투자보다 에이전트 설계에 눈이 갔던 투자 자동화 스터디 후기
소개
최근 에이전트를 활용한 투자 자동화 스터디에 참여하고 있습니다.
사실 투자에 대한 관심이 크지 않은 상태에서 시작했습니다. 주식이나 투자 전략에 대한 지식도 부족했고, 투자 자체를 깊게 공부해야겠다는 생각도 크지 않았습니다.
그래서인지 스터디 진도가 생각보다 잘 나가지 않았습니다.
그런데 의외로 제 시선을 사로잡은 것은 투자 전략이 아니라 스터디에서 제공하는 학습 시스템이었습니다.
스터디장님이 제공해 주시는 강의 자료가 매우 인상적이었습니다. 인상적이다 못해 감동적이랄까..
lovable에서 작업이 된건데..
Step 1부터 Step 5까지 단계별로 구성된 구조였는데, 지침에 따라 스텝별로 따라가는 구조였습니다.
투자 내용보다 오히려 "이 시스템은 어떻게 만들었을까?"라는 궁금증이 더 커지기 시작했습니다.
진행 방법
관심사의 방향 전환
처음에는 투자 자동화를 배우기 위해 스터디에 참여했지만, 어느 순간부터는 다음과 같은 질문을 하게 되었습니다.
왜 에이전트인가?
에이전트의 조합은 어떻게 할 수 있을까?
사용자의 답변이 수집하는데 있어, 어떤 방식으로 결과를 수집하고 어떻게 다음 단계로 전달될까?
AI는 어떤 프롬프트를 사용하고 있을까?
왜 사용하기 편하다고 느껴질까?
결국 투자 자체보다 에이전트 기반 서비스 설계에 더 관심이 있다는 것을 깨달았습니다.
시스템을 구조로 분해해 보기
서비스를 보면서 제가 이해한 구조는 대략 아래와 같았습니다.
Step 1
사용자 입력
↓
Step 2
AI 분석
↓
Step 3
결과 생성
↓
Step 4
피드백
↓
Step 5
다음 액션 제안
겉으로 보기에는 단순한 단계형 화면이지만 실제로는 여러 요소가 함께 동작하고 있다고 생각했습니다.
사용자 경험(UX)
+
프롬프트 설계
+
상태 관리(State)
+
워크플로우 설계
+
AI 모델
무엇을 공부해야 할까?
이번 경험을 통해 에이전트 시스템을 만들기 위해 꼭 AI 프레임워크부터 공부할 필요는 없다는 생각이 들었습니다.
오히려 다음 순서가 더 중요해 보였습니다.
1. 서비스 흐름 설계
사용자가 어떤 순서로 행동할지 정의
입력
↓
분석
↓
결과
↓
피드백
↓
다음 행동
2. UX 설계
사용자가 고민하지 않도록 다음 행동을 안내
3. 프롬프트 체이닝
하나의 거대한 프롬프트보다
Prompt A
↓
Prompt B
↓
Prompt C
형태로 역할을 분리
4. 상태 관리
사용자가 입력한 정보를 단계 간에 유지
5. 에이전트 프레임워크
LangGraph
OpenAI Agents SDK
CrewAI
PydanticAI
Mastra
등을 활용해 워크플로우 구현
결과와 배운 점
이번 스터디를 통해 가장 크게 배운 것은 "좋은 에이전트는 AI보다 설계가 중요하다"는 점이었습니다.
처음에는 에이전트 시스템이 복잡한 AI 기술의 결과라고 생각했습니다.
하지만 실제로는
사용자가 무엇을 입력하는가
어떤 순서로 진행하는가
어떤 결과를 보여주는가
다음 행동을 어떻게 유도하는가
가 훨씬 중요한 요소라는 것을 느꼈습니다.
특히 Lovable 기반 서비스들을 보면서 다음과 같은 생각을 하게 되었습니다.
AI 기술력 자체보다 사용자가 자연스럽게 따라오도록 만드는 경험 설계가 더 중요할 수 있다.
또 하나의 수확은 제 관심사가 무엇인지 조금 더 명확해졌다는 점입니다.
투자 자동화 스터디에 참여했지만 제가 진짜 흥미를 느낀 것은 투자 전략이 아니라 "사람이 생각하지 않고도 다음 행동을 하게 만드는 에이전트 시스템"이었습니다.
앞으로 해보고 싶은 것
이번 경험을 바탕으로 다음과 같은 에이전트 프로젝트를 직접 설계해 보고 싶습니다.
투자 스터디에 참여했지만, 결과적으로는 에이전트 서비스 설계에 대한 새로운 관심사를 발견한 시간이었습니다.
앞으로는 단순히 AI를 사용하는 것을 넘어, 사람들이 자연스럽게 목표에 도달할 수 있는 워크플로우를 설계하는 방향으로 더 깊게 탐구해 보고 싶습니다.
도움 받은 글
Investment Agent 스터디 자료
Lovable 기반 에이전트 서비스 사례
OpenAI Agents SDK 관련 자료
LangGraph 관련 자료
