점프 트레이딩이 GPT-6 아스트라를 활용해 코딩부터 가설 검증을 위한 정량 연구까지 AI 에이전트에 맡기는 업무를 확대하고 있다. 루카스 베이커 점프 트레이딩 LLM 연구개발 책임자는 10월 6일 오픈AI(OpenAI) 블로그에서 에이전트가 장기간 이어지는 복잡한 작업을 수행할 수 있게 됐다고 설명했다.
코딩 보조에서 장기 연구 수행으로
베이커 책임자에 따르면 점프 트레이딩은 시장 데이터와 뉴스·사건, 대체 데이터 등을 활용해 자산 가격을 예측하는 모델을 만든다. 시장은 복잡하고 잡음이 많으며 계속 변하기 때문에 결과를 정확히 맞히기는 어렵지만, 베이커 책임자는 대규모로 동전 던지기보다 조금이라도 나은 예측을 꾸준히 하는 것이 성공적인 전략으로 이어질 수 있다고 말했다. 이 연구 과정에서 GPT-6 아스트라를 도입하면서 에이전트에 맡길 수 있는 업무의 규모와 복잡성이 커졌다는 설명이다.
지난해까지만 해도 AI는 짧은 코드 작성이나 작은 오류를 찾는 보조 도구에 가까웠지만, 현재는 전체 코인베이스와 서비스를 구축하는 수준으로 발전했다고 베이커 책임자는 전했다. 연구자는 해결할 문제와 작업 환경, 결과의 품질·의미를 평가할 기준을 정하고 한 개 이상의 에이전트를 실시간으로 이끌 수 있다. 에이전트는 발견한 개선점을 평가 기준에 맞춰 검토하고, 효과가 있는 변경을 결합해 다음 작업으로 이어간다. 며칠간 여러 데이터 출처를 살피고 중요도를 판단하는 분석도 수행할 수 있어, 연구자가 변경 단계마다 직접 판단해야 하는 부담을 줄인다는 것이다.
금융 연구에 필요한 통제와 사람의 검토
점프 트레이딩은 여러 투자 기간과 자산군을 다루며, 금융업에서는 실수가 금전적 손실뿐 아니라 규정 준수 문제로 이어질 수 있다. 베이커 책임자는 에이전트에 업무를 맡길 때 위험을 고려해야 하지만, 에이전트형(agentic) AI를 보안과 품질, 모니터링을 개선하는 데도 활용할 수 있다고 말했다. 작업 범위와 제약을 명확히 하고, 시스템을 관찰·조정할 수 있는 기반을 마련하는 것이 중요하다는 설명이다.
에이전트가 만든 결과는 검토 없이 매매에 반영되는 것이 아니다. 예를 들어 에이전트가 거래 신호를 내놓더라도 다른 신호와 마찬가지로 틀릴 가능성이 있는 정보로 취급하며, 엄격한 검토와 통제가 이뤄지는 실행 환경에 통합한다. 베이커 책임자는 에이전트가 필요한 결과를 만들 수 있도록 안전한 환경을 제공하되, 마지막에 사람이 핵심 내용을 검증하고 승인하는 절차가 있어야 신뢰할 수 있다고 밝혔다.
연구 에이전트의 다음 단계
베이커 책임자는 측정 가능한 시스템을 에이전트가 반복적으로 개선하는 ‘자동 연구’가 정량 연구자의 일상적인 업무가 될 수 있다고 내다봤다. 현재 장시간 진행되는 작업도 어떤 데이터를 가져올지, 얼마나 실행할지, 무엇을 중요한 결과로 볼지 사람이 정하고 중간 결과를 확인해야 한다. 앞으로는 사람이 입력과 작업 환경, 평가 기준, 우선순위를 설계한 뒤 여러 에이전트가 아이디어 탐색과 컴퓨팅 자원 배분, 유망한 결과의 결합을 나눠 맡는 구상이 가능하다는 설명이다.
다만 이런 연구도 사람이 정의한 체계와 기준에서 출발한다. 베이커 책임자는 열린 질문을 제시하면 에이전트들이 협업해 유용한 결과를 내는 단계가 어떤 모습일지 질문을 던졌다. 그는 모델이 수행할 수 있는 작업의 범위가 빠르게 바뀌고 있다며, 2024년에는 초기 에이전트가 파일 하나를 오류 없이 작성하는 일이 인상적이었고 2025년에는 처음부터 전체 코인베이스를 만들 수 있었으며 2026년에는 여러 에이전트가 연구 문제에 함께 진전을 낼 수 있게 됐다고 설명했다.