Finbar의 에이전트형 투자 리서치, 자동화보다 추적성이 먼저다
Finbar는 Product Hunt에서 에이전트형 투자 리서치 도구로 소개됐다. 공개 설명에 따르면 전 세계 기본 재무 데이터, 검색, 스프레드시트, 보고서 작성 도구를 묶어 API와 MCP를 제공하고 웹과 Excel 활용도 언급한다. 이 조합에서 눈에 띄는 것은 ‘AI가 분석한다’는 말보다 데이터 계층과 작업 계층을 함께 내세운다는 점이다. 투자 리서치에서는 문장 품질보다 숫자와 근거가 언제 어디서 왔는지 끝까지 따라갈 수 있는지가 더 중요하기 때문이다.
AI 에이전트가 리서치 업무에 들어오면 반복적인 문서 탐색, 표 업데이트, 초안 작성은 빨라질 수 있다. 다만 그 속도가 검토 가능성을 앞질러서는 안 된다. 수치 하나가 모델의 가정으로 들어가고 그 모델이 투자 판단의 입력이 되는 순간, 오류 비용은 일반 문서 작업과 달라진다. Finbar 같은 도구는 얼마나 많은 작업을 대신하는지보다 사람이 사실을 다시 확인할 수 있는 지점이 어디인지부터 따져야 한다.
데이터가 아니라 데이터의 계보를 묻는다
공개 페이지에는 전 세계 기업 문서와 기본 데이터, 사전 구성된 회사 모델, API·MCP 제공이 소개돼 있다. 이 구성이 실제로 유용하려면 각 값이 원문 문서, 추출 과정, 계산 규칙, 갱신 시점과 연결돼야 한다. 화면에 숫자가 보이는 것만으로는 충분하지 않다. 분석가는 원문 문서의 해당 문장이나 표로 돌아갈 수 있어야 하고 수정 이력이 남아야 하며 다시 실행했을 때 같은 질문에 어떤 차이가 생겼는지도 알아야 한다.
파일럿에서 확인할 질문은 비교적 단순하다. 한 매출 지표를 골라 원문까지 몇 번의 조작으로 도달하는가. 여러 기간의 값이 회계 기준 변화나 사업 매각 같은 예외를 어떻게 표시하는가. 데이터가 비어 있을 때 모델은 빈칸을 유지하는가, 아니면 그럴듯한 값을 만들어 내는가. 이런 질문은 화려한 에이전트 시연보다 도입 뒤의 사고를 잘 예측한다.
MCP 연결은 권한 설계 문제다
MCP와 API가 있다는 말은 외부 에이전트나 내부 자동화가 데이터를 읽어 리서치 흐름에 연결될 가능성을 뜻한다. 동시에 접근 권한과 실행 범위라는 새로운 운영 문제도 생긴다. 어떤 에이전트가 어떤 데이터 집합을 읽을 수 있는지, 질문과 결과가 어디에 남는지, 모델이 만든 표를 누가 승인하는지 정하지 않으면 통합은 편리해도 불투명해진다.
초기에는 읽기 전용 조사 보조로 범위를 좁히는 편이 낫다. 예를 들어 “실적 발표에서 특정 지표의 변화와 근거 문단을 수집해 달라”는 요청은 사람이 검토할 산출물이 뚜렷하다. 반면 모델을 직접 갱신하거나 외부 문서에 결과를 발행하는 일은 권한, 오류 복구, 감사 로그가 준비된 뒤에 고려해야 한다. 자동화 범위를 작게 잡을수록 실패 원인도 분리하기 쉽다.
Excel은 마지막 단계가 아니라 검토 화면이다
공개 설명은 웹 플랫폼과 Excel 활용을 함께 언급한다. 많은 투자팀에서 Excel은 단순 출력 형식이 아니라 가정과 계산을 검토하는 작업 공간이다. AI 도구가 Excel에 들어온다면 ‘표를 채워 준다’는 기능보다 변경 전후를 읽기 쉽게 보여 주는지가 중요하다. 수식이 바뀌었는지, 입력값만 바뀌었는지, 새로 추가된 가정이 있는지 알 수 있어야 사람이 책임을 질 수 있다.
작은 테스트에서는 기존 모델 하나를 복제해 두고 같은 업데이트를 수동·자동으로 각각 처리해 보는 방식이 좋다. 소요 시간만 재지 말고 검토자가 이상값을 발견하는 데 걸린 시간과 출처를 되찾는 데 걸린 시간을 기록한다. 자동화가 빠르면서 검토 시간까지 줄어들어야 전체 흐름의 이득이 생긴다.
‘분석 결과’와 ‘투자 판단’ 사이를 비워 둔다
Finbar의 공개 소개는 리서치와 모델링을 지원하는 도구라는 점을 말해 주지만 어떤 결과도 투자 조언의 대체물로 받아들여서는 안 된다. 특히 에이전트가 만든 요약에는 누락, 해석의 단순화, 오래된 데이터가 섞일 수 있다. 가장 실용적인 장치는 결과물마다 출처, 시점, 미확인 가정을 함께 출력하도록 요구하는 일이다.
Finbar의 가치는 AI라는 이름보다 데이터와 분석 도구를 한 흐름에 연결하려는 구성에서 평가해야 한다. 출처를 추적할 수 있고 자동화의 경계를 정할 수 있으며 사람이 마지막 판단을 검토할 자리를 지킬 수 있다면 검토할 만하다. 이 세 조건이 빠지면 더 빠른 리서치는 오류도 더 빨리 전달할 수 있다.
