Generative AI in asset management 리서치 보고서 해설

개요

Bernstein은 Perplexity의 Computer Capabilities 책임자와의 대화를 요약하며, Perplexity Computer가 AI 검색에서 금융기관을 위한 기업용 업무 플랫폼으로 어떻게 진화하고 있는지 다룬다. 핵심 주장은 다중 모델 오케스트레이션, 연결된 데이터, 재사용 가능한 워크플로 및 감사 가능한 산출물이 사람이 정의한 목표와 의사결정 경계를 유지하면서 리서치 집약적 프로세스를 자동화할 수 있다는 것이다.

핵심 견해

보고서는 Perplexity를 단일 모델 제공업체가 아니라 AI 오케스트레이터로 규정한다. 플랫폼은 현재 24개의 최첨단 및 오픈소스 모델을 조정하며, 하위 작업을 복잡성에 적합한 모델에 배분한다고 설명한다. 이 접근법은 벤더 종속을 줄이면서 성능, 거버넌스 및 비용의 상충관계를 개선하는 것을 목표로 한다. 저비용 모델은 단순 작업을 처리하고, 최첨단 모델은 더 복잡한 추론에 사용된다. 보고서는 사용 가능한 모델의 다양성이 커짐에 따라 이 오케스트레이션 계층의 중요성이 높아지고 있다고 주장한다. 2026년 2월 출시된 Perplexity Computer는 AI 검색에서 엔드투엔드 업무 실행으로 전환하는 운영 프레임워크로 설명된다. Bernstein은 Trusted Data, Work Execution, Auditable Answers 및 Take Work Everywhere의 4개 핵심 요소를 제시한다. 사용자는 600+개의 커넥터를 통해 라이선스가 있는 내부 또는 외부 데이터 소스를 연결하거나 사전 협상된 데이터세트를 사용할 수 있다. 플랫폼은 이메일, 스프레드시트, 프레젠테이션, 문서, PDF, markdown 파일 및 리서치 보고서를 생성할 수 있으며, MCP 기반 통합을 통해 연결된 애플리케이션과 상호작용한다. Perplexity는 전 세계에서 매달 15억 건이 넘는 질문에 답한다고 밝혔다. 감사 가능성과 기업 통제는 보고서의 금융서비스 활용 사례에서 핵심이다. 정량적 산출물의 경우 사용자는 원천, 공시 또는 트랜스크립트를 검토하고 파생 지표의 계산 경로를 재구성할 수 있다. 관리자는 도구 권한, 인증, 사용자 접근 및 승인 요건을 통제할 수 있다. 플랫폼은 중간 추론 단계, 코드, 산출물, 작업 진행 상황, 데이터 소스, 커넥터, 스킬 및 크레딧 사용량도 보여준다. Bernstein은 이를 고위험 워크플로에서 블랙박스 행태를 줄이기 위한 “trust, but verify” 설계로 규정한다. 사용자는 전체 워크플로를 방해하지 않고 작업을 검사하거나 중단할 수 있다. 플랫폼의 Brain 메모리 계층과 재사용 가능한 Skills는 지식을 조직화하는 장치로 제시된다. Brain은 활성화된 뒤 사용자 선호, 프로젝트 맥락, 의사소통 방식 및 업무 패턴을 점진적으로 저장하므로, 시스템이 맥락을 축적할수록 프롬프트가 짧아질 수 있다. Skills는 선호하는 예시와 검증된 워크플로를 버전 관리 및 공유가 가능한 템플릿으로 전환하며, 개인, 프로젝트 또는 기업 수준에서 관리할 수 있다. 예시에는 투자위원회 메모, 포트폴리오 리뷰, 실사 프레임워크 및 내부 보고 기준이 포함된다. 보고서는 사전 구축된 인프라를 활용하고 프로젝트, 커넥터, 스킬 및 워크플로를 초기 설정하면, 모든 역량을 내부 개발하는 대신 재사용 가능한 조직 자산을 만들 수 있다고 주장한다. Bernstein은 자동화를 투자팀에 가장 큰 영향을 주는 활용 사례로 강조한다. 시간 기반 또는 이벤트 기반 워크플로는 포트폴리오를 매일 모니터링하고, 기업 뉴스와 실적 발표를 추적하며, 거시 이벤트를 주시하고, 알림과 리서치 브리프를 생성할 수 있다. “Living Thesis”는 연결된 뉴스, 기업 공시, 실적 콜 트랜스크립트, 산업 동향 및 내부 리서치를 이용해 최초 투자 논지를 지속적으로 갱신할 수 있다. 변경 사항을 기록하고 버전 이력과 소스 추적 가능성을 유지한다. 의도된 결과는 수작업 검토 감소, 투자 지식의 중앙화, 실시간 포트폴리오 인텔리전스 및 더 빠른 의사결정 지원이지만, 인간 사용자는 목표와 의사결정 경계를 계속 책임진다. 보고서는 여러 모델이 동일한 시나리오를 독립적으로 평가하고 합의와 이견을 보여주는 Model Council도 소개한다. 이 기능은 서로 다른 가정과 함의를 드러내므로 판단이 필요한 고확신 의사결정에 적합한 것으로 제시된다. 그 밖에 라이브 대시보드, 이메일 또는 Slack을 통한 작업 할당, 자동화된 산출물 생성 기능이 소개된다. 인프라 측면에서 Hybrid Compute는 클라우드 우선 아키텍처로, 적절한 경우 프라이버시에 민감한 작업을 로컬 기기로 라우팅한다. 현재 Mac 사용자가 이용할 수 있다. Portable Computer는 NVIDIA DGX Spark 하드웨어에서 로컬 우선으로 실행되며, 추가 컴퓨팅 성능이 필요할 때 클라우드 자원으로 확장한다. 보고서는 이를 통해 오케스트레이션이 모델 선택을 넘어 작업을 로컬, 클라우드 또는 하이브리드 중 어디에서 처리할지 결정하는 단계까지 확장되며, 보안, 성능 및 비용의 균형을 목표로 한다고 설명한다. Q&A는 AI 검색에서 운영형 AI 시스템으로의 전환을 더 강력해진 기반 모델, 폭넓어진 도구 통합과 실시간 데이터 접근, 그리고 메모리, 파일, 스킬 및 워크플로를 관리하는 하니스 계층의 발전에 기인한다고 설명한다. Perplexity는 수작업이 많고 운영 마찰이 크며 정보가 분산된 영역에서 배포를 시작한 뒤, 측정 가능한 생산성 향상을 입증하고 더 광범위한 조직 활용 사례로 확장할 것을 권고한다. 또한 폐쇄형 최첨단 모델과 오픈 모델이 모두 계속 중요할 것으로 본다. 전자는 고성능 추론에, 후자는 단순한 워크로드에서 매력적인 경제성에 사용된다.

분석 프레임워크

Bernstein은 Perplexity와의 대화를 요약하고 제품 아키텍처, 운영 통제 및 실제 자산운용 활용 사례를 통해 플랫폼을 설명한다. 분석은 다중 모델 라우팅, 연결 데이터, 메모리, 재사용 가능한 워크플로 및 로컬/클라우드 배포를 생산성, 비용 통제, 추적 가능성 및 거버넌스 측면의 기대 효과와 연결한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Perplexity

  자산운용 리서치와 워크플로 자동화를 위한 오케스트레이터로 논의된 대표적인 기업용 AI 플랫폼.

  강점

  다중 모델 오케스트레이션, 연결 데이터, 감사 가능한 산출물, 지속 메모리, 재사용 가능한 스킬, 자동화 및 하이브리드 로컬/클라우드 처리.

  비교

  폐쇄형 최첨단 모델은 복잡한 추론용으로, 오픈 모델은 단순한 워크로드에서 매력적인 경제성을 제공하는 것으로 제시된다.

  위험

  보고서는 고위험 의사결정 워크플로에서 거버넌스, 추적 가능성 및 사람이 정의한 목표의 필요성을 강조한다.

핵심 데이터

• 오케스트레이션되는 모델 수24Perplexity는 작업 요건에 따라 최첨단 및 오픈소스 모델을 조정하는 것으로 설명된다.
• 기업용 커넥터600+플랫폼은 라이선스가 있는 데이터 소스와 기업 시스템을 위해 600개가 넘는 커넥터를 지원한다.
• 월간 답변 질문 수More than 1.5 billionPerplexity에 대해 보고된 전 세계 월간 활동량이다.
• Perplexity Computer 출시 시점February 2026보고서는 이를 업무 플랫폼 제품의 출시 시점으로 제시한다.
• Max와 Pro의 크레딧 비교About 10x more credits per monthPerplexity는 Max 라이선스 사용자가 Pro 라이선스 사용자보다 매월 약 10배 많은 크레딧을 받는다고 설명했다.

영향과 시사점

보고서는 투자기관이 소스 추적 가능성, 승인 통제 및 인간의 의사결정 경계를 유지하면서 반복적인 모니터링 및 리서치 워크플로를 자동화할 때 초기 단계에서 가장 큰 이점을 얻을 수 있음을 시사한다. 모델과 로컬/클라우드 자원을 아우르는 오케스트레이션은 단일 벤더 의존을 낮추고 품질, 비용 및 보안의 상충관계를 관리하는 방법으로 제시된다.