AI가 투자 리서치 프로세스를 어떻게 변화시킬 수 있는가
NotebookLM이 투자자들에게 궁극적인 게임 체인저인 이유!
처음 AI를 투자 프로세스에 접목시킬 방법을 탐색하기 시작했을 때 (아마도 2022년 말 ChatGPT 출시 직후였을 것이다), 나는 기대감과 함께 회의감도 품고 있었다. 더 빠르고 더 정확하게 의사결정을 내릴 수 있다는 약속은 누가 봐도 매력적이다.
하지만 나는 알고 있었다. 투자의 세계에서는 비판적 판단력과 미묘한 뉘앙스를 읽어내는 의사결정 능력이 무엇보다 중요하다는 것을. 그리고 이것들은, 적어도 지금 당장은, AI가 여전히 어려움을 겪는 영역이다.
AI가 진정으로 탁월한 것은, 내가 믿기로는, 방대한 양의 데이터를 빠르게 처리하는 것이다. 사실상 실시간으로. AI는 정보를 검색하고, 세부 사항을 교차 검증하며, 결과를 거의 즉각적으로 도출하는 데 있어 강력한 도구다. 하지만 AI가 진정으로 정보에 입각한 전략적 판단을 내릴 수 있느냐는 질문 — 바로 그 지점에서 문제가 복잡해진다.
최선의 형태에서, AI는 인간의 사고를 대체하는 것이 아니라 보완하는 것이다. 투자에서 AI의 진정한 가치는 의사결정자를 대신하는 것이 아니라, 정보를 빠르고 철저하게 수집·처리·분석하는 능력을 강화하는 데서 온다.
이번 포스트에서는 내가 투자 리서치 프로세스에서 AI를, 특히 NotebookLM을, 어떻게 활용해왔는지 소개하고자 한다. 솔직히 말하면 NotebookLM을 본격적으로 활용하기 시작한 것은 최근의 일이다. 하지만 지난 몇 주 동안 이 도구는 그야말로 게임 체인저였다. 기업 분석의 복잡한 과정을 더 빠르게, 그리고 더 확신을 갖고 헤쳐나갈 수 있도록 도와주었다.
아래에 소개할 Tiho의 견해에 나는 전적으로 동의한다. 그와 마찬가지로, AI는 투자의 진정한 잠재력을 평가하는 데 필요한 비판적 사고를 대체할 수 없다고 믿는다. 하지만 AI는 내가 관심을 갖는 기업에 대해 훨씬 더 명확하고 입체적인 그림을 그리는 데 도움을 줄 수 있다. 그리고 내가 스스로 떠올린 (적어도 그러기를 바라는) 양질의 질문들에 대한 답을 찾는 데도 마찬가지다.
이 글의 핵심은 결국 이것이다. 내가 NotebookLM을 어떻게 활용하여 특정 기업을 더 효율적으로 파악하고, 경쟁 우위와 같은 핵심 요소들을 더 깊이 파고들며, 궁극적으로 의사결정 프로세스의 전반적인 질을 높이는지를 보여주는 것이다.
기업 파악의 어려움
처음 어떤 기업을 리서치하기 시작할 때, 목표는 단순하다. 가능한 한 빠르게 해당 기업을 파악하고, 관련 정보를 흡수하며, 그 이면에서 무슨 일이 벌어지고 있는지 깊이 이해하는 것이다. 빠르게 움직이는 투자의 세계에서 시간은 곧 핵심 자산이다.
최근 드러켄밀러 인터뷰를 꼭 한번 시청해보길 권한다. 그 인터뷰에서는 기업을 빠르게 파악하는 능력이 그 어느 때보다 중요해지고 있다는 주제가 반복적으로 등장한다.
Hard Lessons: Stan Druckenmiller: Invest, then investigate
물론 드러켄밀러의 말처럼 시간은 중요하다 (사실 타이밍은 그보다 더 중요하지만). 하지만 나는 시간과 타이밍보다도 더 결정적인 것이 있다고 믿는다. 바로 정확성이다 — 올바른 정보를, 올바른 방식으로 수집하고 있는가를 확인하는 것. 빠르게 판단을 내리더라도 그것이 틀렸다면 무슨 의미가 있겠는가? 그것은 매우 빠른 속도로 돈을 잃는 공식이나 다름없다.
"나는 역발상 투자가 과대평가되어 있다고 생각한다. 소로스는 대중이 80%의 경우에는 옳다고 말하곤 했다. 문제는 나머지 20%에 걸려들지 않는 것이다. 그때는 완전히 날아갈 수 있으니까. 나는 그 20%에서 게임하는 데서 지적 만족감을 얻는다. 하지만 개념으로서 역발상 투자는 과대평가되어 있다고 생각한다." — 위의 드러켄밀러 인터뷰 중
전통적으로 이 과정은 엄청난 수작업을 수반했다. 첫 번째 단계는 항상 가장 최근의 공시 자료들을 수집하는 것이었다. 연간 보고서, 분기별 실적 발표 콜, 투자자 데이 프레젠테이션. 그런 다음 애널리스트 리포트, 산업 간행물, 경쟁사 정보들을 하나하나 훑어봐야 했다. 얼마나 시간이 많이 걸리는 일인지 짐작이 갈 것이다. 몇 시간이고 몇 시간이고… 사방에서 밀려드는 데이터의 홍수 속에서, 정보에 익사하고 있으면서도 실행 가능한 인사이트에는 좀처럼 가까워지지 못하는 느낌이 드는 경우가 많았다.
어려움은 단순히 정보를 수집하는 데 있지 않았다. 그것을 관리하는 데 있었다. 핵심적인 세부 사항을 놓치지 않으려면 어떻게 해야 하는가? 노이즈를 걸러내고 중요한 것에 집중하려면 어떻게 빠르게 솎아낼 수 있는가? 그 균형을 어떻게 맞출 것인가? 그리고 읽어야 할 것이 이토록 많은데, 눈에 띄는 진전도 없이 몇 시간, 며칠을 흘려보내는 것을 어떻게 피할 것인가?
바로 이 지점에서 AI가 등장한다. 대부분의 투자자들은 AI가 이 과정을 간소화하는 강력한 도구가 될 수 있다는 것을 빠르게 깨달았다. 수많은 시간을 보고서 더미 속에서 보내는 대신, AI는 여러 출처의 데이터를 훨씬 빠르게 집계하고, 종합하고, 분석하는 데 도움을 줄 수 있었다. 하지만 나는 알고 있었다. 속도만으로는 부족하다는 것을. 정확성도 담보되어야 한다는 것을.
바로 그 지점에서 NotebookLM이 등장했다.
본론으로 돌아가기 전에, 잠깐 한 말씀…
지식과 자산을 함께 복리로 쌓고 싶으신가요? Compound with René는 헤드라인이 아닌 수십 년을 내다보며 생각하는 투자자들을 위한 공간입니다. 여기서 가치를 발견하셨다면, 구독이야말로 최신 정보를 놓치지 않고, 사고를 날카롭게 다듬으며, 값비싼 실수를 피하고, 장기적인 성공을 쌓아가는 가장 좋은 방법입니다. 그리고 이런 종류의 장기적이고 과장 없는 투자 콘텐츠가 가치 있다는 것을 보여주는 방법이기도 합니다.
기존의 대형 언어 모델(LLM)과 달리, NotebookLM은 보다 신뢰할 수 있는 접근 방식을 제공한다. 전통적인 LLM은 종종 "환각" — 투자에서는 엄청나게 위험한 현상이다! — 을 일으키거나 부정확하거나 조작된 정보를 제공하는 경우가 있다. LLM은 텍스트 생성에는 강력하지만, 긴 콘텐츠나 복잡한 쿼리에 걸쳐 정확한 맥락을 유지하는 데 어려움을 겪는 경우가 있다.
나는 다음과 같은 프롬프트를 사용해보기도 했다.
"이 대화에서는 내가 업로드한 자료만 사용해야 합니다. 외부 지식이나 학습 데이터를 활용하지 마세요."
하지만 제대로 작동한 적이 없었다.
이 문제는 "컨텍스트 부식"이라고 불린다 — 내가 최근에야 접하게 된 개념이다. 본질적으로, 대화나 분석이 깊어질수록 AI는 중요한 세부 사항들을 놓치기 쉬워지고, 이는 오류나 일관성 결여로 이어진다. 또한 LLM은 긴 맥락의 중간 부분에서 정보를 신뢰할 수 있게 추출하지 못한다 — 내가 50~200페이지에 달하는 자료 여러 개를 제공하는 방식이 바로 이에 해당한다. 즉, 정보는 분명히 존재하지만 AI가 그것에 접근하지 못하면서, 그 사실조차 알려주지 않는 것이다.
NotebookLM demo
반면 NotebookLM은 보다 구조화된, 맥락이 풍부한 데이터를 처리하도록 설계되어 있다. 여러 층위의 정보를 동시에 관리하면서도 핵심 세부 사항을 놓치지 않고 모든 것을 맥락 안에 유지할 수 있다. 이는 환각 문제를 원천적으로 차단하며, AI로부터 얻는 인사이트가 실제 데이터에 기반하고 더욱 정확하다는 것을 보장한다. 바로 이 신뢰성이 NotebookLM을 진지한 투자 리서치에 있어 없어서는 안 될 도구로 만드는 이유다.
아래에 NotebookLM의 주요 특징들을 ...
