로빈후드 CEO, AI 거래 급증에도 인간이 통제권을 유지할 것

(퍼플렉시티가 정리한 기사)

로빈후드(Robinhood Markets, Inc.)의 CEO 블라드 테네브(Vlad Tenev)는 수요일 공개된 블룸버그 웰스(Bloomberg Wealth)와의 인터뷰에서 인공지능(AI)이 거래에서 차지하는 역할에 대해 신중한 시각을 제시했습니다. 그는 AI가 중요한 플랫폼 변화임을 인정하면서도, 금융 시장에서 궁극적으로는 인간이 의사결정 권한을 가질 것이라고 주장했습니다.

테네브는 데이비드 루벤스타인(David Rubenstein)과의 대화에서, 거래는 단순한 이윤 극대화 이상이기 때문에 이러한 인간적인 요소가 완전한 자동화를 막을 것이라고 강조했습니다. 그는 “대부분의 경우, 단순히 돈을 벌기 위해서만 거래하는 것은 아니다”라며 “거래를 사랑하고, 그 일에 매우 열정적이기 때문이기도 하다”고 말했습니다.

인간 표현으로서의 거래

테네브의 발언은 8월 Axios와의 인터뷰에서 그가 투자자들이 "정말로 거래를 즐긴다"고 언급한 이전 의견을 바탕으로 한다. 이러한 관점은 금융 의사결정이 알고리즘 최적화로 단순화될 수 있다는 생각에 도전하며, 거래를 단순한 계산 효율성만으로 이뤄지는 것이 아니라, 열정과 개인적 참여에 의해 주도되는 활동으로 자리매김한다.

2013년에 로빈후드를 공동 설립한 그는 AI가 산업 전반에 걸쳐 변혁적인 잠재력을 가진다고 인정했다. "AI가 분명히 모든 것을 바꿀 것이라고 생각합니다. 이는 모바일과 클라우드로의 변화보다 더 큰 엄청난 플랫폼의 변화일 수 있습니다,"라고 그는 밝혔다. 그러나 그는 "모든 기업이 AI 기업이 될 것"이지만 인간이 여전히 금융 전략의 궁극적 판단자임을 유지할 것이라고 강조했다.

업계 리더들은 신중함을 강조했다

테네브의 신중한 입장은 다른 금융 업계 리더들의 관점과도 유사합니다. 시타델의 창립자이자 CEO인 켄 그리핀은 5월 스탠퍼드 경영대학원 인터뷰에서 투자 관리에서 AI가 혁명적일 잠재력에 대해 회의적인 시각을 나타냈습니다.

"우리 투자 사업에서 AI를 사용하나요? 약간, 약간. 이것이 게임 체인저라고 말할 수는 없습니다,"라고 그리핀은 말하며, AI를 "생산성 향상 도구"로 묘사했고 "시간을 약간 절약해주지만" "금융 분야에서 우리가 하는 대부분의 일들을 혁신하지는 않을 것"이라고 덧붙였습니다. 또한 그는 AI가 단기 거래 시나리오에서는 뛰어난 성과를 내지만, 머신러닝 모델은 "장기 투자 시계에 적용될 때 정말 무너진다"고 언급했습니다.

골드만삭스, 다른 접근법 시도

골드만 삭스 CEO 데이비드 솔로몬은 AI의 생산성 향상 효과에 대해 보다 낙관적인 시각을 보이고 있습니다. 2024년과 2025년 초 여러 차례의 인터뷰에서 솔로몬은 과거에는 수시간이 걸리던 분석 과정이 AI로 인해 극적으로 빨라졌음을 강조했습니다.

“40년 전, 제가 금융업을 시작했을 때는 두 주식을 비교하는 데 6시간이 걸렸습니다. 이제는 한순간이면 됩니다.”라고 솔로몬은 CNBC 인터뷰에서 밝혔습니다. 이 투자은행은 7,000명 이상의 직원이 사용하는 30개 이상의 AI 도구를 도입했으며, 솔로몬은 AI가 2025년까지 골드만 삭스의 운영 방식을 “크게 바꿀 것”이라고 전망했습니다.

시장 환경과 미래적 시사점

이러한 논평은 로빈후드가 헤지펀드와 정치인들의 공개적으로 보고된 거래를 포함해 사용자들이 거래를 공유하고 추적할 수 있는 소셜 미디어 플랫폼 계획을 발표한 가운데 나왔다. 이 플랫폼은 2026년 초 베타 출시를 앞두고 있으며, 인간의 사회적 상호작용과 금융 기술을 융합하려는 또 다른 시도를 의미한다.

AI 역할에 대한 테네브의 관점은 그가 최근 Kleiner Perkins가 주도한 시리즈 B 펀딩을 유치한 AI 수학 연구소 하모닉(Harmonic)의 회장이자 공동 창업자라는 이중적인 역할을 동시에 수행하고 있다는 점에서 특히 중요한 시사점을 지닌다. 이러한 이중적인 역할 덕분에 그는 AI 개발과 실제 금융 응용 분야 모두에 대해 독특한 인사이트를 얻을 수 있다.

금융 리더들 사이의 다양한 견해는 AI가 거래 및 투자 관리에 미칠 궁극적인 영향에 대한 광범위한 불확실성을 반영한다. 일부는 생산성 향상을 강조하는 반면, 다른 이들은 알고리즘 시스템이 복잡한 금융 결정에 필요한 미묘한 판단을 복제할 수 있는지 의문을 제기한다.