2026년, AI 에이전트의 해

중소형 테마주의 IR는 어떻게 생존할 것인가

하워드 막스(Howard Marks)는 미국의 대표적인 가치·신용 투자자이자 자산운용사 오크트리 캐피털 매니지먼트(Oaktree Capital Management)의 공동 창업자 겸 회장입니다. 그는 특히 “리스크 관리”와 “시장 사이클·군중 심리·가격”에 대한 통찰을 담은 투자 메모와 저서로 전 세계 기관투자자와 운용사들에게 큰 영향을 미친 인물로 평가받습니다.

80세의 하워드 막스가 AI에게 물었다.
그리고 그는 고백했다.

AI는 검색 엔진이 아니라고.

하워드 막스가 인정한 것은 기술이 아니라, 자신의 오해였다.
50년 투자 경력의 정점에 선 사람이 “나는 틀렸다”고 말한 순간, 나는 오히려 더 확신했다.

2026년은 AI 에이전트의 해가 될 것이다.

참고로 하워드 막스는 2026년 2월 26일, Claude에게 10,000단어짜리 AI 튜토리얼을 시켰다. 그리고 그 결과물을 Oaktree 클라이언트들에게 공식 메모로 보낸 내용을 보냈다.

도구가 아니라 ‘노동’이 되는 순간

Level 1은 질문하면 답하는 AI였다.
Level 2는 툴을 사용하는 AI였다.
그리고 지금, 우리는 Level 3 — Autonomous Agent에 서 있다.

목표만 주면 알아서 조사하고, 분석하고, 실행하고, 검토하고, 결과를 내놓는다.

이 차이는 작지 않다.
생산성 도구와 노동 대체재의 차이다.

앱을 만드는 회사, 웹사이트를 구축하는 회사, 단순 리서치를 제공하는 회사들.
AI 에이전트는 이 영역에서 무자비하다.

개발 장벽은 사라진다.
콘텐츠 제작 비용은 급감한다.
한 명이 주말에 만드는 앱이 과거 6개월 팀 프로젝트를 대체한다.

수요는 남지만, 공급은 폭증한다.
가격은 무너지고 마진은 압축된다.

도산 사례는 분명히 나올 것이다.

투자 판단도 AI가 하는 시대

투자 역시 예외가 아니다.

AI는

더 많은 데이터를 보고

더 긴 기간을 기억하고

더 적은 감정 편향을 가진다

AI가 기업을 판단할 때 무엇을 볼까.

첫째, 실적.
둘째, 공개 데이터.
셋째, 시장 내 위치.
넷째, 성장성에 대한 정량 지표.

예를들어 핑거를 AI가 평가한다면?

가장 먼저 보는 것은 숫자다.
매출, 이익, 현금흐름, 부채비율, R&D 비중, SaaS 전환율.

그 다음은 오픈된 데이터다.
보도자료, IR자료, 기술 문서, 특허, 레퍼런스, 고객 사례, ESG 데이터, 온체인 데이터, 기술 블로그, 개발자 활동.

만약 실적만 있고 맥락 데이터가 없다면?
AI는 비교군 속에서 평균값으로 처리할 것이다.

AI는 “설명되지 않는 기업”을 좋아하지 않는다.

대기업과 중소형 테마주의 격차

대기업은 준비가 가능하다.

자체 콘텐츠 팀

기술 블로그 운영

대규모 PR

SEO(검색엔진 최적화(Search Engine Optimization)) 최적화

AI 학습 친화적 문서 구조

API 공개

그들은 비용을 들여 AI가 이해하기 좋은 기업이 된다.

반면, 중소·중견 기업은?

콘텐츠 인력 부족

예산 부족

체계적 데이터 아카이빙 부재

IR 자료의 비표준화

기술 설명의 모호성

AI 에이전트 시대는 정보 비대칭을 줄인다.
그러나 동시에 노출 격차를 확대한다.

“보이지 않는 기업”은 AI 추천 목록에서 밀려난다.

그렇다면 핑거는?

나는 막스의 말을 다시 떠올린다.

“새로운 상황에서의 판단력은 여전히 인간의 영역이다.”

AI는 패턴을 학습한다.
그러나 전례 없는 조합을 해석하는 것은 여전히 맥락의 영역이다.

핑거는 단순 SI 회사가 아니다.
핑거는 SaaS 플랫폼 전문기업이자 임팩트테크 전문 그룹으로 재포지셔닝 중이다.
STO, RWA, 블록체인, 공공 디지털 인프라, ERP, PG, 지역화폐, AI-OCR.

이 복합적 스택은 단순 재무제표로 설명되지 않는다.

문제는 이 스토리를
AI가 이해할 수 있게 구조화했는가이다.

AI 에이전트 시대 IR 전략

1) “AI-Friendly IR” 체계 구축

정형화된 데이터 구조 (JSON·API 제공 가능 형태)

사업별 KPI 공개

기술 스택 명확화

Use Case 기반 사례 정리

산업 내 비교군 명확화

AI는 스토리를 읽지 않는다. 구조를 읽는다.

2) 기술 문서의 오픈화

대기업처럼 마케팅을 할 수 없다면 기술 깊이를 공개하라.

STO 기술 아키텍처 설명

블록체인 보안 구조

SaaS 전환율 데이터

ESG 실측 데이터

콘텐츠 양이 아니라 콘텐츠 밀도가 중요하다.

3) Agent Index 대응 전략

앞으로 투자자들은 유튜브 인플루언서보다 AI 추천을 더 신뢰하게 될 것이다.

“AI가 추천한 종목”이라는 문장이 등장할 것이다.

그때 중요한 건 AI의 학습 데이터에 얼마나 깊이 들어가 있느냐이다.

4) 차별적 데이터 확보

막스가 말했듯
AI는 동일한 데이터를 학습하면 동질화된다.

그렇다면 차별점은
어떤 데이터를 갖고 있는가다.

예를 들어:

공공 디지털 금융 인프라 실제 운영 데이터

블록체인 기반 지역화폐 실사용 데이터

SaaS 고객 리텐션 구조

이 데이터는 글로벌 AI가 쉽게 접근할 수 없는 맥락이다.

인간의 영역은 어디에 남는가

AI가 투자 판단을 도와줄 수 있다.
그러나 시장은 여전히 심리로 움직인다.

전례 없는 규제

정치 변수

거시적 충격

이 영역에서 인간의 판단은 사라지지 않는다.

그러나 대중은 그 판단을 하지 않는다.
대중은 의존한다.

인플루언서

유튜브

AI 추천

결국 신뢰가 핵심이다.

핑거의 방향

나는 이렇게 생각한다.

첫째, 실적을 만들어야 한다. 가장 중요하다
AI는 낙관을 믿지 않는다. 숫자를 본다.

둘째, 구조화된 데이터를 축적해야 한다.
IR은 발표가 아니라 데이터베이스다.

셋째, 기술 서사를 체계화해야 한다.
AI가 읽을 수 있게.

넷째, 차별적 현장 데이터를 확보해야 한다.
공공, 금융, 실사용 기반.

다섯째, 장기적 신뢰를 구축해야 한다.

핑거가 25년 지속할 수 있었던 이유는 고객 신뢰, 끊임없는 기술 개발, 반박자 앞선 시장 읽기였다.

AI 시대에도 다르지 않다.

에이전트의 바다에서 살아남기

수천 개의 에이전트가 동일한 데이터로 판단하는 세상.

그 속에서 중소형 테마주는 평균값이 되기 쉽다.

그러나 평균은 투자 이유가 되지 않는다.

우리는 평균이 아니라 맥락이 되어야 한다.

AI가 이해할 수 있는 구조
AI가 놓치지 않는 데이터
AI가 해석할 수 있는 명확성

그리고 인간 투자자가 공감할 수 있는 서사.

80세의 전설은 이렇게 썼다.

“AI는 실재한다. 가격은 불확실하다.”

나는 여기에 하나를 더 보탠다.

AI는 판단한다. 그러나 신뢰는 여전히 축적해야 한다.

2026년은 AI 에이전트의 해가 될 것이다.
그리고 그 해는 IR의 본질을 다시 정의하는 해가 될 것이다.

보여주는 기업만 살아남는다.
설명할 수 있는 기업만 선택된다.
신뢰를 구조화한 기업만 지속된다.

나는 낙관론자도 비관론자도 아니다.

다만, 준비된 기업이 기회를 가진다는 건 확실하다.