돈은 쏟아붓는데 '이게 맞나' 고민…자산운용사 AI 투자의 역설

이러한 변화가 갑작스러운 것은 아니다. 절반이 넘는 기업(56%)은 4~5년 전부터 AI를 업무에 통합하기 시작했으며, 불과 9%만이 지난 1년 사이에 시작했다. 즉, 업계는 AI 도입 여정의 초입이 아니라 중간 지점에 와 있는 셈이다 .

투자 역설: 66%는 과잉투자 우려, 25%는 더 필요하다고 답해

아마도 가장 놀라운 발견은 적정 AI 지출 수준에 대한 합의가 전혀 없다는 점이다:

• 66% 의 펀드매니저는 자신의 회사가 AI에 과잉투자하고 있다고 우려한다 .
• 25% 는 자신의 조직이 여전히 충분히 투자하고 있지 않다고 생각한다 .

Clearwater가 '투자 역설'이라고 부르는 이 모순은 더 깊은 불확실성을 가리킨다. Clearwater Analytics의 최고기술책임자(CTO) 수빅 다스(Souvik Das)는 업계가 분명히 혁신적인 기술이지만 투자수익률(ROI)은 여전히 예측 불가능한 이 기술에 대한 투자 수준을 조정하는 데 어려움을 겪고 있다고 지적했다 .

AI가 효과를 낼 것으로 기대되는 분야: 데이터, 의사결정, 리스크 모델

이 연구는 임원들에게 향후 12개월 동안 AI가 가장 큰 영향을 미칠 분야가 어디인지 물었다. 그 결과는 정보를 처리하고 인간의 판단을 지원하는 업무를 정확히 가리킨다:

• 펀드매니저의 62% 는 데이터 생성 및 요약 분야에서 혁신적인 변화를 기대한다 .
• 58% 는 포트폴리오 리밸런싱을 포함한 의사결정 지원 시스템에 큰 영향을 미칠 것이라고 답했다 .
• 57% 는 예측 모델링 및 스트레스 테스트에 큰 영향을 미칠 것이라고 답했다 .

이 수치는 업계가 AI를 포트폴리오 매니저의 대체재가 아니라, 투자 결정의 기초가 되는 데이터 중심의 분석 작업을 가속화하는 도구로 보고 있음을 시사한다.

데이터 품질: 성공과 정체를 가르는 숨은 변수

모든 AI 지출이 같은 결과를 내는 것은 아니다. 이 연구는 기업이 보유한 기초 데이터의 품질이 AI 투자가 실제로 성과를 개선하는지 여부를 결정하는 결정적 요소임을 발견했다.

• 데이터 정확도가 '좋음' 또는 '우수'한 기업의 44% 는 AI 덕분에 리스크 관리가 '훨씬 더 선제적'이 되었다고 답했다 .
• 데이터 상태가 '보통' 또는 '나쁨'인 기업 중 같은 답변을 한 곳은 17% 에 불과했다 .

"자산운용사들이 AI 지출을 급격히 늘리고 있지만, 더 큰 예산이 항상 결과로 이어지는 것은 아니다"라고 Institutional Investor는 이 연구의 핵심 메시지를 요약하며 보도했다 . 더 강력한 데이터 거버넌스를 갖춘 기업은 의미 있는 운영 개선을 이끌어내고 있지만, 그렇지 않은 기업은 돈만 쓰고 비슷한 효과를 보지 못하고 있다.

업계에 주는 의미

"GenAI and the Data Divide" 연구는 성과가 여전히 불확실한 기술에 과감한 베팅을 하고 있는 업계의 모습을 보여준다. 성공에 대한 명확한 기준 없이 예산은 계속해서 증가하고 있다. 대다수 기업이 AI 통합에 이미 수년을 보냈지만, 리더 3분의 2는 조직이 너무 많이 지출하고 있다고 생각한다.

가장 명확하고 실행 가능한 발견은 예산 규모보다 데이터 품질이 더 중요하다는 점이다. 정확하고 잘 관리된 데이터에 투자하는 기업은 AI가 리스크 관리와 의사결정을 개선하는 효과를 볼 가능성이 훨씬 높다. AI 지형을 탐색하는 자산운용사들에게 이 연구는 '얼마나 쓸 것인가'보다 '모델에 주입되는 데이터가 얼마나 깨끗한가'에 우선순위를 두어야 한다는 점을 시사한다.