Dear 투자와연금 뉴스레터 구독자 님께 🤗

From 서학개미에서 동학개미로 변신을 준비하며 운용감, 연금화 드림  

현장 지식이 실력을 만든다

이런 변화를 실증적으로 뒷받침하는 연구가 최근 발표됐다. 미국 예일대 경영대의 바바라 비아시 교수와 송 마 교수의 연구다. 연구진은 미 텍사스 내 여러 공립대에 재학한 50만명 이상의 학부생을 대상으로, 강의 계획서를 포함한 수강 기록과 졸업 후 소득 자료를 분석했다. 특히 어떤 교수가 어느 시점에 강의 내용을 얼마나 최신화했는지에 주목했다.

같은 학교, 같은 전공을 졸업했더라도 어떤 강의를 들었느냐에 따라 졸업 이후 성과가 뚜렷하게 갈렸다. 오래된 교재를 중심으로 한 수업보다, 최신 학술 논문과 산업 현장의 지식을 반영한 강의를 들은 학생들의 졸업 후 소득이 더 높게 나타났다. 이른바 ‘프론티어 지식(지식의 최전선)’을 접한 경험이 차이를 만든 것이다.

물론 “원래 잘하던 학생들이 그런 수업을 들은 것 아니냐”는 의문이 들 수 있다. 하지만 수강 신청 당시에는 강의 내용이 얼마나 최신으로 바뀔지 알 수 없어, 누가 최신 지식을 배우게 될지는 사실상 우연에 가까웠다.

이 현상은 대학에만 국한되지 않는다. 기업 교육이나 개인의 자기계발도 마찬가지다. 과거의 성공 공식에 매몰된 조직과, 변화하는 환경을 반영해 내용을 갱신해 나가는 조직의 성과는 시간이 갈수록 벌어질 수밖에 .

결국 중요한 것은 '기본기'

그렇다면 지식의 최전선에 서기 위해 필요한 것은 무엇일까. 최근 지인과의 ‘AI 시대의 교육법’에 대한 대화가 인상적이었다. 그는 로봇과의 차별화를 위해 무엇보다 ‘건강’이 중요하다고 했다. 그리고 그 단단한 기반 위에 국어·영어·수학과 같은 ‘기본기’가 쌓여야 한다는 것이다.

예컨대 챗GPT와 같은 AI 서비스는 질문의 미묘한 어감 차이에 따라 전혀 다른 답을 내놓는다. 정확히 묻기 위해선 높은 국어 능력이 필수다. 영어는 단순 번역을 넘어 문화적 맥락을 이해하기 위한 도구이고, 수학은 확률 기반인 AI 모델의 구조를 이해하고 설계하는 기초가 된다.

결국 AI 시대의 경쟁력은 역설적이게도 가장 고전적인 기본기에서 나온다. 주위를 둘러보면 기본기가 튼튼한 사람들이 있다. 건강한 신체에 자신의 생각을 분명히 표현하고, 문화적 차이를 존중하며 소통하는 사람들이다.

팔란티어가 원하는 인재상도 이와 다르지 않을 것이다. 학위라는 종이 한 장의 가치는 옅어질지 모른다. 하지만 단단한 기본기를 바탕으로 늘 지식의 최전선에 서려는 태도, 그 가치는 더욱 중요해질 것이다.

“이번 주에 이 종목을 살까, 말까?”

요즘 투자자들은 주식 투자를 하기 전에 인공지능(AI)에 묻곤 한다. 실제로 미국의 한 설문조사에 따르면 응답자의 약 3분의 1이 AI를 활용해 최종 매매 결정을 내린다고 한다. 바둑왕을 이기고 의사 시험도 통과한 이 똑똑한 인공지능이 복잡한 주식 시장에서도 ‘정답’을 알려줄 것이라는 생각 때문이다.

하지만 AI도 완벽하지 않다. 회사에서 직원을 통해 시너지를 내려면 그 사람의 강점과 약점을 알아야 하듯, AI를 제대로 활용하려면 그 한계도 잘 파악해야 한다.

AI도 인간처럼 편향이 있다?

최근 미국 에모리대 클리프턴 그린 교수 연구팀이 흥미로운 논문을 발표했다. 챗GPT에게 과거 주가 데이터를 주고 다음 주 수익률을 예측하게 했더니, AI가 인간과 유사한 ‘행동 편향(behavioral bias)’을 보였다는 것이다.

대표적인 것이 ‘추정(extrapolation) 편향’이다. 최근 오른 종목은 계속 오를 것이라 예측하고, 떨어진 종목은 계속 떨어질 것이라고 보는 것이다. 많은 연구에 따르면 실제 주가는 단기적으로는 반전하는 경향이 있는데도 말이다.

또한 AI의 수익률 전망은 지나치게 낙관적이었고, 예상 범위도 좁게 설정해 실제 결과가 그 범위를 벗어나는 일이 잦았다. 모두 인간이 가진 전형적인 편향들이다.

그 똑똑한 AI가 왜 주가를 못 맞추나 

왜 그럴까. 챗GPT와 같은 생성형 AI는 결국 인간이 쓴 글을 ‘학습한’ 결과물이다. 인간의 편향이 스며들 수밖에 없고, 이 또한 다른 연구에서 확인된 바 있다.

오픈AI 창립 멤버인 안드레이 카파시는 AI에게는 커피의 카페인 함량처럼 인터넷에 일관된 정보가 오래 쌓인 주제를 물어야 보다 정확하다고 말한다. 반면 주가는 수많은 투자 주체와 그들의 기대감, 그리고 금리 환경 등이 복잡하게 얽힌 결과물이다. 과거 데이터로 학습한 AI가 미래 주가를 맞히기 어려운 이유다.

그렇다면 AI는 어떻게 써야 할까. 예측보다는 ‘현상’에 대한 설명을 요청하는 용도로 활용하길 권한다. 가령 “우주항공 분야와 주요 기업에 대해 알려줘”처럼 말이다.

AI는 생각보다 인간미 있는 천재이지, 미래를 꿰뚫어 보는 수정 구슬은 아니다.