① 어떤 상황에서 AI를 활용했나요?
투자 리서치 업무를 혼자 담당하면서 매일 쏟아지는 정보를 확인하는 데 많은 시간을 사용하고 있었습니다. 투자 판단을 위해서는 원자재 가격, 증권사 리포트, 주가 차트, 뉴스, 기업 공시 등을 지속적으로 확인해야 합니다. 하지만 각각의 정보를 여러 사이트에서 개별적으로 찾아보고, 필요한 내용을 다시 정리하는 과정에 하루 평균 3~4시간가량이 소요됐습니다.
특히 증권사 리포트가 발간되면 목표주가(TP)와 EPS 전망치가 기존 대비 상향됐는지 직접 비교해야 했고, 투자 후보를 찾기 위해 52주 신고가 종목과 이후 눌림목에 진입한 종목의 차트도 반복적으로 확인했습니다. 장중에는 주요 뉴스와 기업 공시까지 놓치지 않아야 했습니다.
문제는 리서치 담당자가 저 하나라는 것이었으며, 이러한 업무 대부분이 투자 판단 자체보다는 정보를 수집하고 분류하는 일이었습니다. 모든 정보를 직접 확인하다 보니 정작 기업과 산업을 깊게 분석하는 시간이 부족했습니다.
그래서 AI를 단순히 질문에 답하거나 문서를 작성하는 도구가 아니라, 반복적인 투자정보 수집과 분류를 대신 수행하는 리서치 도구로 활용하기 시작했습니다. 궁극적으로는 여러 정보를 한곳에서 확인할 수 있는 ‘AI 투자 리서치 대시보드’를 구축해 업무 방식 자체를 바꾸고자 했습니다.

② 어떤 AI를 어떻게 활용했나요?
생성형 AI를 활용해 기존에 사람이 반복적으로 수행하던 정보 수집 → 정리 → 비교 → 조건 선별 → 요약 과정을 자동화하고, 결과를 하나의 투자 리서치 대시보드에서 확인할 수 있도록 구성했습니다.
먼저 주요 원자재 가격과 변동 정보를 자동으로 확인할 수 있도록 해 산업별 원가와 업황 변화를 파악하는 기초자료로 활용했습니다.
증권사 리포트의 경우 AI가 새롭게 발간된 자료의 주요 수치를 정리하고 목표주가(TP), EPS 등 핵심 전망치의 변화를 비교하도록 했습니다. 이를 통해 수많은 리포트를 일일이 열어보지 않고도 TP·EPS가 상향된 기업을 우선적으로 발견할 수 있게 했습니다.
주가 데이터에서는 52주 신고가를 기록한 종목과 신고가 이후 첫 눌림목에 진입한 종목을 조건에 따라 선별하도록 구성했습니다. 사람이 수백 개의 차트를 하나씩 확인하던 작업을 후보군 탐색 방식으로 전환한 것입니다.
뉴스는 주요 기사를 시간순으로 정리하고 핵심 내용을 빠르게 파악할 수 있도록 요약했습니다. 단, AI의 요약만 믿지 않고 중요한 기사는 클릭하면 원문으로 바로 이동하도록 해 직접 내용을 검증할 수 있게 했습니다.
기업 공시 역시 필요한 공시를 유형별로 구분해 원하는 정보에 빠르게 접근할 수 있도록 했습니다. 즉, AI에게 종목을 추천받는 방식이 아니라 투자자가 판단하기 전에 거쳐야 하는 정보 탐색 과정을 AI로 자동화했습니다.

③ 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 정보 수집 시간이 줄어 정보 분석과 판단에 할애할 시간이 늘었습니다.
기존에는 원자재 데이터 확인 및 정리에 약 30분, 증권사 리포트 확인과 TP·EPS 변화 비교에 약 1시간, 52주 신고가 및 눌림목 종목 탐색에 약 1시간, 뉴스 확인과 정리에 약 1시간, 기업 공시 확인·분류에 약 30분이 필요했습니다. 하루 약 4시간이 투자 판단 이전 단계인 정보 탐색과 정리에 사용된 셈입니다.
대시보드 구축 후에는 자동으로 수집·분류된 정보를 한 화면에서 확인할 수 있어 동일한 업무를 약 30분 내외로 줄일 수 있었습니다. 하루 약 3시간 30분, 주 5일 기준 약 17시간 이상의 시간을 확보하게 된 것입니다.
AI가 투자자의 역할을 대신한 것이 아니라, AI가 반복 업무를 맡으면서 투자자가 더 투자자다운 일을 할 수 있게 된 것이 가장 큰 변화였습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
제가 AI를 활용하면서 가장 중요하게 생각한 원칙은 ‘AI에게 투자 판단을 맡기지 않는다’는 것입니다.
투자에서는 같은 뉴스나 숫자라도 기업의 상황과 산업 사이클에 따라 의미가 달라질 수 있습니다. 따라서 AI가 특정 종목의 매수·매도를 결정하도록 하기보다는, 사람이 판단해야 할 정보의 범위를 줄여주는 역할에 집중하도록 설계했습니다.
예를 들어 AI가 “좋은 기업”을 임의로 추천하는 것이 아니라 TP·EPS 상향, 52주 신고가 이후 첫 눌림목 등 제가 실제 투자 과정에서 중요하게 보는 조건을 먼저 정의하고, AI가 해당 조건에 맞는 기업을 찾아주는 방식을 사용했습니다. 즉, 투자 기준은 사람이 만들고 AI는 그 기준을 빠르고 반복적으로 수행합니다.
또 하나의 원칙은 원문 검증이 가능한 구조입니다. 뉴스의 경우 AI 요약에서 끝내지 않고 원문으로 바로 이동할 수 있도록 했습니다. AI가 빠른 탐색을 담당하되 최종적으로 중요한 정보는 사람이 직접 확인할 수 있도록 한 것입니다.
이를 통해 AI의 장점인 속도와 자동화를 활용하면서도 오류나 과도한 의존 가능성을 낮추었습니다. 저에게 AI는 ‘나보다 투자를 잘하는 사람’이 아니라, 내 투자 원칙을 가장 성실하고 빠르게 반복 수행해주는 리서치 동료에 가깝습니다.

⑤ 다른 사람도 따라 할 수 있나요?
충분히 가능합니다. 처음부터 복잡한 투자 대시보드를 만들 필요도 없습니다. 핵심은 ‘내가 매일 반복해서 하는 일이 무엇인지 찾는 것’이라고 생각합니다.
저 역시 처음부터 모든 기능을 한 번에 만든 것이 아니라, 실제 업무에서 시간이 많이 걸리는 작업을 하나씩 AI에 맡기는 방식으로 시작했습니다. 예를 들어 매일 여러 리포트를 확인한다면 먼저 ‘리포트에서 TP와 EPS를 추출해 이전 값과 비교하기’부터 시작할 수 있습니다. 매일 뉴스를 많이 확인한다면 ‘관심 기업의 주요 뉴스를 모아 핵심 내용을 요약하기’부터 시작할 수 있습니다.
① 매일 반복하는 업무를 적어보고, ② 그중 검색·정리·분류·비교처럼 일정한 규칙이 있는 일을 찾고, ③ AI에게 원하는 결과와 판단 기준을 구체적으로 알려주고, ④ 결과를 직접 검증하면서 조건을 수정하는 과정을 반복하면 됩니다.
자신의 업무 기준을 명확하게 만들어 프롬포트에 입력하는것이 가장 중요했습니다.
결국 AI 활용의 출발점은 새로운 일을 만드는 것이 아니라 ‘내가 오늘도 반복한 이 일을 내일도 직접 해야 할까?’라고 질문하는 것입니다. 작은 반복 업무 하나부터 AI에 맡겨보는 것만으로도 누구나 자신만의 업무 자동화를 시작할 수 있습니다.