Chatham Financial, OpenAI로 자본시장 자문 확대: Codex가 거래 검증을 30분에서 4분 미만으로 단축

발표 내용

2026년 10월 2일, OpenAI는 자본시장 자문 기업 Chatham Financial의 도입 사례를 공개했습니다. Chatham은 복잡한 자본시장 의사결정에 대해 고객에게 조언하는 회사이며, 이 분야에서는 정확성과 감사 가능성이 가장 중요합니다. 사례의 핵심 수치는 분명합니다. Codex로 만든 거래 검증 애플리케이션이 거래 한 건당 검토 시간을 약 30분에서 4분 미만으로 줄였다고 합니다.

먼저 유의할 점이 있습니다. 이는 공급사가 발행한 고객 사례입니다. 수치는 Chatham의 초기 측정에서 나온 것이며 독립적인 제3자 평가가 아닙니다. Chatham도 경험 많은 검토자의 결과와 앱의 결과를 비교하는 중이며, 실제 거래로 성능을 확인한 뒤에 자동화를 넓히겠다고 밝혔습니다. 30분에서 4분이라는 수치는 확정된 결과가 아니라 유망한 초기 신호로 읽는 것이 적절합니다.

세 가지 작업, 하나의 방법

Chatham의 AI 활용은 세 갈래입니다. 첫째는 내부 플랫폼 Chatham Vibes로 직원이 직접 만드는 애플리케이션입니다. 둘째는 차세대 자본시장 운영 체제 Chatham Onyx입니다. 셋째는 고객을 위한 프로세스 재설계 컨설팅 서비스 Process Zero입니다. 공통된 생각은 원하는 결과에서 출발해 사람의 판단이 필요한 지점을 찾고, 지금 쓸 수 있는 기능으로 최선의 전달 방식을 설계하는 것입니다.

OpenAI는 두 가지 역할을 합니다. Codex는 내부용과 고객용 소프트웨어를 만드는 개발 도구입니다. GPT-5.6 계열 모델은 그 애플리케이션 안의 AI 기능을 구동합니다.

CEO Matt Henry는 AI를 모든 업무를 더 빨리 돌리는 수단으로만 보지 않는다고 말합니다. 결과에서 출발해 판단이 필요한 곳을 가려내고, 그에 맞춰 전달 방식을 설계한다는 태도입니다.

Process Zero와 거래 검증의 작동 방식

Process Zero는 결과를 중심으로 업무 흐름을 다시 설계합니다. 각 업무 흐름마다 필요한 최소한의 입력과 증거를 정하고, 사람의 판단이 필수인 지점을 정하며, AI와 AI가 만든 도구가 맡을 역할을 결정합니다. 거래 검증이 첫 사례입니다. Chatham의 Controls and Data Integrity 팀은 시스템의 각 기록이 고객이 승인한 내용과 실제로 집행된 내용을 반영하는지 확인하여 거래 데이터의 정확성을 지킵니다. 예전에는 사람이 한 건씩 약 30분에 걸쳐 처리했습니다.

Chatham은 Codex로 세 가지 일을 하는 앱을 개발했습니다. 거래를 뒷받침하는 증거를 모으고, 주요 조건을 비교하고, 차이를 표시해 검토로 넘깁니다. 마지막 단계가 중요합니다. 앱은 표시만 하고 검토는 사람이 합니다. 각 판단을 구체적인 증거와 비교 결과까지 거슬러 올라갈 수 있어 감사 흐름이 명확하게 유지됩니다. AI Advisory 실무 공동 책임자 Alex Nordlinger는 초기 측정에서 검토 시간이 약 30분에서 4분 미만으로 줄었다고 말했습니다. 동시에 실제 거래와 경험 많은 검토자를 기준으로 한 검증도 똑같이 중요하며, 확대는 그 이후라고 강조했습니다. Chatham은 적절한 통제와 전문가 감독을 유지하면서 더 많은 거래 유형으로 앱을 넓히고 더 많은 절차를 자동화할 계획입니다.

직원이 만드는 앱: Chatham Vibes

Chatham의 고객 대상 AI 작업은 자체 업무 경험에서 자랐습니다. 직원들은 조사, 분석, 초안 작성, 소프트웨어 개발 등 일상 업무에서 ChatGPT와 Codex를 씁니다. 또한 자기 업무에 맞춘 앱을 만드는 내부 플랫폼 Chatham Vibes를 통해 직원이 만드는 사람이 되었습니다.

여러 모델로 만들 수 있습니다. Vibes 앱 안의 AI 기능은 기본적으로 GPT-5.6 Terra에서 실행되며, 앱별 설정에 따라 GPT-5.6 Sol로 올릴 수 있습니다. 비용에 맞는 기본 모델을 두고 필요할 때만 더 강한 모델을 쓰는 흔한 단계 구성입니다.

이 앱들은 고객 대상 업무를 점점 더 많이 지원합니다. 사례에는 만기가 다가오는 금리 상한(cap) 거래를 검토하고 가격 산정 워크북과 고객 안내문을 준비하도록 돕는 앱, 고정금리 상품의 금리표를 만드는 앱, 헤지 대시보드를 준비하는 앱, 거래 확인서를 검토하는 앱이 나옵니다. 시장 맥락, 고객 이해, 판단은 Chatham의 전문가가 맡아 결과를 평가하고 필요하면 고치며 고객에게 전달할 내용을 정합니다.

Chatham Onyx의 모델 배분

Chatham Onyx는 자산, 부채, 파생상품을 한 환경에 모읍니다. 고객과 자문가는 연결되고 관리되는 데이터로 일하며 원천 출처까지의 추적성을 잃지 않고 AI를 쓸 수 있습니다. Chatham은 Onyx 개발 전 과정에서 Codex를 씁니다. 소프트웨어를 계획하고, 만들고, 테스트하고, 문서화하고, 검토하는 데 활용해 개념에서 지속 가능한 제품 기능까지의 길을 줄입니다. CTO John DeGuenther는 Codex가 제품 비전을 더 빨리 실제 기능으로 바꾸도록 도우며 정확성, 보안, 책임의 기준은 그대로라고 말했습니다.

Onyx는 GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.4, GPT-4.1을 사용합니다. 단순한 분석과 비운영 테스트는 가장 비용 효율적인 모델로 보내고, 정확성과 가치를 극대화해야 하는 복잡한 작업에는 GPT-5.6을 씁니다. ChatFIN이 한 예로, 과거 시장 데이터의 패턴을 요약하고 포트폴리오 이해를 돕고 부채, 파생상품, 임대 조건에 관한 법률 문서를 찾아 연결합니다. 기업 개발자에게 이 배분 방식은 참고할 만합니다. 모델 선택이 회사 전체의 단일 설정이 아니라 작업의 위험과 비용에 따른 엔지니어링 결정이 되기 때문입니다.

기업과 개발자에게 주는 의미

첫째, 규제가 강하고 감사가 중요한 산업에 참고할 수 있는 모델이 생겼습니다. Chatham은 AI를 전문가를 대체하는 블랙박스로 다루지 않고 구조화된 비교, 증거 정리, 예외 식별에 쓰며 판단 단계는 사람에게 남깁니다. 공동 COO Mike Noonan은 제약은 전문성이 아니라 전문가가 그것을 발휘하는 지점에 이르기까지 쓰는 시간이라고 말했습니다.

둘째, 코드 생성 도구가 금융 소프트웨어의 전체 생애 주기로 들어오고 있습니다. Codex는 코드 작성뿐 아니라 계획, 테스트, 문서화, 검토에도 쓰입니다. 도구가 빨라져도 검토 기준, 테스트 범위, 책임 구분은 느슨해지면 안 됩니다.

셋째, 직원이 만드는 앱은 거버넌스 문제를 낳습니다. Vibes 같은 플랫폼은 개발 속도를 높이지만 모델 선택, 데이터 접근, 배포 전 심사에 대한 규칙도 필요합니다. 사례는 Chatham의 구체적인 통제를 설명하지 않으므로 이 부분은 유의해야 합니다.

한계와 전망

조심해서 볼 점이 몇 가지 있습니다. 30분에서 4분이라는 결과는 초기 측정입니다. 표본 규모, 거래 유형, 비교 방법은 공개되지 않았습니다. 오류율, 누락률, 비용 수치도 없습니다. 더 쉬운 감사와 더 높은 정확성은 공개된 성과가 아니라 현재로서는 목표입니다.

앞으로 Chatham은 거래 검증을 더 많은 상품으로 넓히고, 직원이 만든 앱을 계속 다듬고, Onyx의 새 기능 개발에 Codex를 쓸 계획입니다. 검증 데이터가 언제 공개되는지, 자동화가 커질 때 사람 검토자와 자동 결과의 불일치를 어떻게 다루는지가 관전 포인트입니다.

업계 전체로 보면 질문이 바뀌고 있음을 보여 주는 사례입니다. 기존 업무를 얼마나 빠르게 할 수 있는지가 아니라, 결과에서 출발한다면 업무를 어떻게 설계해야 하는지를 묻고 있습니다. 이 방식이 다른 금융 업무로 확산될지는 데이터 품질, 통제 체계, 사람의 판단이 남는 범위의 명확성에 달려 있습니다.