AI 에이전트가 실제 데스크처럼 금융 리서치를 수행하는 것을 목격하고 있습니다.

AI 에이전트가 실제 데스크에서 하는 것처럼 금융 리서치를 수행하는 것을 보기 시작했습니다.

웹 전반의 컨텍스트를 가져와서, 그것을 가격, 역사, 그리고 세션별 움직임과 대조해 보는 식입니다.

두 번째 단계가 아직 약점입니다. 대부분의 에이전트는 기사와 논평으로부터 시장 사실들을 재구성하는데, 이때 정밀도가 중요할 때는 무너집니다.

분리는 간단합니다. 한 시스템은 무엇이 일어났고 왜 일어났는지 찾아냅니다. 다른 시스템은 그것을 검증하기 위한 시장 데이터를 제공합니다.

Pyth와 Exa가 테스트하고 있는 조합입니다. Exa는 발견(discovery)을 처리합니다. Pyth의 MCP 툴은 현재 및 과거 시장 데이터를 제공합니다.

에이전트들이 이야기(story)를 그 배경에 있는 시장 데이터와 연결할 수 있을 때 리서치가 얼마나 더 좋아지는지 보는 것이 흥미롭습니다.