무디스, 모듈형 에이전틱 AI로 신용메모 40시간→2분

무디스, 에이전틱 AI로 신용메모 40시간을 2분으로

무디스는 신용평가와 데이터 분석 사업을 영위하며 오랜 기간 재난·신용 리스크 모델을 축적해 왔다. 2023년 말 자사 콘텐츠에 기반한 대화형 ‘Research Assistant’를 출시해 빠르게 확산시켰고, 이어 전 세계 5억9천만 개 이상의 개체 데이터를 활용하는 ‘Agentic Solutions’를 공개해 금융 정보 워크플로 전반의 자동화를 본격화했다. 그 결과, 전통적으로 40시간 이상 걸리던 신용심사 메모(credit memo) 작성이 몇 분, 실제로는 약 2분 내에 가능해졌다고 크리스티나 피에레티(무디스 디지털 콘텐츠·혁신 총괄)는 밝혔다.

대화형 검색을 넘어 업무 자동화로

Research Assistant가 대화형 질의로 정보를 빠르게 찾고 소비하도록 돕는 데 최적화됐다면, Agentic Solutions는 아예 완성도 높은 산출물을 만드는 데 초점을 둔다. 피에레티는 “여러 조각의 정보를 빠짐없이 찾아 연결해 사람이 보던 방식으로 조립해 주는 에이전트의 효율성이 크다”고 설명한다. 이는 단순 검색 가속화를 넘어, 과거엔 사람의 조정과 분석이 필요했던 다단계 업무를 기계가 수행하는 방향으로 기업용 AI의 무게중심이 이동하고 있음을 보여준다.

모듈형 AI 에이전트 아키텍처

무디스는 복잡한 업무를 세분화해 특화 에이전트가 맡는 모듈형 설계를 채택했다. 예를 들어 신용메모 생성에서는 개체 식별·검증, 10-K 공시에서의 재무 데이터 추출(제3자 출처 대신 1차 문서 우선), 동종업계 비교, 리스크 평가 등이 각각 분리된 에이전트로 동작한다. 이는 한 번에 모든 것을 처리하는 거대 단일 시스템과 대조적이며, 마이크로서비스 아키텍처처럼 병렬 처리가 가능해 속도를 크게 높이면서도 정확성을 유지한다.

모듈형 에이전틱 AI의 핵심 구성요소

업무를 태스크 단위로 분해하고, 각 태스크에 최적화된 에이전트를 배치하며, 최종 단계에서 결과를 연결(concatenate)해 완성물을 만든다. 이러한 분업·병렬화가 시간 단축의 핵심 동력이다.

모델 불가지론 전략과 벤더 종속 최소화

무디스는 단일 대규모 언어모델(LLM)에 올인하지 않고 비용, 컨텍스트 길이, 성능, 지시이행 능력 등을 기준으로 작업별 최적 모델을 고른다. 이 ‘모델 불가지론’ 전략은 벤더 종속을 줄이고 비용을 최적화하며, 신형 모델 등장에 기민하게 대응할 유연성을 제공한다. 무디스의 진정한 경쟁력은 LLM 자체가 아니라, 광범위한 고유 데이터와 금융 워크플로에 대한 깊은 이해에 있다는 판단이다.

모델-불가지론 에이전틱 AI 운영 원칙

작업별 성능·비용을 지속 평가해 모델을 교체·혼합하고, 데이터·도메인 전문성 같은 핵심 역량에 투자한다. 기반 모델 개발보다 차별적 데이터와 프로세스 자산을 우선시한다.

정확도와 컴플라이언스를 위한 그라운딩

무디스는 초기 제품 단계부터 ‘환각(hallucination) 방지’에 집착했고, 이를 위해 응답을 검증된 자사 정보에 엄격히 그라운딩(근거 기반)했다. 규제 산업에서는 잘못된 정보가 곧 컴플라이언스 리스크로 이어지기 때문이다. 흥미롭게도 이 접근은 사용자의 연구 소비량도 늘렸다. Research Assistant 사용자는 이전보다 40% 더 많은 보고서와 데이터를 소비하며, 관련성이 높은 추가 콘텐츠를 연쇄적으로 탐색하는 경향을 보였다.

작게 시작해 강점을 공략하라

피에레티는 “모든 것을 한 번에 자체 구축하려 하기보다, 고유 데이터·도메인 지식·규제 이해 등에서 우위를 가진 워크플로부터 시작하라”고 조언한다. 무디스 역시 빅테크가 손쉽게 만들 수 있는 범용 기능과 정면 경쟁하기보다, 자사만의 특화 에이전트가 성과를 내는 영역에 집중하고 있다.

엔터프라이즈를 위한 실행 가능한 청사진

엔터프라이즈는 (1) 고유 데이터가 있는 워크플로부터 시작하고, (2) 개선에 따라 진화 가능한 모듈형 에이전트 아키텍처를 구축하며, (3) 화려한 기능보다 정확도·감사를 중시하고, (4) 기반 모델 내재화는 진정한 경쟁우위일 때만 고려해야 한다. 급변하는 시장을 면밀히 관찰하며 민첩하게 조정하는 운영 체계가 중요하다. 이러한 원칙은 에이전틱 AI 도입을 모색하는 규제 산업 기업에도 직접적인 길잡이가 된다.