교내 강연으로 글로벌 자산운용 기업 LaSalle Invest Management의 데이터·리서치를 담당하는 실무자로부터 사내에서 AI를 실제로 어떻게 활용하고 있는지 들었다. AI 기법 관련 논문 아이디어를 얻고자 갔는데 기대 이상으로 실용적인 활용사례와 업계의 인사이트를 얻었기에 여기에 정리해둔다.
1. AI 확대는 ‘혁명’보다 ‘점진적 변화’에 가깝다
발표자는 AI를 업무 생산성을 천천히 올리는 점진적 기술 개선으로 평가했다. AI가 업무 흐름에 자연스럽게 녹아드는 과정은 인터넷의 확산과 유사하다는 설명이었다. 핵심은 기술 자체보다 문제를 정의하는 능력이다.
2. 프로젝트 사례 ① 도시 유형 분류 모델
영국 도시 지역을 세 가지 유형으로 구분하는 내부 프로젝트를 수행하였다.
- 아이디어: 토지 이용을 정의하는 새로운 분류(confluence, liveable, adjacent)를 구상하고 이를 실증하기 위한 방법론 구축
- 런던 전역을 200m x 200m 격자(grid)로 나눔
- 각 지점 주변 500m 반경의 공간적 특성(시설·건물·환경 등)을 집계 (격자 간 급격한 특성 변화를 완화하는 조치)
- 입력값을 기반으로 PCA → 클러스터링 수행 (클러스터링 결과 7개의 장소 속성을 도출, 클러스터링 기반 라벨링)
- 결과를 세 가지 유형(confluence, liveable, adjacent에 대응)으로 정리
- 위성 이미지 학습용 CNN 모델을 직접 구현해 자동 분류 실험 (클러스터링에서 얻은 7개 장소 유형을 라벨로 사용. 이후 CNN 모델의 예측과 비지도학습 클러스터링 모델을 비교)
사내에서 직접 모델을 구축했지만, 현재 시점에서는 ResNet-50 등 사전학습(pre-trained)된 모델 + 전이학습(transfer learning)이 더 적절했을 것이라고 평가했다.
3. 프로젝트 사례 ② 물류센터 자동 식별 모델
두 번째 사례는 건물 상공 이미지로 물류센터 여부를 자동 분류하는 모델이었다.
- 아이디어: 독일의 물류 부동산(logistics) 재고량이 실제보다 과소평가되어 있는지 실증
- Microsoft Building Footprints로 건물 윤곽 확보 (2014~2024 Bing Maps의 전 세계 위성항공지도를 활용해 딥러닝 기반으로 건물 윤곽 폴리곤을 공개한 대규모 오픈 데이터)
- 거래 데이터(RCA: Real Capital Analytics)를 통해 건물 종류 라벨 확보 (특정 좌표에서 부동산 거래가 있었고, 그 건물이 “리테일”, “오피스”, “산업(물류)” 중 어떤 섹터인지 제공)
- 위성사진을 대량 수집하고 창고의 상공 패턴(트럭 야드, 진입도로 등)을 고려하여 물류창고 여부를 라벨링
- 위 데이터로 오픈소스 사전학습 모델(ResNet-50로 추정) 전이학습 (모델 출력은 0~100, 0 — 물류창고 아님, 100 — 물류창고일 가능성 매우 높음)
- 영국·프랑스·독일 물류창고 규모를 재추정한 결과, 기존 브로커들이 추정하던 물류창고(logistic stock) 규모가 2.5배 과소평가되어있음을 확인
이는 AI가 단순 자동화가 아니라, 새로운 정보를 생산하는 도구가 될 수 있음을 보여주는 사례였다.
4. 프로젝트 사례 ③ 업무 자동화(Agentic AI)
사내 주간 거시경제 캘린더 브리핑을 Node-RED + OpenAI API로 자동화한 사례도 소개됐다.
- API로 경제 일정 데이터 수집
- GPT를 활용해 핵심 요약문 자동 생성
- 이메일 혹은 내부 시스템으로 전송
반복적 초안 작업을 기계가 대체하고, 사람은 마지막 판단만 남긴 구조다.
5. AI 역량은 ‘구글 검색’ 수준의 기본기로
발표자는 앞으로 신입 애널리스트에게 필요한 AI 역량을 특별한 기술이 아니라 기본 도구 사용 능력으로 전망했다.
- 단순 코딩은 AI가 돕기 때문에 진입 장벽이 낮아짐
- 대신 “생각하는 능력”의 중요성은 확대
- 스킬은 교육 가능하지만, 사고력은 가르치기 어렵다는 점을 강조
AI 활용 능력은 결국 엑셀과 구글 검색처럼 기본 업무 도구가 될 것이라는 의미다.
결론
업계에서 AI는 아직 ‘혁명’ 단계라기보다 조용한 점진적 변화의 누적에 가깝다.
실무에서 중요한 것은 기술 그 자체보다 “어떤 질문을 던질 것인가”이며, AI는 그 질문에 답을 빠르게 찾도록 돕는 도구로 자리 잡고 있다.