1. Gabe Stengel(Rogo)은 금융 AI의 본질을 “챗봇”이 아니라 “거래를 실제로 굴리는 인프라”로 본다. 모델이 아무리 좋아도 MNPI 처리, 감사추적, 데이터룸, CRM 업데이트, 딜 워크플로우 연결 없이는 월가에서 돈이 안 된다.
2. 그래서 당장 AI의 최대 수혜는 공개시장보다 사모시장이다. 퍼블릭은 데이터가 열려 있지만 이미 자동화가 많이 됐고, 프라이빗은 인간이 엑셀·PPT·이메일로 붙들고 있는 비표준 업무가 너무 많아 AI가 먹을 여지가 크다.
3. 인상적인 포인트는 “투자 아이디어 생성”보다 “거래 조율”이 먼저 돈이 된다는 점이다. 데이터룸 해석, DDQ 작성, 실사 정리, IC memo, 매니징디렉터 deck 수정 반영 같은 더럽고 느린 업무가 바로 AI의 첫 현금흐름이다.
4. 그는 01 Pro 시점에 검색형 도구가 겨우 쓸 만해졌고, Opus 4.5 이후엔 “주니어 뱅커/애널리스트 업무 대부분”이 가능해졌다고 본다. Rogo는 현재 대형 은행 중심으로 배포되고, “10,000 agents가 24시간 토론해 아이디어 1개를 준다”는 식의 멀티에이전트 투자 리서치도 실험 중이다.
5. 시장 구조적으로 중요한 변화는 “기업가치의 원천” 이동이다. Gabe는 10년 뒤 최고의 은행·운용사는 EV의 90%가 사람이 아니라 소프트웨어, 데이터, 시스템에 있을 것이라 말한다. 이 말은 곧 금융회사도 사람 장사에서 소프트웨어 장사로 리레이팅될 수 있다는 뜻이다.
6. OpenAI·Anthropic의 한계로 그가 꼽는 것은 TAM이 아니라 집중력이다. 이들은 범용 지능과 수백억~수천억달러 시장을 향하지만, 금융 현장은 데이터 권한관리, 컴플라이언스, 에이전트 간 거래 프로토콜 같은 “귀찮은 마지막 1마일”이 핵심이라 수직 플레이어가 깊게 파고들 여지가 크다.
7. 투자자 관점에서 더 흥미로운 대목은 “AI 도입 = 비용절감”이 아니라 “서비스 불가능했던 시장 개방”이라는 주장이다. 예시로 JPMorgan이 SMB M&A로 내려가는 그림처럼, AI로 딜팀 1인이 가능해지면 과거엔 수수료가 작아 외면받던 롱테일 시장이 열린다.
8. 다만 리스크도 분명하다. 첫째, 정확도보다 더 중요한 건 감사가능성(auditability)인데, 금융 규제상 설명 불가능한 에이전트는 못 쓴다. 둘째, private markets의 자동화 속도는 규제·표준화·사람 간 신뢰 문화에 묶여 있다. 셋째, 모델 발전이 너무 빨라 제품이 6개월마다 갈아엎어질 수 있어, 승자는 기술력보다 “재구축 속도”에서 갈릴 수 있다.
트레이더/투자자 관점
• 내러티브: AI 수혜를 LLM 랩스에서만 찾는 프레임이 약해질 수 있다. 금융·법률·헬스케어처럼 규제와 워크플로우가 무거운 산업에선 “모델 승자”보다 “수직 통합 애플리케이션/시스템 오브 레코드”가 더 큰 가치포집을 할 수 있다.
• 가격/포지셔닝: 순수 모델 업체의 멀티플만 보지 말고, Bloomberg·FactSet·S&P·PitchBook·ION 같은 정보/워크플로우/거래 인프라 기업의 재평가 가능성을 봐야 한다. 반대로 사람 수에 비례해 돈 벌던 전통 금융 서비스는 중장기적으로 마진 압박과 밸류체인 재편 리스크가 커진다.
• 체크포인트: 대형 은행·PE·크레딧 펀드의 AI 예산이 seat-based에서 outcome-based로 옮겨가는지, 데이터룸·CRM·컴플라이언스 시스템까지 AI가 침투하는지, 그리고 AI-native 투자은행/사모시장 거래 플랫폼이 실제 체결량을 만들기 시작하는지 확인해야 한다.