질문마다 데이터 사는 Heurist Finance

요약

인공지능 에이전트가 질문마다 유료 데이터를 건별로 결제해 분석하는 체계를 클라우드 관리형 서비스로 구현했습니다.
자체 시스템 구축 대비 엔지니어링 작업이 약 80퍼센트 줄었고 단일 질의로 감사 추적이 가능해졌습니다.
에이전트에게 지출 권한을 줄 때는 요청 단위 예산 통제와 엄격한 신원 격리가 함께 갖춰져야 합니다.

질문마다 유료 데이터를 직접 사서 분석하는 에이전트

투자자가 “오늘 발표된 미국 개인소비지출 물가 지표가 내 포트폴리오에 어떤 영향을 주나요?”라고 묻는 순간을 상상해 보십시오. 이 질문에 제대로 답하려면 단순히 거시 경제 뉴스를 요약하는 것으로는 부족합니다. 방금 발표된 물가 지표 수치뿐 아니라 컨센서스 전망치, 사용자가 실제로 보유한 종목과 비중, 위험 감내도와 투자 기간까지 종합적으로 계산해야 합니다.

문제는 이러한 고급 데이터가 대부분 비싼 유료 구독 벽과 제각각인 API 뒤에 흩어져 있다는 점입니다. 모든 데이터를 한 번에 제공하는 단일 데이터 판매사는 시장에 없습니다. 그렇다고 아직 사용자 기반이 충분히 크지 않은 초기 단계에서 수많은 데이터 업체와 개별 기업 계약을 맺는 것은 경제적으로 정당화하기 어렵습니다.

개인 투자자를 위한 금융 인텔리전스 서비스인 Heurist Finance를 운영하는 Heurist는 이 문제를 해결하기 위해 색다른 접근을 택했습니다. 데이터 업체들과 일괄 계약을 맺는 대신, 인공지능 에이전트가 질문을 처리하는 과정에서 꼭 필요한 유료 데이터만 그때그때 건별로 사 오도록 만든 것입니다.

이 방식은 경제적으로 합리적이지만 시스템 개발 측면에서는 큰 도전 과제를 던집니다. 인공지능 에이전트가 사용자를 대신해 돈을 쓰며 외부와 거래해야 하기 때문입니다. 이 사례는 Heurist 창업자 JW Wang과 AWS 직원인 Joshua Smith, Chethan Shriyan이 함께 AWS Machine Learning Blog에 공개한 글을 통해 구체적인 아키텍처와 운영 결과가 밝혀졌습니다.

Heurist Finance는 시장 데이터 수집, 공시와 뉴스 읽기, 심층 리서치, 포트폴리오 구성과 스트레스 테스트, 보유 포지션 모니터링을 채팅 하나에 모았습니다. 모든 답변은 사용자의 포트폴리오와 투자 선호를 반영하여 생성됩니다. 이 서비스의 목표는 통합 위험·수익 보기, 포트폴리오 전체 구성, 시나리오 분석 같은 기관식 도구를 시장에 질문이 있는 누구나 쓰게 하는 것입니다.

에이전트에게 지갑을 쥐여줄 때 마주하는 장벽들

에이전트가 질문마다 유료 데이터를 구매하도록 만들려면 단순히 언어 모델에 외부 API 호출 도구를 붙이는 것만으로는 부족합니다. 자금을 보관하고 집행하는 과정에서 자금 보관(custody), 지출 상한선 설정, 명확한 감사 추적 요건이 반드시 충족되어야 합니다. 그렇지 않으면 프롬프트 인젝션 공격을 받거나 모델이 오작동했을 때 자금이 순식간에 빠져나갈 위험이 있습니다.

구체적으로 프로덕션 환경에서 에이전트를 안정적으로 구동하기 위해서는 다섯 가지 인프라 요구 사항이 해결되어야 했습니다.

첫째는 요청 단위 신원입니다. 에이전트가 수행하는 모든 데이터 조회와 결제 동작은 특정 사용자, 특정 세션, 특정 요청 식별자에 빈틈없이 연결되어야 합니다. 워크플로 전체를 가로지르며 신원이 유지되지 않으면 누가 어떤 목적으로 돈을 썼는지 증명할 수 없습니다.

둘째는 세션을 넘어서는 상태 유지입니다. 투자자의 위험 감내도, 관심 종목, 이전 대화 맥락과 투자 논리 상태는 대화창을 닫았다가 다시 열어도 그대로 보존되어야 합니다. 매번 처음부터 투자 성향을 다시 묻는다면 제대로 된 개인화 서비스를 제공할 수 없기 때문입니다.

셋째는 격리된 코드 실행 환경입니다. 유료 데이터를 사 온 뒤 포트폴리오 영향도를 계산하려면 상관관계 분석, 시나리오 분석, 차트 생성, 백테스트 같은 복잡한 연산 코드를 실행해야 합니다. 모델이 생성한 코드가 내부 시스템이나 외부 네트워크로 무단 침투하지 못하도록 완벽하게 격리된 샌드박스가 필요합니다.

넷째는 결제 오케스트레이션입니다. 질문 처리 흐름 안에서 유료 데이터 요청, 견적 확인, 한도 검증, 전자 서명과 정산이 끊김 없이 매끄럽게 연결되어야 합니다.

다섯째는 처음부터 끝까지 이어지는 추적성입니다. 단 한 번의 질문 처리를 위해 어떤 데이터를 얼마에 샀고, 그것을 어떤 코드로 계산해 최종 답변을 만들었는지 모든 과정을 하나의 감사 기록으로 꿰어낼 수 있어야 합니다.

이러한 인프라를 처음부터 자체적으로 구축하려면 수개월의 엔지니어링 시간이 소요될 수 있었습니다. 그렇게 되면 정작 Heurist의 핵심 경쟁력인 심층 금융 리서치 워크플로 개발과 개인화 분석 알고리즘 개선에 쏟을 개발팀의 역량을 빼앗기게 됩니다.

관리형 인프라로 엮어낸 에이전트 아키텍처

Heurist는 이러한 기반 인프라를 직접 밑바닥부터 만드는 대신 Amazon Bedrock AgentCore를 도입했습니다. 전체 요청의 흐름을 조율하는 오케스트레이터로는 Strands를 사용하고, 중심 두뇌 역할을 하는 언어 모델로는 Amazon Bedrock에서 구동되는 Anthropic Claude를 채택했습니다.

전체 시스템을 구성하는 요소들은 각자의 명확한 역할을 가지고 유기적으로 맞물립니다. 사용자의 포트폴리오 데이터는 Amazon Aurora PostgreSQL 데이터베이스에 저장됩니다. 그리고 유료 데이터를 실시간으로 구매하고 결제하는 일은 AgentCore payments가 담당하며, 정산은 Base 블록체인 네트워크 위에서 미국 달러와 가치가 연동된 스테이블코인인 USDC로 처리됩니다.

보안과 상태 관리를 위한 요소들도 함께 배치되었습니다. AgentCore Identity는 인증된 사용자 정보를 모든 서비스 호출 단계에 전달하고 범위가 제한된 자격 증명을 발급합니다. AgentCore Memory는 사용자의 투자 선호와 대화 기록을 세션을 넘어 저장하며, AgentCore Code Interpreter는 격리된 가상 환경 안에서 안전하게 분석 코드를 실행합니다. 분석 결과로 생성된 시각화 차트는 Amazon S3에 저장되고, 전체 요청 흐름의 트레이스는 Amazon CloudWatch로 전송됩니다. 블록체인 지갑 서명에 필요한 민감한 자격 증명은 AWS Secrets Manager에 안전하게 보관되며, 모델 입출력의 안전성은 Amazon Bedrock Guardrails가 통제합니다.

x402 프로토콜을 통한 질문당 데이터 결제 흐름

Heurist Finance에서 사용자의 질문 하나는 실시간 주가, 거시 지표, 기업 공시 보고서, 재무 데이터, 뉴스를 복합적으로 필요로 합니다. 이 중 유료 데이터는 x402 프로토콜을 통해 정해진 다섯 단계의 순서대로 구매됩니다.

첫째, Heurist Finance 시스템이 데이터 판매자(merchant)의 유료 데이터 피드 엔드포인트로 필요한 정보를 요청합니다.

둘째, 데이터 판매자는 요청을 즉시 처리하지 않고 HTTP 402 상태 코드와 함께 x402 결제 조건을 회신합니다. HTTP 402는 웹 표준에서 ‘결제 필요(Payment Required)‘를 뜻하는 상태 코드입니다. 판매자가 돌려준 결제 조건에는 청구 금액, 대금을 받을 수취인, 결제에 사용할 자산인 USDC, 정산 네트워크인 Base가 명시되어 있습니다.

셋째, AgentCore payments가 판매자의 결제 조건을 해당 실행의 Payment Session에 설정된 지출 상한 maxSpendAmount와 대조합니다. Payment Manager는 CoinbaseCDP Payment Connector를 조율하며, 사용자와의 상호작용마다 Payment Session과 Payment Instrument가 각각 하나씩 새로 생성됩니다. 여기서 Payment Instrument는 Base 네트워크 전용으로 묶인 임베디드 암호화폐 지갑입니다. 만약 판매자가 요구한 금액이 설정된 상한선을 초과하면 시스템은 즉시 결제를 멈추고 사용자에게 예산 초과 사실을 알린 뒤 대안을 제안합니다.

넷째, 청구 금액이 지정된 예산 안에 들어오면 시스템은 Process Payment API를 호출합니다. 이때 Payment Instrument를 사용해 블록체인 거래 서명을 진행합니다. 결제에 필요한 비밀 자격 증명은 시스템 하드코딩이 아니라 실행 시점에 AWS Secrets Manager에서 안전하게 꺼내옵니다.

다섯째, Heurist Finance는 트랜잭션 서명 증명을 X-PAYMENT 요청 헤더에 담아 데이터 판매자에게 다시 요청을 보냅니다. 판매자는 결제 증명을 검증한 뒤 비로소 요청했던 유료 데이터를 전달합니다.

실제 프로덕션 환경에서는 질문 하나를 답하기 위해 여러 유료 피드를 순차적으로 구매해야 했을 것입니다. 그렇기 때문에 오케스트레이터는 첫 데이터 요청을 보내기 전 필요한 데이터 목록을 계획하고, 판매자가 HTTP 402로 응답할 때마다 세션의 잔여 예산에서 실제 금액을 차감해 가며 결제를 진행했을 가능성이 높습니다. 이처럼 x402 방식을 활용하면 사전 기업 계약이나 거액의 선불 충전금 없이도 필요한 순간에 필요한 만큼의 데이터만 사 올 수 있습니다. 이 결제 흐름은 AgentCore payments, Payment Manager, Payment Connector, SDK 연동으로 구현했습니다.

개인화와 격리 분석을 지탱하는 보안 장치

유료 데이터를 받아오면 AgentCore Code Interpreter가 곧바로 동작합니다. Code Interpreter는 임의의 외부 네트워크 송신(egress)이 완전히 차단된 격리 샌드박스 안에서 실행됩니다. 모델이 생성한 분석 코드가 상관관계 분석, 시나리오 분석, 차트 그리기, 백테스트를 안전하게 마칠 수 있는 이유입니다. 이 연산 환경은 AWS 클라우드 안에서 실행되며 분석 작업이 끝나는 즉시 정리됩니다.

동시에 서비스는 철저한 개인화를 구현합니다. 사용자가 “특정 종목이 지금 고평가되어 있나요?” 같은 포괄적인 질문을 던지더라도, 서비스는 해당 사용자의 기존 보유 종목, 관심 종목, 투자 기간, 위험 선호를 바탕으로 연구를 진행합니다. 매번 질문을 받을 때마다 영점에서 시작하는 것이 아니라 축적된 투자 맥락 위에서 답을 찾기 때문에 프로필이 쌓일수록 분석은 정교해집니다.

이를 위해 AgentCore Memory가 사용자의 선호, 투자 논리 상태, 대화 기록을 세션을 넘어 저장합니다. 그리고 AgentCore Identity가 이 저장 공간의 접근 권한을 오직 해당 사용자 한 명으로 엄격하게 제한합니다. 이 덕분에 Heurist는 별도의 사용자 선호도 데이터베이스나 복잡한 접근 제어 계층을 따로 구축할 필요가 없었습니다.

실제 구현에서는 Aurora와 AgentCore Memory의 역할이 명확히 분리되었을 것입니다. 주식 보유 수량이나 평균 매입 단가처럼 단 1의 오차도 없어야 하는 정량적 자산 데이터는 Aurora에 저장하고, 해당 종목을 왜 보유하고 있는지에 대한 투자 논리나 선호 같은 정성적 맥락은 Memory에 저장하는 방식이었을 가능성이 높습니다. 사용자의 프로필과 대화 기록은 개인의 투자 신념, 위험 감내도, 투자 기간, 보유 포지션을 고스란히 드러내기 때문에 Heurist는 신원, 접근 제어, 감사를 모든 요청의 기본 전제로 설계했습니다.

시스템 내부에서는 네 가지 고유 식별자가 모든 동작에 따라붙습니다. 도구 호출, 결제, 메모리 조회가 일어날 때마다 사용자 ID, 워크로드 신원, 요청 ID, 트레이스 ID가 함께 기록되어 단일 감사 기록을 만들어냅니다. 또한 서비스 간 경계도 확고합니다. Identity는 OAuth 인증을 받아 권한 범위가 한정된 자격 증명을 발급하고, payments는 Payment Session과 지갑을 사용자 단위로 격리합니다. 결제 비밀키는 Secrets Manager에만 머물며 Payment Credential Provider가 실행 시점에만 꺼내어 Payment Connector에 넘깁니다.

마지막 방어선은 Amazon Bedrock Guardrails가 맡습니다. 입력 필터는 결제 도구나 데이터 조회 도구를 노린 악의적인 프롬프트 인젝션 공격을 사전 차단합니다. 그리고 출력 필터는 헤지되지 않은 단일 종목을 함부로 추천하지 않는다는 Heurist의 엄격한 내부 금융 정책을 집행합니다.

한 번의 질문이 처리되는 실제 과정

실제 서비스에서 “오늘 나온 PCE 발표가 내 포트폴리오에 어떤 영향을 주나요?”라는 질문이 들어왔을 때 시스템이 움직이는 과정은 이 모든 장치가 결합하는 방식을 잘 보여줍니다.

첫째, 오케스트레이터가 Aurora 데이터베이스에서 사용자의 포트폴리오 정보를 읽어옵니다. 이때 AgentCore Identity가 작동하여 오직 해당 사용자의 데이터만 조회되도록 범위를 제한합니다.

둘째, 오케스트레이터가 거시 경제 데이터 판매자의 유료 컨센서스 전망치 엔드포인트를 호출합니다. 판매자가 HTTP 402 코드를 반환하면, AgentCore payments가 이번 상호작용의 지출 상한선을 확인하고 Base 네트워크 전용 Payment Instrument로 결제 서명을 진행합니다. 서명이 완료되면 증명을 X-PAYMENT 헤더에 담아 다시 요청하여 최신 컨센서스 데이터를 수령합니다.

셋째, 새로 받아온 컨센서스 전망치와 Aurora에서 가져온 포트폴리오 데이터를 바탕으로 AgentCore Code Interpreter가 격리 샌드박스 안에서 영향도 계산을 수행합니다. 계산 결과 도출된 시각화 차트는 Amazon S3에 파일로 저장됩니다.

넷째, Amazon Bedrock의 모델이 사용자의 보유 종목, 투자 기간, 위험 선호를 종합적으로 반영하여 최종 답변 텍스트를 생성합니다. 그리고 S3에 생성된 차트와 함께 실시간 스트리밍 방식으로 사용자 화면에 전달됩니다.

이 흐름 전체에는 Aurora, Identity, payments, Code Interpreter, S3, Bedrock, Observability가 모두 관여합니다. 사용자와 트레이스 맥락이 처음부터 끝까지 유지되기 때문에, 유료 데이터를 사 온 결제 내역과 그 데이터를 활용해 작성된 포트폴리오 분석 결과가 하나의 트레이스 ID로 완벽하게 이어집니다.

PCE 질문 처리 단계별 서비스

사용자와 트레이스 맥락을 공유하여 유료 데이터 구매 내역이 해당 데이터 기반 포트폴리오 분석과 바로 이어집니다. (출처: AWS Machine Learning Blog)

개발 공수 감축과 운영상의 성과

이러한 클라우드 관리형 인프라 도입을 통해 Heurist는 상당한 엔지니어링 효율을 얻었습니다. Heurist의 추정에 따르면, 자체 LLM 오케스트레이션 스택을 직접 개발했을 경우와 비교했을 때 에이전트 시스템을 만드는 엔지니어링 작업량을 약 80% 줄일 수 있었습니다. 신원 관리, 세션을 넘나드는 메모리, 격리된 샌드박스, 복잡한 블록체인 결제 체계를 AgentCore가 전담해 주었기 때문입니다.

Heurist의 창업자 JW Wang은 이와 관련해 다음과 같이 언급했습니다.

“AgentCore가 플랫폼 작업을 맡아준 덕분에 우리는 제품 개발에 역량을 집중할 수 있었습니다. 관리형 인프라 덕분에 개발 기간을 몇 달이나 아꼈습니다.”

이와 함께 사용자 한 명당 들어가는 한계 비용을 예측할 수 있게 되면서, 일반 개인 투자자를 대상으로 한 합리적인 가격 정책을 책정할 수 있는 기반도 마련되었습니다.

운영 측면에서도 두 가지 큰 이점이 확인되었습니다. 첫째는 컴플라이언스 대비 수준의 향상과 문제 해결 시간 단축입니다. AgentCore Observability 트레이스 덕분에 에이전트가 어떤 판단 경로를 거쳐 특정 조언을 내놓았는지 완벽하게 재현할 수 있습니다. 컴플라이언스 질문은 쿼리 한 번으로 해결됩니다. 운영자는 CloudWatch에서 트레이스 ID를 기준으로 데이터 구매, 코드 실행, 모델 출력을 하나의 타임라인으로 모아 보았을 것입니다. 둘째는 사용자 자산과 자격 증명의 안전성입니다. 결제에 사용되는 암호화 자격 증명이 시스템 전반에 노출되지 않고 AWS Secrets Manager 안에 격리된 채 런타임에만 꺼내 쓰이므로 최종 사용자의 안전이 높아졌습니다.

Heurist는 앞으로 세 가지 방향으로 제품 기능을 확장할 계획입니다. 상장 기업의 실적 발표 일정에 맞춘 이벤트 기반 리서치, 시장에서 발생하는 주요 이벤트를 개별 포트폴리오 관점에서 자동 분석하는 기능, 그리고 투자 기간이 비슷한 트레이더들이 최근 무엇을 주로 조사하고 있는지에 기반한 리서치 추천 기능입니다.

에이전트 결제를 준비하는 기업을 위한 제언

Heurist Finance의 사례는 인공지능 에이전트에게 단순 텍스트 생성을 넘어 외부 시스템과의 실질적인 자금 거래 권한을 넘겨주려는 기업에 중요한 원칙을 보여줍니다.

에이전트에게 돈을 쓸 수 있는 권한을 주는 것은 무조건적인 자율성을 부여하는 것이 아닙니다. 오히려 요청 한 번마다 사용할 수 있는 예산의 한도(maxSpendAmount)를 아키텍처 수준에서 물리적으로 강제하고, 세션 단위로 격리된 결제 수단만을 쥐여주는 통제 환경이 선행되어야 합니다. 한도를 넘어서면 결제를 멈추고 사용자에게 알린 뒤 대안을 제안하는 방어 기제가 필수적입니다.

또한 데이터 구매 비용 구조를 고정비에서 변동비로 바꿀 수 있다는 가능성을 보여줍니다. 과거에는 신규 사업을 시작할 때 대형 데이터 벤더들과 막대한 금액의 연간 계약을 먼저 체결해야 했습니다. 그러나 마이크로 결제 프로토콜과 에이전트 결제가 결합하면, 사용자가 실제로 질문한 만큼만 실시간으로 데이터를 조달함으로써 초기 고정비 부담을 크게 낮출 수 있습니다.

마지막으로 민감한 개인화 데이터를 다룰 때는 별도의 저장소를 계속 늘리기보다 신원 인증 계층과 직결된 메모리 설계를 채택하는 것이 안전합니다. 투자 철학이나 금융 자산 정보는 고도로 민감한 개인정보입니다. 이를 별도의 외부 데이터베이스에 분산 보관하기보다, 요청마다 전달되는 사용자 신원 토큰에 강하게 묶인 메모리 인프라를 활용할 때 개인화 품질과 데이터 격리라는 두 가지 목표를 동시에 달성할 수 있습니다. 에이전트가 실제 행동을 대신하는 시대로 나아갈수록 거버넌스와 격리 설계는 부가 기능이 아니라 시스템의 중심이어야 합니다.

출처

AWS Machine Learning Blog — How Heurist Finance built an AI-native investment workbench on Amazon Bedrock AgentCore — https://aws.amazon.com/blogs/machine-learning/how-heurist-finance-built-an-ai-native-investment-workbench-on-amazon-bedrock-agentcore/ — 2026-09-09 (JW Wang — Heurist 창업자, Joshua Smith·Chethan Shriyan — AWS)