1. 범용 LLM만으로는 부족
- Bridgewater 실험에서 범용 프론티어 모델은 단순 금융 필터링도 초반엔 50% 정확도에 그침
- 투자 업무의 본질은 읽기가 아니라 무엇이 중요한지 걸러내는 판단
- 즉, ChatGPT를 쓰는 것만으로는 엣지가 아니라 모두가 쓰는 공공재
2. 진짜 엣지는 전문가 라벨 데이터
- 고품질 투자자 라벨로 학습한 커스텀 모델은 프론티어 모델보다 높은 성능을 기록
- 최고 범용 모델 78.2% 대비 커스텀 모델은 84.7%, 실수는 29.8% 감소
- AI 시대의 알파는 모델 접근권보다 자기 조직만 가진 판단 데이터에서 나옴
3. 파인튜닝은 프롬프트보다 강함
- 전문가 프롬프트도 성능을 70%대까지는 올렸지만, 신뢰 가능한 80% 문턱은 못 넘김
- 이유는 간단함. 전문가의 직관은 말로 완전히 설명하기 어려움
- 결국 중요한 건 프롬프트 엔지니어링이 아니라 반복된 판단을 모델에 주입하는 것
4. 투자 포인트는 버티컬 AI
- 커스텀 모델은 성능뿐 아니라 작업당 비용도 13.8배 낮았음
- 앞으로 AI 승자는 가장 큰 모델이 아니라, 특정 산업 워크플로우에 깊게 박힌 모델
- 금융, 법률, 의료, 국방처럼 판단 비용이 높은 산업일수록 버티컬 AI의 가치가 커짐