ChatGPT나 Claude에 “이 회사 재무제표 보고 DCF(Discounted Cash Flow, 미래 현금흐름을 현재가치로 환산하는 기업가치 평가법) 모델 만들어줘"라고 시켜본 적 있다면, 답이 그럴듯해 보여도 실제 IB(Investment Banking, 투자은행) 데스크에서 그대로 쓰기는 어렵다는 걸 안다. 데이터 출처가 흔들리고, 회계 형식이 회사마다 다르고, 검증 단계가 빠져 있다.

Anthropic이 5월 5일 공개한 Claude for Financial Services는 그 격차를 메우려는 묶음이다. 일반 챗봇이 아니라 금융 업무 맞춤 에이전트 10종 + 외부 데이터 커넥터 16개 + Microsoft 365 add-in을 한 패키지로 합쳤다. 발표 다음 날 GitHub 트렌딩 1위에 올라 하루 만에 별이 3,600개 넘게 쌓였다.

지금 핫한 이유는 두 가지다. 첫째, Citadel·BNY·Carlyle·Mizuho·Walleye Capital·Hg 같은 IB·운용·핀테크 회사들이 이미 사용 중인 사례가 함께 공개됐다. 둘째, 같은 주에 Anthropic이 Blackstone·Goldman Sachs·Hellman & Friedman과 손잡고 별도의 엔터프라이즈 AI 회사를 세운다고 발표했다. 즉 모델 회사가 금융 vertical에 본격적으로 들어가고 있다는 신호다.

무엇이 들어있나

10개 에이전트 템플릿이 두 그룹으로 나뉜다.

리서치·커버리지(영업·뱅킹 데스크):

  • Pitch builder — 비교기업 분석·선례 거래·LBO(Leveraged Buyout, 차입 활용 기업 인수) 자료를 받아 피치덱 초안 생성
  • Meeting preparer — 클라이언트 미팅 브리핑 묶음
  • Earnings reviewer — 실적 발표·공시를 모델 업데이트로 반영
  • Model builder — DCF·LBO·3-statement(손익·재무상태·현금흐름 3종 통합)·비교기업 분석을 Excel에 만든다
  • Market researcher — 섹터·경쟁사·peer comp 정리

파이낸스·오퍼레이션(펀드 관리·중간/백오피스):

  • Valuation reviewer — GP(General Partner, 펀드 운용사) 패키지 입수 및 LP(Limited Partner, 펀드 투자자) 보고용 단계 정리
  • GL reconciler — 일반원장 차이 탐지와 원인 추적
  • Month-end closer — 발생주의 항목·롤포워드·변동 코멘터리
  • Statement auditor — LP 명세서 감사
  • KYC screener — KYC(Know Your Customer, 고객 확인 절차) 문서 파싱 + 룰 엔진 실행

각 에이전트는 슬래시 명령으로 호출된다. /comps(비교기업), /dcf, /lbo, /earnings, /ic-memo(투자위원회 메모), /dd-checklist(실사 체크리스트) 같은 식이다. 분석가가 외울 명령은 적고, 분기마다 반복되는 작업이 그대로 들어간다.

어디서 데이터를 가져오나

vertical 에이전트가 일반 챗봇과 갈리는 결정적 지점이 외부 데이터 통합이다. Claude for Financial Services는 16곳 가까운 데이터 제공사와 MCP(Model Context Protocol, Anthropic이 표준화한 AI ↔ 외부 시스템 연결 규격) 커넥터로 연결된다.

새로 추가된 곳: Dun & Bradstreet, Fiscal AI, Financial Modeling Prep, Guidepoint, IBISWorld, SS&C Intralinks, Third Bridge, Verisk. 기존: FactSet, S&P Capital IQ, MSCI, PitchBook, Morningstar, LSEG, Daloopa. 별도 MCP 앱으로 Moody’s가 6억 건 이상의 기업 신용·등급 데이터를 붙인다.

이렇게 데이터 출처가 정해져 있으면 분석가가 “이 숫자 어디서 나왔어?“라고 물었을 때 “FactSet 2026 1분기 데이터"라고 답할 수 있다. 일반 RAG(Retrieval-Augmented Generation, 검색 증강 생성 — 외부 문서를 찾아 LLM에 넣어주는 패턴)가 흔히 빠지는 출처 흐림 문제를 처음부터 차단한 구조다.

어디에 배치하나

배포 옵션은 셋이다.

  1. Cowork 플러그인 — 유료 Claude 플랜에서 바로 설치
  2. Managed Agents — Claude Platform의 관리형 에이전트(public beta). 자기 인프라 없이 API로 호출
  3. Cookbooks — 자체 구현용 레시피

Microsoft 365 add-in이 합쳐진 점이 데스크 입장에서 결정적이다. 분석가들이 실제로 작업하는 곳이 Excel·PowerPoint·Word다. Outlook 통합은 곧 추가 예정.

측정 가능한 차이

Vals AI의 Finance Agent 벤치마크(금융 업무 시뮬레이션 정확도 평가)에서 Claude Opus 4.7이 **64.37%**로 1위. 일반 지식 평가가 아니라 금융 워크플로 정확도를 따로 측정한 축이다. 앞으로 vertical agent 비교 기준이 될지는 아직 모르지만, Anthropic이 자기 모델의 도메인 적합성을 숫자로 같이 내놓은 셈이다.

flowchart LR
  A[데이터 제공사
FactSet/Moody's
16곳] -->|MCP 커넥터| B[Claude 에이전트
10종]
  B --> C[Microsoft 365
Excel/PPT/Word]
  C --> D[분석가 검토]
  D -->|승인| E[최종 산출물
피치덱/모델/메모]
  D -->|수정 요청| B

시사점

지금까지 LLM 영업 사이클은 “범용 모델로 뭐든 다 됩니다"였다. 5월 5일 발표는 그 반대 방향이다 — 도메인 지식·데이터 출처·검증 흐름을 묶어 vertical 패키지로 판매한다. 같은 주의 Blackstone·Goldman Sachs 합작 회사 발표와 묶어보면 패턴이 분명해진다. 데이터·규제·툴이 표준화돼 있으면서 단가가 높은 도메인(금융·의료·법률)에 모델 회사들이 직접 들어가는 흐름이다.

한국 입장에서 두 가지가 의미 있다. 첫째, 국내 금융사들이 이미 GPT·Claude로 내부 PoC(Proof of Concept, 개념 검증)를 돌리고 있는데, vertical 패키지가 표준이 되면 자체 RAG 구축 vs 패키지 도입의 트레이드오프가 더 명확해진다. 둘째, vertical 에이전트는 데이터 제공사 입장에서 새로운 유통 채널이다. Anthropic이 Moody’s·FactSet을 직접 묶었듯, 한국신용평가·에프앤가이드 같은 국내 금융 데이터가 MCP 커넥터로 묶이는 시기도 머지않다.

핵심은 모델 자체가 아니라 모델·데이터·평가·배치를 한 묶음으로 묶는 능력이 새 경쟁 축이 됐다는 점이다. 이번 발표가 그 첫 실증이다.

출처