개인용 AI agent(사용자를 대신해 스스로 작업을 수행하는 AI)는 식당 예약과 항공권 구매를 믿고 맡길 수 있을 만큼 빠르게 자리를 잡았지만, 기관 투자 업계의 분석가 업무를 통째로 넘겨받은 agent는 아직 거의 없습니다. 투자 회사 Coatue에서 약 3년간 부사장으로 일하며 Excel 모델과 PowerPoint 슬라이드를 밤늦게까지 손보던 한 금융 분석가가 그 일을 자동화하려고 창업한 회사가 Compound입니다. 이 회사가 내린 결론은 단순합니다. 금융 딜 팀에 필요한 agent는 혼자 쓰는 챗봇이 아니라 팀의 이메일 스레드에 끼어드는 동료여야 하고, 그 동료가 일할 작업대는 화면 없이 백그라운드에서 돌아가는 headless Office 엔진이어야 한다는 것입니다. 그래서 Compound는 Microsoft Office를 Rust로 처음부터 다시 만들었습니다.
개인용 agent가 되는 이유, 금융에서 안 되는 이유
Muse나 Instinct 같은 개인용 agent가 최근 몇 달 사이 빠르게 퍼진 데는 세 가지 바탕이 있습니다. 믿고 맡길 수 있는 백그라운드 실행, 결혼기념일을 먼저 알려 주고 꽃을 미리 사 두는 식의 선제적 행동, 그리고 개인 이메일과 Google Drive, 캘린더 같은 개인 맥락과의 연동입니다.
문제는 이 세 가지가 매수 측 투자 회사에는 그대로 옮겨지지 않는다는 점입니다.
- 금융 업무는 1인 작업이 아닙니다. 결과물은 동료와 상급자의 검토를 여러 겹 거쳐야 최종본이 되므로 한 번에 맡기고 끝내는 방식이 통하지 않습니다.
- 선제적 행동은 오히려 위험합니다. 딜 팀은 같은 스레드를 공유하므로 agent가 앞서 나가 검증되지 않은 분석을 보내면 민감한 투자 논의가 흐트러집니다.
- 맥락이 거대하고 흩어져 있습니다. 데이터 룸 하나에 15,000개 파일이 있고, SharePoint나 Box에는 수십 년치 비정형 데이터가 쌓여 있습니다.
Compound는 자율 agent의 기준을 '보조 도구'가 아니라 '딜 팀의 진짜 동료'로 잡고, 사람 분석가가 일하는 방식에 맞춰 세 축을 세웠습니다. 팀 전체와 같은 채널에서 협업하는 multiplayer, 수많은 작업을 백그라운드에서 병렬로 돌리는 Compound Office, 그리고 회사와 딜 정보를 통째로 다루는 대규모 병렬 context(모델이 한 번에 참고하는 정보)입니다. 이 과제는 플러그인 수준의 접합으로는 풀리지 않고 인프라 수준의 엔지니어링이 필요하다는 것이 Compound의 판단입니다.
첫 번째 축: 이메일 스레드에 들어가는 multiplayer agent
지금 분석가가 ChatGPT나 Claude로 자료를 만들면, 텍스트를 복사하거나 파일을 내보내 사내 이메일이나 Microsoft Teams에 첨부하고 동료와 파트너의 의견을 따로 구해야 합니다. Compound는 이 흐름을 뒤집어 이해관계자 전원과 agent를 한 스레드에 모읍니다. 그래야 agent가 딜 팀의 집단적 맥락을 계속 흡수할 수 있기 때문입니다.
개인용 agent가 iMessage나 WhatsApp에서 산다면, 금융 기관은 수십 통이 오가는 Microsoft Outlook 이메일 스레드 위에서 돌아갑니다. 그래서 Compound는 모든 agent에 전용 이메일 주소와 메일함을 줍니다. 팀원은 진행 중인 메일에 agent를 참조로 넣기만 하면 됩니다. 레버리지 가정과 하방 시나리오, 5.0배 exit multiple을 두고 두 투자 담당자가 메일로 논쟁하는 자리에 agent가 함께 앉는 그림입니다.

▲ 권한 확인을 거치는 이메일 agent
다만 금융에서 이메일 agent를 만드는 일은 기술적으로 가볍지 않습니다. 모든 딜 룸이 NDA 아래 운영되므로 신원 확인과 역할 기반 인증이 필수입니다. 메일이 도착하면 Compound는 먼저 발신자가 정당한 읽기·쓰기 권한을 가졌는지 확인한 뒤에야 agent를 깨워 스레드를 처리하게 합니다. 또 여러 사람이 짧은 답장을 연달아 보낼 때 agent가 스레드를 도배하지 않도록 일부러 응답 지연을 넣고 최근 맥락을 동적으로 다시 읽게 합니다. 사려 깊은 동료처럼 말을 아끼고, 명시적으로 호출되거나 인증된 경우에만 끼어드는 것이 원칙입니다.
두 번째 축: 화면 없이 돌아가는 Compound Office
기존 선택지가 막힌 지점
여러 개의 깊은 분석 작업을 동시에 백그라운드에서 돌리려면 작업 엔진이 필요합니다. Compound는 기성 선택지를 하나씩 검토했습니다.
| 선택지 | 막힌 이유 |
|---|---|
| 데스크톱 Office 플러그인 | 분석가 PC에 열린 앱을 붙잡지 않고는 비동기 백그라운드 작업이 불가능 |
| 가상 머신 안의 computer use agent | 동작마다 지연이 커서 기관 분석가가 요구하는 반응 속도를 못 맞춤 |
| openpyxl 같은 오픈소스 라이브러리와 상용 스프레드시트 엔진 | 24MB 모델에서 쓰기 한 번에 300초 이상, 파일 수십 개 동시 처리 시 붕괴 |
기존 소프트웨어가 모두 부족하다고 판단한 Compound는 Microsoft Office를 Rust로 처음부터 다시 만들기로 했습니다. 기존 Excel이나 PowerPoint 위에 자율 agent를 얹어 확장하는 길은 근본적으로 틀린 길이라는 것이 이 회사의 관점입니다.
Office를 심판으로 세운 agent 루프
다시 만드는 방식도 사람 손이 아니었습니다. Compound는 재귀적인 agent 루프로 돌아가는 자동화된 소프트웨어 공장을 운영해 1조 5,000억 token(모델이 처리하는 텍스트 단위)을 쓰며 800만 줄이 넘는 코드를 만들었습니다. 출발점은 IronCalc라는 오픈소스 Rust 엔진이었고, 실제 Excel 파일을 넣어 결과를 반복 비교하되 정답 판정은 Microsoft Office 자체에 맡겼습니다. 성숙한 기존 소프트웨어를 자동 심판으로 두면 agent 루프가 스스로 오류를 찾아 고칠 수 있다는 발상입니다.
그 결과 4개월 만에 복잡한 XLSX 파일을 읽고 고치고 저장하면서 시각적·수학적으로 똑같은 결과를 내는 80만 줄짜리 Rust 스프레드시트 엔진이 나왔습니다. 같은 방법을 PowerPoint와 Word에도 적용해 169개 슬라이드 덱의 4,432장을 맞춰 보았고 중앙값 일치 점수 0.975를 기록했습니다. 금융 기관은 내려받은 결과물이 데스크톱 Office 서식과 조금이라도 다르면 제품을 거부하기 때문에, 이 수준의 일치는 선택이 아니라 필수 조건이었다고 합니다.
숫자로 본 headless 엔진
| 항목 | 상용 엔진 또는 기존 도구 | Compound 엔진 |
|---|---|---|
| 파일 20개 동시 열고 초당 연산 수 | 19,000 | 225,000 |
| 복잡한 재무 모델 작성 | 500초 시간 초과 | 0.87초 |
| 24MB 모델에 쓰기 | 시간 초과 | 약 1초 |
| 워크북 61개, 수식 50만 개 재계산 | LibreOffice 183.0초 | 43.3초(4.2배) |
| 워크북 66개 열기 | openpyxl 89.9초 | 10.1초 |

▲ headless 엔진의 병렬 처리
속도만이 아닙니다. 편집기와 화면을 직접 소유하면 사람과 agent의 비동기 협업을 원하는 대로 설계할 수 있습니다. 모든 수정이 바로 들여다볼 수 있고 버전 관리되는 형태로 남습니다. Compound는 자사의 설명 자료 전체를 이 환경 안에서 텍스트 코멘트와 prompt(AI에 내리는 지시문)만 떨어뜨려 만들었다고 밝혔고, 5명으로 이뤄진 딜 팀이 100쪽짜리 자료를 몇 주가 아니라 오후 한나절에 검토하고 서식까지 다듬는 사례를 제시합니다.
검증 방식도 다릅니다. openpyxl 같은 라이브러리는 파일을 렌더링하지 않고 맹목적으로 쓰기 때문에 서식이나 배치를 눈으로 확인할 수 없고, Microsoft의 데스크톱이나 웹 화면을 쓰면 외부 프로세스가 들여다볼 수 있는 고리가 제한됩니다. Compound 엔진은 쓰고, 렌더링하고, 확인하고, 고치는 폐쇄 루프를 매 단계마다 돌립니다. 마지막에 한 번 보는 게 아니라 계산마다 서식과 수식을 바로 잡는 방식입니다.
세 번째 축: 넓고 깊은 맥락을 나눠 읽는 agent swarm
매수 측의 딜 평가는 폭과 깊이를 동시에 요구합니다. 폭은 수만 개 비정형 문서가 든 데이터 룸이고, 깊이는 탭이 여럿 달린 거대한 재무 모델입니다. 42개 시트, 191,000개 수식, 65,000개 이름 범위가 든 24MB 워크북이나, 수식 200만 개와 민감도 표 5개가 들어 있어 재계산에 5분 넘게 걸리는 30MB 모델이 실제 사례입니다.
폭을 다루기 위해 Compound는 데이터 룸 전체를 vector database(의미 기반 검색용 저장소) 하나에 색인하는 대신, 사람 분석가 팀을 본뜬 agent swarm(여러 agent가 역할을 나눠 협업하는 구조)을 씁니다. 리드 agent가 데이터 룸을 잘라 나누고, 하위 agent들이 개별 파일을 검색하고 열어 읽고 핵심 정보를 뽑습니다. 모든 결과에는 정확한 출처 인용이 붙어야 하고, 인용문은 반드시 다시 읽어 확인하는 단계를 거쳐 hallucination(AI가 없는 사실을 지어내는 현상)을 걸러 냅니다. 이 swarm은 시스템이 재시작되어도 몇 시간씩 이어 돌아가며 최대 50,000개 파일, 40GB 규모의 저장소를 처리합니다.
깊이를 다루는 방법은 LLM이 추론하기 전에 워크북 구조를 코드로 한 번 색인하는 것입니다. 입력과 수식, 출력을 잇는 기능 지도를 만들어 두면 셀을 전부 출력해 1억 2,600만 token을 태우는 대신 고정된 token 예산 안에서 작업할 수 있습니다. 이 색인은 Excel 정답 수식 874개 가운데 873개를 맞췄습니다.
여기에 SharePoint와 Outlook 같은 사내 저장소를 연결해 회사 차원의 기억과 서식 취향을 딜을 넘어 보존합니다. 문서 찾기, 과거 수치 다시 입력하기, 작년 모델 다시 짓기, 사내 서식 다시 설명하기 같은 잡일이 사라지는 지점입니다.
어디까지 맡기고 무엇을 남길 것인가
Compound는 금융 업무를 두 축으로 나눕니다. 결과를 기계적으로 검증할 수 있는가, 그리고 사람의 정성적 판단이 얼마나 필요한가입니다.
| 구분 | 업무 예시 | 위임 방식 |
|---|---|---|
| 판단 적고 기계적 검증 쉬움 | 재무제표 정리, comps(비교 기업 지표) 갱신, 데이터 룸 추출, roll-forward(모델 기간 이월) | autopilot에 완전 위임 |
| 판단 많고 검증 어려움 | 투자위원회 메모 초안, 하방 시나리오 설계, 투자 논지 서술 | copilot으로 사람이 계속 조종 |
50쪽짜리 투자위원회 자료를 사람 개입 없이 처음부터 만드는 것 같은 장기 생성 작업은 기존 상용 도구가 아직 버거워하는 영역입니다. Compound는 팀 의견 수렴, 프로그램 방식의 검증, 깊은 사내 맥락 접근이라는 세 요소가 위임의 경계를 바깥으로 밀어낸다고 봅니다. 소프트웨어 개발에서 Opus 4.5가 나온 뒤 개발자들이 한 줄씩 자동 완성을 받던 방식에서 모듈 단위로 맡기는 방식으로 옮겨 간 것처럼, 테스트와 자동 검증 루프가 갖춰지면 금융에서도 큰 작업을 통째로 맡길 신뢰가 생긴다는 유추입니다. 그렇게 되면 사모펀드와 헤지펀드 팀은 실사 병목이 사라져 10배 많은 딜을 검토할 수 있다는 것이 Compound의 전망입니다. 다만 정성적 판단과 투자 논지는 사람이 계속 소유해야 한다는 점도 분명히 합니다.
다시 만들기를 택하는 기준과 독자가 할 일
Compound의 선택을 따라가 보면 AI 창업이 기존 도구를 그대로 쓰지 않고 다시 만드는 결정을 내리는 조건이 드러납니다. 첫째, 기존 도구가 '조금 느린' 수준이 아니라 핵심 요구를 구조적으로 못 채울 때입니다. 쓰기 한 번에 300초가 걸리고 동시 처리에서 무너지는 엔진 위에서는 백그라운드 병렬 agent라는 제품 자체가 성립하지 않습니다. 둘째, 정답을 판정해 줄 기준이 이미 존재할 때입니다. Office라는 성숙한 심판이 있었기에 agent 루프가 4개월 만에 80만 줄 엔진을 만들 수 있었습니다. 셋째, 결과물의 형식이 고객에게 타협 불가능한 요건일 때입니다. 서식이 조금만 달라도 거부되는 시장이라면 렌더링까지 직접 쥐어야 합니다. 이는 Compound의 사례에서 읽어 낸 필자의 해석이며, 모든 분야에 같은 기준이 적용된다고 단정할 수는 없습니다.
금융 조직이나 규제 산업에서 agent를 만들거나 도입하려는 독자라면 다음을 점검해 볼 만합니다.
- agent를 새 웹 앱이 아니라 팀이 이미 쓰는 이메일 같은 채널 안에 넣고, 응답 전에 발신자 권한을 확인하는 구조를 설계합니다.
- 여러 사람이 연달아 답할 때를 대비해 응답 지연과 최근 맥락 재해석을 넣어 agent가 스레드를 도배하지 않게 합니다.
- 스프레드시트 처리에 GUI 자동화나 가상 머신 computer use를 쓰고 있다면 지연과 동시성 한계를 측정해 보고, 맹목적으로 파일만 쓰는 라이브러리에는 렌더링 후 확인 단계를 붙입니다.
- 큰 데이터 룸은 통째로 색인하기보다 리드 agent가 나누고 하위 agent가 읽는 구조와 인용 재확인 단계를 검토합니다.
- 자기 팀의 업무를 '기계적 검증 가능성'과 '판단 필요량' 두 축에 놓아 보고, 재무제표 정리나 comps 갱신처럼 검증이 쉬운 일부터 위임을 시작합니다.
금융 agent가 copilot에서 autopilot으로 넘어가는 변곡점에 있다는 것이 Compound의 진단입니다. 그 전환이 얼마나 빠를지는 지켜봐야 하지만, 적어도 '기존 도구 위에 얹기'와 '다시 만들기' 사이의 판단 기준은 이 사례에서 분명하게 읽을 수 있습니다.


