나스닥, AI 에이전트 전면 도입…크립토 확산 분기점 되나

나스닥(Nasdaq)이 ‘AI 에이전트’를 시장 감시와 컴플라이언스 등 핵심 업무에 이미 폭넓게 적용하고, 최근 18개월 사이 활용 범위를 크게 넓힌 것으로 알려졌다. 전통 금융 인프라에서 검증이 진행되면서, 크립토 업계에서도 AI 에이전트 도입이 내부 운영뿐 아니라 개인투자자용 트레이딩 도구까지 빠르게 확산될 수 있다는 관측이 나온다.

프라나브 라메시(Pranav Ramesh) 나스닥 옵션 리서치 총괄이자 리드포엣(Leadpoet) 공동창업자 겸 CTO는 코인데스크와 인터뷰에서 “가장 의미 있는 변화는 ‘신뢰’”라고 말했다. 그는 “AI 에이전트는 비교적 새로운 개념이며, 지난 6개월 사이 사용이 더 늘고 있다”며 과거 시스템은 ‘환각(hallucination)’ 문제가 잦아 민감한 기업 업무 흐름에 적용하기 어려웠다고 설명했다.

나스닥은 AI 에이전트를 시장 감시(market surveillance), 규제 준수(compliance), 시장 미시구조 분석(market microstructure analysis) 등에 활용하고 있다. 특히 계열사 나스닥 베라핀(Nasdaq Verafin)의 ‘에이전틱 AI 워크포스(Agentic AI Workforce)’를 사례로 들며, 자금세탁방지(AML) 영역에서 “가치가 낮지만 물량이 많은 컴플라이언스 프로세스”를 자동화한다고 소개했다.

AI가 거래소의 주문 체계 자체에 들어간 사례도 있다. 나스닥은 2023년 ‘다이내믹 M-ELO(Dynamic M-ELO)’가 미 증권거래위원회(SEC) 승인을 받은 ‘거래소 최초의 AI 기반 주문 유형’이라고 발표한 바 있다. 140개가 넘는 요인을 반영하는 AI 모델이 실시간 시장 상황에 맞춰 주문 특성을 조정한다는 설명이다.

라메시는 이런 경험이 크립토 시장에 대한 시각에도 영향을 준다고 했다. 그는 암호화폐 거래 플랫폼이 AI 에이전트를 내부 운영 효율화와 함께 개인투자자 대상 기능에도 적극 도입할 가능성이 크다고 내다봤다. 포지션 분석, 거래 아이디어 제안, 체결 지원 등 ‘리테일 트레이딩’ 전반에서 AI 활용이 확대될 수 있으며, “크립토 트레이딩 세계가 리테일 환경에서 AI 사용 방식을 주도할 것”이라는 견해도 밝혔다.

다만 그는 이를 ‘완전 자율’로 보지는 않았다. 에이전트가 분석과 워크플로 대부분을 처리하되, 최종 승인과 책임은 사람이 쥐는 형태가 당분간 주류가 될 것이라는 설명이다. 나스닥 내부 역시 완전 자동화 직전 단계에서 인간 검토가 마지막 절차로 남아 있는 시스템이 많다고 덧붙였다.

“일자리는 줄어든다”…AI 자동화의 냉정한 현실

라메시는 노동시장 영향에 대해서도 직설적으로 말했다. 그는 AI 에이전트가 “많은 일자리를 가져갈 것”이라며, 하위 단계 소프트웨어 업무, 고객 서비스, 애널리스트 역할이 더 빠르고 더 저렴하며 더 신뢰할 수 있는 시스템으로 이미 대체되고 있다고 주장했다. 이는 예측이 아니라 ‘관찰 가능한 흐름’이라는 표현을 썼다.

실제 구조조정 사례도 이어지고 있다. 크립토닷컴(Crypto.com)은 AI를 통한 자동화와 효율화를 추진하며 인력의 12%를 감원했다. 앞서 크립토 리서치 기업 메사리(Messari)도 ‘AI-퍼스트 회사’ 전환 과정에서 일부 인력과 최고경영진이 교체된 것으로 전해졌다. 잭 도시(Jack Dorsey)가 설립한 결제 기업 블록(Block)은 지난달 AI 모델 개선을 이유로 4,000명 이상, 전체 인력의 40%를 줄이겠다는 계획을 발표했다.

나스닥 경험이 만든 리드포엣, 크립토에서 더 빨라질 변화

이 같은 문제의식은 라메시가 개빈 젠츠(Gavin Zaentz)와 함께 공동 창업한 스타트업 리드포엣의 방향에도 반영됐다. 2026년 2월 회사 팩트시트에 따르면 두 사람은 나스닥에서 함께 일하며 “아웃바운드 도구는 정적인 리스트는 만들 수 있지만, 실제 구매 의도(buying intent)를 찾으려면 여전히 수작업 리서치가 필요하다”는 한계를 반복적으로 겪었고, 이를 해결하기 위해 창업에 나섰다.

리드포엣은 웹 신호와 기업 맥락을 결합해 ‘의사결정 가능한 리드 추천(decision-ready lead recommendations)’을 제공하는 AI 기반 리드 검증 플랫폼을 표방한다. 단순히 물량을 늘리기보다 ‘정확도(precision)’를 강조하며, 고객사가 벤더에 데이터를 노출하지 않고 자체 데이터로 의도 점수 산정과 아웃리치 생성이 가능하도록 프라이빗 배포를 지원한다고 설명했다.

기술 스택 측면에서는 분산형 AI 네트워크로 알려진 비텐서(Bittensor)를 활용한다고 밝혔다. 비텐서는 참가자가 모델과 컴퓨팅 자원을 기여하고 보상을 얻는 구조를 내세우는데, 라메시는 중앙집중식 로드맵보다 분산·경쟁 구조가 모델 개선 속도를 높일 수 있다는 점을 장점으로 들었다.

또한 리드포엣은 엔비디아(NVIDIA)의 AI 스타트업 지원 프로그램 ‘엔비디아 인셉션(NVIDIA Inception)’ 멤버라고 밝혔다. 엔비디아는 인셉션을 기술 리소스, 시장 진출(go-to-market) 지원, 생태계 접근성을 제공하는 무료 프로그램으로 소개하고 있다.

팩트시트에 따르면 리드포엣은 출시 후 첫 분기에 연환산 반복매출(ARR) 100만 달러(약 14억 9,500만 원)를 달성했고, DSV 펀드와 아스트리드(Astrid)로부터 투자를 유치했다. 같은 자료에서 DSV 펀드 최고투자책임자(CIO) 시암 키드(Siam Kidd)는 라메시와 젠츠가 “깊은 AI 엔지니어링 역량과 영업 현장의 일상에 대한 실제 이해”를 결합했다고 평가했다.

라메시는 대형 기관에서 AI가 ‘보조 도구’에서 ‘실제 운영을 처리하는 시스템’으로 이동하는 과정을 직접 목격했다고 했고, 크립토 시장에서는 이 전환이 다른 금융 영역보다 더 빠르게 가시화될 수 있다고 전망했다. 거래 인프라와 서비스 경쟁이 치열한 만큼, AI 에이전트가 비용 절감과 속도 경쟁의 핵심 수단으로 자리 잡을지 시장의 관심이 쏠린다.

기사요약 by TokenPost.ai

🔎 시장 해석

- 나스닥은 시장 감시·규제준수·시장 미시구조 분석 등 핵심 인프라 업무에 ‘AI 에이전트’를 이미 폭넓게 적용했고, 최근 18개월 사이 적용 범위를 크게 확대함

- 과거엔 환각(hallucination) 등 신뢰성 문제로 민감 업무 적용이 제한됐으나, 최근 6개월 사이 ‘신뢰’가 빠르게 개선되며 기관 도입이 가속화되는 흐름

- AI가 거래소 ‘업무 지원’ 단계를 넘어, 주문 유형(Dynamic M-ELO)처럼 거래 메커니즘 자체로 스며드는 사례가 등장해 구조적 변화 신호로 해석 가능

- 이 같은 전통 금융의 검증은 크립토 시장에서 AI 에이전트의 확산(내부 운영 + 개인투자자용 툴)을 더 빠르게 촉진할 촉매로 작용할 전망

💡 전략 포인트

- 크립토 거래소/브로커: 컴플라이언스(특히 AML)에서 ‘저부가·대량 반복’ 프로세스 자동화로 비용 절감과 처리속도 개선 여지 큼

- 리테일 트레이딩: 포지션 분석·아이디어 제안·체결 보조 등 전 과정에 AI가 붙으며, UX 차별화와 고객 락인 수단이 될 가능성

- 운영 모델은 ‘완전 자율’보다 ‘에이전트 처리 + 인간 최종 승인(휴먼 인더 루프)’이 당분간 업계 표준이 될 공산 큼

- 인력/조직: 초급 소프트웨어·CS·애널리스트 등 대체 압력이 현실화(감원 사례 동반)되어, 재교육·직무 재설계가 리스크 관리의 핵심

- 인프라 관점: 주문 알고리즘/체결 로직까지 AI 적용이 확대될수록, 모델 리스크 관리(검증·감사·재현성)와 규제 대응 역량이 경쟁력으로 부상

📘 용어정리

- AI 에이전트(Agent): 목표를 주면 스스로 계획·판단해 작업을 수행하는 AI(툴 호출, 워크플로 실행 등 포함)

- 시장 감시(Market Surveillance): 시세조종·이상거래·불공정거래 탐지를 위한 실시간 모니터링 체계

- 컴플라이언스(Compliance): 규정·법규 준수 활동 전반(보고, 모니터링, 내부통제 등)

- AML(자금세탁방지): 불법자금 흐름을 탐지·차단하기 위한 절차 및 규제 체계

- 시장 미시구조(Market Microstructure): 호가, 스프레드, 유동성, 주문흐름 등 ‘거래가 성립되는 방식’의 세부 구조

- 환각(Hallucination): AI가 그럴듯하지만 사실과 다른 정보를 생성하는 현상

- 휴먼 인더 루프(Human-in-the-loop): AI가 대부분 처리하되 최종 승인·책임은 사람이 갖는 운영 방식

- Dynamic M-ELO: 나스닥이 도입한 AI 기반 주문 유형으로, 다수 요인을 반영해 실시간 시장 상황에 맞춰 주문 특성을 조정

💡 자주 묻는 질문 (FAQ)

Q.

나스닥이 ‘AI 에이전트’를 쓴다는 건 단순 챗봇을 도입했다는 뜻인가요?

아닙니다. 기사에서 말하는 AI 에이전트는 “대화”만 하는 챗봇이 아니라, 시장 감시·규제 준수·시장 구조 분석 같은 업무 워크플로를 스스로 수행하거나 자동화하는 운영형 AI에 가깝습니다. 특히 AML처럼 반복 작업이 많은 컴플라이언스 프로세스를 자동화해 처리량과 효율을 끌어올리는 데 쓰입니다.

Q.

AI가 주문(거래) 자체에 들어간다는 건 어떤 의미인가요?

나스닥의 ‘Dynamic M-ELO’처럼 AI 모델이 실시간 시장 상황을 반영해 주문의 특성(예: 집행 방식)을 조정하는 형태를 말합니다. 즉, AI가 백오피스만 돕는 게 아니라 거래소의 매매 메커니즘 일부에 편입되는 것으로, 성능뿐 아니라 검증·감사·규제 대응 같은 ‘모델 리스크 관리’가 중요해집니다.

Q.

AI 에이전트가 크립토 거래소와 개인투자자에게 가장 먼저 바꾸는 건 뭔가요?

거래소는 비용이 크고 반복이 많은 컴플라이언스·운영 자동화(특히 AML)에서 효과가 먼저 나타날 가능성이 큽니다. 개인투자자 쪽에서는 포지션 분석, 거래 아이디어 제안, 체결 보조 같은 기능이 빠르게 붙을 수 있지만, 당분간은 “AI가 대부분 처리 + 최종 판단은 사람” 형태가 주류가 될 것으로 기사에서 전망합니다.

TP AI 유의사항

TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.