NBIM의 AI 에이전트: 펀드 변혁

NBIM 투자 펀드 관리에서의 다중 에이전트 AI 시스템

세계 최대 규모의 국부펀드를 관리하는 노르웨이 중앙은행 투자 관리국(NBIM)은 지난 2년간 모든 부서에 AI를 통합했습니다. 단일 프로젝트에 집중하기보다는 171개의 비즈니스 프로세스에 다중 에이전트 아키텍처를 도입했습니다. 직원의 50% 이상이 코딩을 배웠고, 회의 준비 시간은 80% 단축되었으며, 거래 비용이 절감되었습니다. 모든 직원에게 교육이 의무화되었고, 스크럼 방식은 두 명의 개발자와 한 명의 비즈니스 전문가로 구성된 마이크로 팀으로 대체되었습니다.

투자 부서에서의 장외 거래 분석

투자 부서에서는 대규모 블록 거래를 평가하기 위해 다중 에이전트 시스템을 도입했습니다. 에이전트들은 외부 소스, 내부 데이터베이스, 거래 문서, 뉴스 등에서 동시에 데이터를 수집합니다. 지수 영향, 판매자 배경, 공정 가격 등을 계산합니다.

사례 예시: 골드만삭스가 제안한 페라리 주식 패키지(300억 크로네 상당). 이전에는 데이터 수집에 1시간이 소요되었으나, 현재는 몇 분 만에 가능합니다. 5명으로 구성된 팀이 2조 크로네 상당의 자산을 관리하며, 매년 수십억 크로네의 초과 수익을 창출하고 있습니다.

에이전트 아키텍처:

• 에이전트 1(웹 검색): 보유 구조를 통해 수혜자를 식별합니다.
• 에이전트 2(파싱): 거래 문서에서 조건, 마감일, 제재 조항을 추출합니다.
• 에이전트 3(알고리즘): 지수 추종자에 미치는 영향을 모델링합니다.
• 추가 에이전트: 거래 이력, 시장 기대, 가격 책정을 분석합니다.

프로토타입은 내부에서 개발된 후 한 명의 전문가가 개선했습니다. 시간 비율: 데이터 수집—20%, 분석—80%. 펀드는 연간 약 200건의 이러한 요청을 처리합니다.

커뮤니케이션 부서의 미디어 및 소셜 미디어 모니터링

커뮤니케이션 부서는 연간 5만 건 이상의 게시물을 분석하기 위해 에코 플랫폼을 구축했습니다. 이 시스템은 감정, 미디어 우선순위, 자료 내 펀드의 역할, 주제, 개인을 분류합니다. 스노우플레이크 기반 챗봇은 소셜 미디어(링크드인, 인스타그램, 유튜브)에 대한 보고서를 생성합니다.

두 명의 전문가로 구성된 팀이 비용이 많이 드는 외부 서비스를 피하며 독립적으로 솔루션을 구축했습니다. 데이터는 기업용 스노우플레이크에 저장됩니다.

주요 에이전트 구성 요소:

• 감정 분류(긍정/부정/중립).
• 펀드 역할 평가(언급/인용/주제).
• 출처 우선순위(주요 미디어 대 블로그).
• 콘텐츠 유형(뉴스/분석/조사).
• 주제 및 인물 추출.

기능:

• 세부 정보가 포함된 부정적 급등 타임라인.
• 주요 동인에 대한 AI 인사이트.
• 에코봇: "소셜 미디어 참여 분석"과 같은 쿼리로 트렌드 및 권장 사항 제공.

2025년—5만 건 언급; 2026년—분기당 5천 건 이상. 이 시스템은 상용 대안보다 저렴하고 정확합니다.

사이버보안 부서의 조사 자동화

사이버보안 부서의 AI 에이전트는 인간과 병행하여 사건을 조사합니다. 연간 1조 개의 로그에서 수십만 건의 의심 사례로 좁혀 5분 내에 보고서를 제공합니다.

시나리오: 야간 이상 징후—의심스러운 사이트 연결. 에이전트는 로그, 이력, 관련성 판단 등 맥락을 수집합니다.

장점: 고정된 속도(인간보다 6배 빠름), 일상 업무에서의 피로도 없음. 분석가는 의사 결정을 위한 완성된 보고서를 받습니다.

최고 경영진과의 회의 준비

CEO 및 이사회 의장과의 연간 3천 회의를 위한 AI 어시스턴트. 다중 에이전트 시스템이 계획을 수립하고, 출처를 조사하며, 내부 모범 사례에 대해 품질을 검증합니다.

프로세스:

• 내부 데이터(가설, 메모) 업로드.
• 플래너 에이전트가 구조를 형성.
• 3~5개의 하위 에이전트가 뉴스, 보고서를 스캔.
• 최종 에이전트가 최상의 사례 및 펀드 기법에 대해 검증.

절감 효과: 연간 1만 시간(회의당 3시간). 결론은 추적 가능—환각을 방지하기 위한 프롬프트 및 출처 포함. 계획: 음성 합성 및 협상 피드백이 포함된 인터뷰어 시뮬레이션.

컴플라이언스: 시장 경고용 EVA 에이전트

EVA 시스템은 내부자 거래 및 시장 조작 의혹을 조사합니다. 6개의 하위 에이전트가 각 경고를 확인합니다:

• 거래 맥락.
• 지수 재조정.
• 기업 뉴스.
• 산업 이벤트.
• 타이밍 패턴.
• 발행인과의 접촉.

마스터 에이전트가 집계하여 감사 추적을 형성합니다. 인간은 3가지 경우에 개입합니다: 모호성, 자동화 불가능, 법적 책임. 동일한 팀이 오탐 없이 더 많은 사건을 처리합니다.

핵심 요약

• 도입 규모: 171개 프로세스에 AI, 직원의 50% 코딩 가능.
• 에이전트 아키텍처: 복잡한 데이터의 병렬 분석 핵심.
• 자원 절감: 회의 80%, 보안 6배, 거래 초과 수익.
• 내부 개발: 맞춤형 솔루션을 위한 외부 도구 거부.
• 추적 가능성: 출처 및 프롬프트를 통한 환각 방지.

— Editorial Team