, 금융 전문가가 체감하는 일상적 가치는 그 속도를 따라가지 못했다고 본다. 이 격차를 줄이려면 더 좋은 모델만이 아니라 적절한 데이터, 도구, 그리고 업무 방식에 맞는 경험 설계가 필요하다.
5. 5:07
   Codex 사용에서 배운 점 OpenAI 내부에서 Codex 사용이 엔지니어링 외 직군으로 확산된 사례를 통해, 적절한 제품 경험이 비개발자도 모델 능력을 활용하게 만든다는 점을 확인한다. 금융 분야에서도 이미 있는 지능을 더 잘 쓰게 만드는 경험 설계가 핵심이라고 본다.
6. 6:01
   금융 데이터의 라이선스와 색인화 금융 업무는 접근 가능한 정보의 품질에 크게 좌우되므로, 재무제표·실적발표록·시장 및 비상장 데이터 같은 स्रोत을 직접 라이선스했다. MCP는 그대로 사용하되 자체 호스팅과 검색 색인을 구축해 품질과 신뢰성을 높이고, 이후의 post-training도 가능하게 했다.
7. 6:59
   회사 템플릿, 차트, 인용 데이터를 확보한 뒤에는 그 정보를 Excel 모델, PowerPoint, 서면 분석 같은 전문 산출물로 자연스럽게 바꾸는 데 집중한다. 회사 승인 템플릿, 상호작용형 금융 차트, 답변 뒤의 출처 확인 기능을 통해 검토와 공유까지 이어지는 흐름을 만든다.
8. 7:55
   ChatGPT 플러그인 플랫폼 기반 많은 기능이 기존의 ChatGPT plugin platform과 MCP tools, skills, citation metadata를 조합해 구현되었다. 고유 데이터나 기존 워크플로를 가진 개발자는 이 빌딩 블록을 활용해 ChatGPT 안에서 전문성을 제품화할 수 있다고 본다.
9. 9:26
   모델이 향하는 방향 앞으로의 모델 향상은 compute scaling, 알고리즘 개선, unhobbling이라는 세 축으로 설명된다. 데이터 벽, 컨텍스트 길이 한계 같은 제약은 synthetic data, sparse attention, compaction 등으로 점점 완화되고 있으며, 2027년에는 더 크고 효율적이며 강력한 모델이 나올 것으로 전망한다.
10. 12:55
    유용성의 임계점 모델 개선은 선형적으로 보이더라도, 실제 업무에서는 특정 임계점을 넘어야 비로소 시간을 절약하는 도구가 된다. 그 지점을 넘기 전에는 별 차이가 없어 보여도, 넘는 순간 사용 빈도와 위임 가능성이 급격히 커진다고 설명한다.
11. 14:50
    금융 특화 학습 금융 업무의 성능 향상은 일반 모델 개선이 만드는 상승효과와, 금융 업무에 직접 맞춘 post-training이 만드는 추가 향상으로 나뉜다. 단기적으로는 금융 추론, Excel 모델링, PowerPoint 제작을 개선하고, 장기적으로는 수익 예측과 투자 판단 같은 고난도 금융 판단까지 인간 최고 수준에 맞추는 것을 목표로 한다.
12. 16:49
    능동적이고 지속적인 에이전트 다음 단계의 unhobbling은 목표를 기억하고 백그라운드에서 계속 일하는 persistent agent라고 본다. 사용자가 매번 지시하지 않아도 맥락을 유지하며 진행하고, 프로젝트를 맡겨 두고 업데이트를 받는 방식으로 더 자연스러운 협업이 가능해진다.
13. 17:51
    2027년 금융을 위한 세 가지 베팅 2027년에는 Excel과 PowerPoint 의존도가 크게 줄고, AI 금융 분석가가 사람 동료처럼 기억·후속 조치·자율 실행을 수행하며, 핵심 금융 판단에서는 최고의 인간 전문가를 능가할 것이라고 전망한다. 지금부터 만들어야 할 것은 이런 임계점을 대비하는 제품과 워크플로라고 결론짓는다.

실무 인사이트

• 금융 AI 제품의 성패는 모델 성능보다도 데이터 라이선스, 신뢰 가능한 검색, 출처 확인 같은 운영 품질에서 갈린다.
• 도구를 새로 배우게 하는 방식보다, 기존 금융 워크플로인 Excel·PowerPoint·검토 프로세스에 자연스럽게 들어가는 경험이 adoption을 크게 높인다.
• 장기적으로는 단발성 질의응답보다 목표를 기억하고 지속적으로 일하는 에이전트가 금융 업무의 기본 인터페이스가 될 가능성이 높다.