정보 전파의 단계
DeepSeek 사태 이후 온 주식 커뮤니티와 유튜브들이 한동안 떠들썩했습니다. 그 속에서 누군가는 Nvidia 손실로 속이 타고, 누군가는 또 다른 대장주를 찾기 위해 혈안이 되어 있었습니다. 그런데 단기적으로 누가 돈을 벌고, 누가 잃는지는 크게 중요하지 않습니다. 우리가 이미 인지하고 있지만 한번의 매매의 승패는 운에 좌우되는 영역이 크기 때문입니다. 그러나 DeepSeek와 같은 이벤트들은 매번 꾸준히 반복될 것이고, 그 반복 속에서 꾸준히 초과수익을 누적하기 위해서는 어떤 행동 패턴을 가져야 하는지 고민해볼 필요가 있습니다. 오늘은 그에 대한 이야기입니다.
어떠한 정보가 전파되는 단계를, 정확하고 엄밀한 것은 아니지만 생각의 편의를 위해 다섯 가지로 나누어 보겠습니다.
정보의 원천 소스
정보를 처음 접한 스마트머니
정보를 액티브하게 찾는 상위 그룹
대중적으로 퍼진 정보를 수동적으로 습득하는 중간 그룹
정보가 퍼진 줄도 모르고 투자하는 하위 그룹
대부분의 개인 투자자는 3, 4, 5번에 속합니다. 1번은 내부자 거래 영역이고, 2번이 되기는 쉽지 않습니다.
그런데 정보의 전파도, 정보의 속성에 따라 그 속도가 천차만별이라는 점을 인식할 필요가 있습니다.
A. 기업의 실적발표처럼 주가에 영향을 미치는 연결고리가 너무나 자명한 정보들은, 이미 발표된 직후 2번에 속하는 초고빈도매매(HFT) 헤지펀드나 프랍 트레이딩 데스크에서 밀리세컨드 수준으로 매매를 하게 됩니다. 따라서 아무리 개인이 3번에 속하더라도 기업 실적이라는 정보가 발표된 이후 이에 준하는 방향으로 매매하기는 쉽지 않습니다. 다만 기업 실적의 방향으로 오버슈팅이 될 경우, 개인 투자자도 오버슈팅에 대해 사후적으로 반대 매매를 하는 것은 가능합니다.
B. 반면 정보가 이미 공개되었음에도 불구하고 주가에 미치는 연결고리가 자명하지는 않아 한동안 비효율성이 남아 있는 정보들도 있습니다. 그런 정보들의 종류는 크게 세 가지가 있습니다.
날 것의 정보를 여러 단계 분석해서 결론을 도출해야 하는 경우
정보의 임팩트에 대한 시간 지평이 명확하지 않은 경우
도메인에 대한 지식이 필요한 경우
많은 개인 투자자들이 하는 실수는 A의 정보를 찾아 헤매면서 4번 정도에서 진입하는 경우입니다.
그래서 무슨 종목 사야돼?
라는 의문을 해소하기 위해 여러 유튜브를 전전하는 행위가 정확히 A-4입니다.
초과수익이 나는 정보란?
그런 관점에서, 우리는 두 가지를 명심해야 합니다.
첫째, 이미 초고빈도 매매가 성행하면서 A 부류의 정보를 활용한 초단기적인 영역의 시장은 많이 효율적이 되었다는 점을 인지해야 합니다. 즉, 누구나 인지할 수 있는 정보는 추세 추종의 재료가 아닌, 과매수/과매도가 되었을 때 반대 매매의 재료로만 활용할 수 있다는 것입니다.
둘째, 초과수익이 나는 정보는 B, 즉 '얼핏 보면 주식 가격이나 종목과 크게 상관없을 듯한 정보'라는 점을 인지해야 합니다. 그리고 그러한 정보를 깊이 파면서 투자 아이디어를 도출해 내는 연습을 해야 합니다.
그러한 정보들은 보통 지루합니다. 주식 가격이나 종목과 크게 연관성이 없어 보입니다. 그래서 대중들이 읽어보지 않습니다. 그러니 비효율적으로 남아 있습니다.
오늘은 그러한 정보의 예시를 가져와 보겠습니다.
Anthropic의 AI와 산업에 대한 분석 보고서
한국은행의 AI와 한국경제에 대한 보고서
아래는 저희 팀에서 보고서에 대해 간략히 정리해준 글인데 첨부를 하고, 다시 제가 후반부에 이어받아서 쓰겠습니다.
들어가며
근 몇 달 간은 매일매일 AI와 관련된 화제가 끊이질 않는 것 같습니다. 최근에는 오픈 AI의 샘 알트만이 GPT 4.5와 GPT5에 대해 언급하면서 AGI가 목전에 있다는 듯한 인상을 풍겼죠. 시황일주에서도 AI의 발전에 있어서 병목이 되는 것이 무엇인지, 또 AI가 미래 산업에는 어떤 영향을 끼칠지 몇 번 언급한 적이 있는데요. 언론에서도 요즘은 AI로 인해서 자동화가 진행되면서 고용이 붕괴되고 실업자가 늘어나는 것이 아니냐는 보도가 많이 나오고 있죠. 얼마 전 GPT의 딥 리서치가 나온 이후에 더욱 그렇습니다.
하지만 이렇게 AI와 관련된 의견이 분분하기는 하지만, 실제로 AI가 산업이나 고용에 어느 정도의 영향을 끼치고 있는지, 또 미래에는 어느 정도의 영향력을 행사할지 정량화 해보는 연구들은 많이 없었는데요. 아무래도 현재 소비자들이 AI를 어떤 식으로 사용하고 있는지 종합해서 데이터를 살펴보기는 쉽지 않다 보니 이런 시도에 제약이 따르는 것이 아닌가 싶습니다.
이런 상황에서 Claude를 서비스하고 있는 기업으로 잘 알려져 있는 Anthropic에서 AI가 현재 어떻게 사용되고 있는지, 또 앞으로는 어떻게 될 것인지 데이터를 분석해서 보고서를 내놓으면서 화제가 되었습니다. 데이터 확보 측면에서는 실제 LLM 서비스를 운영하고 있는 기업이 직접 분석을 하기가 좋다고 할 수 있는데, Claude의 현재 유니크 유저가 1000만 명 정도라고 하니까, 이 적지 않은 유저들의 유스 케이스를 바탕으로 실제 이용 행태를 분석할 수 있었던 것이죠. 그래서 현재 전세계적으로 LLM을 비롯한 AI 서비스가 어떻게 이용되고 있는지 확인하는 데 있어 가장 적합한 위치에 있다고 할 수 있겠습니다.
그리고 공교롭게도 비슷한 시기에 한국은행도 AI의 도입이 경제에 어떤 영향을 줄지 분석한 자료를 내놓았는데요. 한국은행은 ‘AI와 한국경제’라는 보고서를 지난 10일에 발표했는데, 한국의 경우에는 어떤 경로로 갈 것인지를 살펴 보았다는 점에서 Anthropic의 연구와 비교해서 보기에 적당하기 때문에 함께 다뤄보도록 하겠습니다.
Anthropic의 연구
연구 소개
그러면 보고서의 내용을 간단히 살펴볼 텐데요. 먼저 이 연구의 핵심 목적은 AI가 각각의 특정 직업군에서 어떤 작업을 수행하고 있는지 확인하는 것입니다. 그리고 또 한 가지는 AI가 자동화(automation)와 증강(augmentation) 중에서 어떤 방식으로 사용되고 있는지를 확인하는 것이죠. 여기서 automation는 말 그대로 인간이 최소한의 개입만 하면서 AI가 업무를 자동적으로 처리하는 것을 말하는 반면, augmentation의 경우에는 AI가 활용은 되지만 인간의 역할을 보완해주는 용도로 활용되는 것을 말합니다.
이것을 확인하기 위해서 Anthropic은 자사의 Claude.ai에서 이루어진 400만 건 이상의 대화 데이터를 수집했고, 이것을 미국 노동부의 O*NET 직업 데이터베이스와 연결해 보면서 AI 사용의 직업별 분포를 분석했다고 합니다. 이 O*NET 데이터베이스에서 분류하는 36개 직업군, 그리고 그 36개의 직업군이 수행하는 20000개 이상의 작업들을 AI의 사용방식과 하나하나 매칭시켜서 분석을 진행한 것이죠.
AI는 인간 역량을 증강시킨다
이렇게 분석한 결과, 전체적으로 보면 AI는 인간의 노동을 대체하는 자동화보다는 인간의 작업을 지원하는 도구로 더 많이 활용되고 있다는 결론이 나왔다고 합니다. 자동화의 비율이 43%고, 증강의 비율이 57%라고 하는데, 자동화도 비율이 ...