개인투자자를 위한 투자 AI 에이전트 MVP 구현기

당신이 기관투자자가 아닌 개인투자자라면 일단 불리한 환경에서 시작할 수밖에 없다.

정보의 격차가 없는 동등한 조건이라면 개인투자자도 더 좋은 투자가 가능하다.

시작하며

처음 만들고 싶었던 것은 투자 성향 테스트가 아니었다.

내가 최종적으로 만들고 싶었던 서비스는 개인투자자의 투자 성향과 투자 원칙 그리고 보유 종목을 이해하고 리서치와 반복적인 종목 관리를 도와주는 초개인화 투자 AI 에이전트였다. 이 아이디어는 내가 직접 미국 주식에 투자하고 종목을 리서치하면서 느낀 문제에서 시작됐다.

나는 개인투자자에게 필요한 것을 크게 3가지로 생각했다.

정보
→ 정보의 정리
→ 판단

투자자는 먼저 기업과 산업에 대한 정보를 찾아야 한다. 그다음 흩어진 자료를 하나의 투자 논리로 정리하고 마지막으로 자신의 기준에 따라 매수와 매도 그리고 비중을 판단해야 한다.

판단 기준은 투자자마다 다를 수 있다. 성장성을 중요하게 보는 사람이 있는 반면 가격과 안전마진을 먼저 보는 사람도 있다.

하지만 그 이전 단계인 정보에 접근하고 정리하는 일은 개인투자자에게 결코 쉽지 않다.

특히 미국 주식에 투자하면 영문 공시와 실적 발표, 재무제표와 현금흐름을 직접 확인해야 한다. 환율과 금리 그리고 산업 변화와 경쟁사 정보도 여러 곳에 흩어져 있다. 기관투자자는 분석 인력과 유료 데이터 그리고 반복적인 리서치 체계를 갖추고 있지만 개인투자자는 대부분 혼자서 이 과정을 처리해야 한다.

문제는 종목을 매수한 이후에 더 커진다.

관심이 생겼을 때는 열심히 찾아보지만 매수 이후에는 기업을 방치하는 경우가 많다. 실적이 발표돼도 무엇이 달라졌는지 확인하지 못하고 주가가 크게 움직였을 때만 다시 종목을 들여다보기도 한다. 비중을 늘려야 할지 줄여야 할지, 처음 세운 투자 논리가 유지되고 있는지, 새로운 정보가 기존 판단을 바꿀 정도로 중요한지 정리하기도 어렵다.

그래서 내가 만들고 싶었던 것은 종목을 대신 추천하는 AI가 아니었다. 사용자에게 필요한 정보를 찾고 흩어진 자료를 투자 기준에 맞춰 정리하며 매수 이후에도 같은 원칙으로 종목을 반복 점검할 수 있도록 돕는 도구였다.

개인투자자에게 필요한 것은 더 많은 종목 추천이 아니라 정보를 찾고 정리하고 판단하는 과정을 지속할 수 있는 구조라고 생각했다.

다만 이런 초개인화 투자 AI 에이전트를 만들려면 먼저 사용자를 이해해야 했다. 사용자가 어떤 투자 대가의 철학을 참고하는지, 성장성과 가격 중 무엇을 먼저 보는지, 주가가 하락했을 때 어떤 정보를 확인하는지를 알아야 했다.

그래서 제주 바이브코딩 캠프에서는 완성형 AI 투자 에이전트를 바로 만드는 대신 사용자의 투자 성향과 투자 철학을 파악하는 가장 앞단의 경험만 떼어내 MVP로 구현하기로 했다.

완성형 AI 투자 에이전트를 바로 만드는 대신 사용자의 투자 성향을 재미있게 파악하는 첫 번째 경험부터 만들었다. 그렇게 만들어진 프로젝트가 투자 DNA 테스트다.

개인투자자의 문제를 어떻게 정의했나

처음에는 개인투자자의 가장 큰 문제를 정보 부족이라고 생각했다. 하지만 직접 주식 리서치를 반복하면서 문제는 단순한 정보 부족이 아니라는 것을 알게 됐다.

미국 기업 하나를 검토하려면 사업 구조와 매출 성장, 현금흐름과 부채, 주식 수 변화와 실적 발표까지 여러 자료를 확인해야 한다. 산업 성장성과 경쟁사 그리고 현재 밸류에이션까지 보려면 서로 다른 사이트와 문서를 계속 오가야 한다.

하지만 정보를 많이 모았다고 좋은 판단으로 바로 이어지는 것은 아니다. 어떤 정보가 핵심이고 어떤 정보가 단기적인 소음인지 구분해야 하며 서로 반대되는 자료가 있을 때 무엇을 더 중요하게 볼지도 정해야 한다.

개인투자자의 문제는 정보가 없다는 것이 아니라 정보가 흩어져 있고 그것을 자신의 기준으로 정리하기 어렵다는 점에 더 가까웠다.

대부분의 투자 서비스는 매수 전 종목 탐색에 집중돼 있다. 하지만 실제 투자에서는 매수 이후 관리가 더 중요할 수 있다.

• 처음 세운 투자 논리가 유지되고 있는가
• 기업의 성장률과 수익성이 달라졌는가
• 부채와 현금흐름의 위험이 커졌는가
• 주가 하락이 기업의 문제인지 시장의 문제인지
• 비중을 더 늘릴 근거가 있는가
• 비중을 줄여야 할 위험이 생겼는가

개인투자자는 이런 질문을 정기적으로 반복하기 어렵다. 처음에는 확신을 갖고 매수했지만 시간이 지나면 왜 샀는지조차 흐려질 수 있다. 주가가 오르거나 떨어질 때마다 판단 기준도 함께 흔들릴 수 있다.

내가 생각한 투자 AI 에이전트는 이 과정을 보조해야 했다.

왜 초개인화가 필요했나

정보를 대신 정리해주는 것만으로는 충분하지 않았다. 같은 기업을 보더라도 투자자마다 중요하게 보는 기준이 다르기 때문이다.

예를 들어 고성장 기업을 검토할 때 피터 린치형 투자자는 매출 성장과 시장 확장성을 먼저 볼 수 있다. 워런 버핏형 투자자는 장기 경쟁우위와 자본 효율성을 더 중요하게 볼 수 있다.

벤저민 그레이엄형 투자자는 현재 가격과 안전마진을 우선할 수 있고 하워드 막스형 투자자는 시장의 기대와 위험 그리고 사이클을 먼저 확인할 수 있다.

같은 정보라도 투자 철학에 따라 질문의 순서와 중요도가 달라진다.

그래서 초개인화는 사용자의 이름과 보유 종목을 저장하는 기능만을 의미하지 않는다고 생각했다. 사용자가 어떤 정보를 신뢰하는지, 어떤 위험에 민감한지, 어떤 투자 철학을 참고하는지, 어떤 상황에서 판단이 흔들리는지를 이해해야 했다.

개인화는 더 많은 정보를 제공하는 것이 아니라 같은 정보에서도 사용자에게 중요한 질문을 먼저 보여주는 것이다.

투자 DNA 테스트는 이 개인화 구조의 가장 앞단을 단순하게 구현한 형태였다. 사용자의 답변을 통해 가장 가까운 투자 철학을 보여주고 해당 철학에서 관심 종목을 검토할 때 어떤 질문을 던질 수 있는지를 연결했다.

왜 투자 DNA 테스트 MVP로 줄였나

처음 생각한 투자 AI 에이전트의 범위는 매우 컸다.

실시간 주가 데이터
SEC 공시와 재무 데이터
환율과 금리
사용자 투자 원칙 저장
보유 종목 관리
매수 논리 기록
실적 변화 추적
비중 확대와 축소 전 검토
AI 질의응답
투자 철학별 리서치
개인화 리포트
리스크 변화 알림

이 기능을 모두 구현해야 매수 전 리서치부터 매수 이후 관리까지 이어지는 완성형 에이전트가 될 수 있었다. 하지만 제주 바이브코딩 캠프 안에서 모든 기능을 구현하는 것은 현실적이지 않았다. 무리하게 범위를 넓히면 각 기능이 제대로 작동하지 않는 화면만 남을 가능성이 컸다.

그래서 완성형 서비스의 흐름을 먼저 나눠봤다.

1. 사용자의 투자 성향과 철학을 파악한다
2. 중요하게 보는 판단 기준을 정리한다
3. 관심 종목을 해당 기준으로 리서치한다
4. 매수 이유와 투자 논리를 저장한다
5. 매수 이후 정보 변화를 반복적으로 점검한다
6. 비중 확대와 축소 전에 기존 논리를 다시 확인한다

이 중 가장 먼저 구현할 수 있는 것은 사용자의 투자 성향과 철학을 파악하는 일이었다. 사용자를 이해하지 못한 상태에서는 아무리 많은 정보를 연결해도 초개인화된 리서치를 제공하기 어렵다고 생각했다.

그래서 투자 대가 매칭을 중심으로 첫 번째 경험을 만들었다.

8개의 상황형 질문
→ 투자 성향 점수 계산
→ 가장 가까운 투자 대가 매칭
→ 투자 스타일과 강점 그리고 주의점 확인
→ 관심 종목 입력
→ 해당 투자 철학의 리서치 질문 확인

투자 DNA 테스트는 완성형 AI 투자 에이전트의 축소판이 아니라 사용자를 이해하기 위한 첫 번째 단계만 분리한 MVP였다.

필요한 서비스만으로는 부족하다고 생각했다

처음에는 개인투자자에게 필요한 기능을 중심으로 서비스를 생각했다. 공시를 요약하고 재무를 분석하며 보유 종목의 변화를 알려준다면 분명 유용할 수 있다.

하지만 최근에는 필요하다는 이유만으로 사람들이 서비스를 사용하지는 않는다고 생각한다.

사용자는 서비스의 가치를 이해하기 전에 먼저 들어와야 한다. 들어온 뒤에는 다음 단계로 넘어가야 하고 마지막까지 경험해야 한다. 아무리 필요한 기능이 있어도 첫 화면이 어렵고 재미가 없다면 핵심 기능까지 도달하지 못한다.

특히 투자 서비스는 이미 딱딱한 차트와 숫자 그리고 비슷한 분석 화면이 많다. 그래서 이번 MVP에서는 기능적 필요성만큼 다음 요소를 중요하게 봤다.

• 내가 어떤 투자자인지 궁금하게 만드는 질문
• 익숙한 투자 대가와 나를 비교하는 재미
• 결과를 기다리게 만드는 로딩 화면
• 캡처하고 싶은 캐릭터와 결과 문구
• 다른 사람과 결과를 비교하고 싶은 구조
• 관심 종목 입력으로 자연스럽게 이어지는 흐름

이번 프로젝트에서 실제 바이럴 테스트를 진행한 것은 아니다. 다만 앞으로 서비스를 기획할 때 필요성뿐 아니라 재미와 공유 가능성까지 처음부터 제품 구조에 포함해야 한다는 생각을 반영했다.

아이디어가 투자 DNA 테스트로 변한 과정

초기 아이디어는 여러 번 바뀌었다.

개인투자자용 AI 리서치 도구
→ 투자 대가와 대화하는 AI 투자 코치
→ 사용자의 성향을 이해하는 개인화 AI 투자 에이전트
→ 투자 철학과 재미를 결합한 투자 DNA 테스트 MVP

처음에는 피터 린치와 워런 버핏 그리고 찰리 멍거 같은 투자 대가와 대화하는 AI 서비스를 생각했다. 하지만 투자 대가의 말투를 흉내 내는 것만으로는 일반적인 LLM과 차별점이 크지 않았다. 사용자가 직접 AI에게 특정 투자 대가의 관점으로 기업을 분석해달라고 요청해도 비슷한 경험을 만들 수 있기 때문이다.

그래서 투자 대가를 챗봇 캐릭터가 아니라 투자 철학을 구분하는 기준으로 사용하기로 했다.

먼저 사용자의 행동과 판단 기준을 질문으로 파악하고 가장 가까운 투자 철학을 매칭한다. 이후 관심 종목을 입력하면 해당 철학에서 중요하게 볼 리서치 질문을 보여주는 구조로 바꿨다.

완성형 AI 분석은 없었지만 향후 개인화 구조가 어떻게 시작될 수 있는지를 화면 흐름으로 구현할 수 있었다.

누구를 위한 서비스로 잡았나

주요 사용자는 미국 개별주 투자에 관심 있는 30대 직장인 개인투자자로 설정했다. 이 사용자는 투자에 관심이 없는 사람이 아니다. ETF만으로는 원하는 수준의 자산 성장이 어렵다고 느끼고 개별 성장주와 새로운 산업에도 관심이 있다.

문제는 관심보다 시간이 부족하다는 점이다.

평일에는 업무를 해야 하고 퇴근 후에는 휴식과 자기계발 그리고 인간관계도 필요하다. 주말 내내 기업 공시와 실적 자료만 읽기도 어렵다.

이 사용자에게 필요한 것은 "지금 이 종목을 사라"는 추천이 아니다. 자신의 투자 성향을 이해하고 제한된 시간 안에서도 중요한 질문을 놓치지 않도록 돕는 리서치 구조라고 생각했다.

투자를 하지 않는 사람이 아니라 관심은 있지만 충분히 조사할 시간이 없는 사람을 위한 서비스

투자 대가 8명과 질문 구조를 설계하다

MVP에는 총 8명의 투자 대가 유형을 넣었다.

이 유형은 실제 투자 대가의 전체 철학을 완벽하게 재현하기 위한 분류는 아니었다. 사용자가 서로 다른 투자 관점을 쉽게 이해할 수 있도록 각 인물의 대표적인 특징을 단순화한 MVP용 유형이었다.

질문은 총 8개로 구성했다. 초기에는 투자 기간과 위험 허용도 그리고 중요 지표를 묻는 전형적인 투자 성향 설문에 가까웠다.

하지만 메인 화면에서 만든 재미가 질문 페이지에서 끊겼고 사용자의 실제 행동도 잘 드러나지 않았다. 그래서 질문을 투자자가 한 번쯤 겪어봤을 상황으로 바꿨다.

• 친구가 갑자기 어떤 주식을 강하게 추천했을 때
• 내가 산 주식이 한 달 만에 크게 올랐을 때
• 주변에서 같은 종목 이야기를 반복해서 들을 때
• 실적 발표 직후 주가가 크게 하락했을 때
• 좋은 기업이지만 가격이 비싸 보일 때
• 보유 종목의 투자 논리가 흔들리기 시작했을 때

질문은 정답을 맞히는 시험이 아니라 사용자가 자신의 투자 습관을 들킨 것처럼 느끼게 만드는 방향으로 작성했다.

각 선택지에는 메인 투자 대가 점수와 보조 투자 대가 점수를 배정했다.

메인 성향 점수: 2점
보조 성향 점수: 1점
동점 발생: 일부 핵심 문항의 우선순위 반영

특정 투자 대가로 결과가 과도하게 몰리지 않도록 8개 유형의 점수 기회를 분산했다.

GPT Image로 투자 대가 캐릭터를 만들다

투자 DNA 테스트의 재미와 시각적 몰입을 높이기 위해 투자 대가 8명을 캐릭터 형태로 제작했다. 각 캐릭터는 한 가지 표정만 사용하지 않고 3가지 감정 방향으로 만들었다.

처음 생성한 이미지에서는 캐릭터들의 눈과 얼굴 그리고 전체 그림체가 지나치게 비슷했다. 인물은 8명이지만 모두 같은 사람이 옷과 배경만 바꾼 것처럼 보였다.

이를 수정하기 위해 얼굴형과 헤어스타일, 안경과 의상, 포즈와 배경 색상을 유형별로 구분했다. 캐릭터는 메인 페이지와 로딩 화면, 결과 페이지와 보조 성향 카드 그리고 말풍선 조언에 활용했다.

캐릭터 이미지는 단순한 장식이 아니었다. 사용자가 긴 설명을 읽기 전에 결과의 성격을 직관적으로 이해하게 만들고 테스트 결과를 더 기억하기 쉽게 만드는 UI 요소였다.

모바일에서 끝까지 진행하는 흐름을 만들다

이번 MVP는 PC에서 장시간 기업을 분석하는 도구가 아니었다. 짧은 링크를 통해 들어온 사용자가 모바일에서 테스트를 시작하고 결과를 확인하는 경험을 목표로 했다.

그래서 화면은 모바일 360px~430px를 기준으로 설계했다. 데스크톱에서도 모바일 폭의 컨테이너가 중앙에 노출되도록 만들었고 별도의 와이드 PC 화면은 구현하지 않았다.

전체 사용자 흐름은 다음과 같았다.

메인 페이지
→ 시작 로딩
→ 8문항 투자 성향 테스트
→ 투자 대가 매칭 로딩
→ 결과 페이지
→ 관심 종목 입력
→ 투자 대가 관점의 미니 리서치 질문
→ 프로젝트 종료

실제 베타 신청이나 결제 기능은 구현하지 않았다. 관심 종목 입력 이후의 화면도 실제 AI 리서치 결과가 아니라 해당 투자 대가 유형이 기업을 검토할 때 물어볼 수 있는 고정 질문을 보여주는 형태였다.

이번 프로젝트에서 중요한 것은 실제 금융 분석 기능이 아니었다. 사용자가 처음 들어와 테스트를 진행하고 결과를 확인한 뒤 관심 종목 입력까지 자연스럽게 이동하는 하나의 완성된 사용자 흐름을 만드는 것이었다.

PRD와 명세서를 먼저 작성하다

Claude Code에 바로 구현을 맡기기 전에 여러 개의 Markdown 문서를 먼저 작성했다.

MVP 요구사항명세서
모바일 디자인 가이드
페이지와 URL 구조
투자 대가 데이터 구조
질문과 점수 계산 규칙
Claude Code 실행 지시서
질문지 수정 지시서
로딩 화면 수정 지시서
결과 페이지 리디자인 지시서
종목 입력 화면 수정 지시서

처음부터 완벽한 명세서 하나를 만들지는 못했다. 기본 화면을 구현하고 실제로 확인한 뒤 문제를 발견할 때마다 수정 지시서를 별도로 추가했다.

문서가 많아지는 단점은 있었지만 수정 범위를 명확하게 전달하는 데 도움이 됐다.

후반부에는 Claude Code에 요청할 때 아래 항목을 반드시 포함하려고 했다.

현재 문제
수정할 파일
변경할 요소
유지해야 할 요소
절대 변경하면 안 되는 로직
목표로 하는 UI
작업 후 확인할 항목

AI 코딩에서는 긴 프롬프트보다 수정 범위와 유지해야 할 기준을 명확하게 나누는 일이 더 중요했다.

Claude Code로 실제 화면을 구현하다

프로젝트는 캠프에서 제공된 Django 기반 환경 안에서 구현했다. 다만 이번 MVP에서 별도의 백엔드 기능과 데이터베이스 그리고 사용자 계정 구조는 만들지 않았다. 서버에서 실제 AI 분석을 수행하거나 테스트 결과를 장기 저장하는 기능도 없었다.

핵심은 정적인 투자 대가 데이터와 질문 그리고 점수 계산 로직을 바탕으로 사용자가 화면을 끝까지 진행할 수 있게 만드는 것이었다.

주요 구현 요소

사용한 기술과 도구

Django를 사용했지만 이번 프로젝트를 백엔드 서비스 구현으로 설명하는 것은 정확하지 않다. 이번 프로젝트에서 Django는 화면을 구성하고 페이지를 연결하기 위한 기본 프레임워크에 가까웠다.

아이디어와 기획 시간을 제외하면 실제 화면 구현부터 반복 수정과 배포까지 약 10시간~12시간 정도가 걸렸다.

가장 많이 수정한 질문과 결과 페이지

구현 후 가장 많이 수정한 부분은 질문 페이지와 결과 페이지였다. 질문 페이지의 초기 버전은 너무 진지했다. 투자 기간과 지표 선호도를 묻는 문장이 많았고 메인 페이지의 캐릭터와 재미있는 분위기가 질문 화면에 들어가자 사라졌다.

그래서 투자자가 실제로 겪는 감정과 행동을 중심으로 질문을 다시 작성했다.

결과 페이지에서는 시각적 위계가 가장 큰 문제였다.

한때 투자 성향을 그래프로 보여주는 DNA 분포 차트도 추가했다. 하지만 메인 투자 대가와 보조 성향 그리고 강점과 주의점까지 함께 노출되면서 결과 화면이 지나치게 복잡해졌다.

사용자가 가장 먼저 알아야 하는 결과를 정하고 나머지는 과감히 빼는 편이 더 중요했다.

GitHub와 Render로 실제 배포하다

로컬에서 화면 흐름을 구현한 뒤 GitHub 저장소에 코드를 올리고 Render를 통해 배포했다.

로컬 구현과 확인
→ git status
→ git add .
→ git commit
→ git push origin main
→ Render 자동 배포
→ 공개 URL에서 모바일 흐름 확인

최종 공개 주소는 다음과 같다.

https://sagye-project-invest.onrender.com/

배포한 뒤에는 로컬에서 보지 못했던 문제를 다시 확인했다.

• 모바일 화면에서 긴 문장이 깨지는 문제
• 이미지가 늦게 노출되는 문제
• 일부 화면의 세로 여백
• 버튼 영역의 크기
• 페이지 전환 흐름
• 실제 공개 주소에서의 정적 파일 노출

수정한 내용은 다시 GitHub에 푸시하고 Render에서 재배포했다. 이번 프로젝트에서 중요했던 것은 로컬 화면을 만드는 데서 끝내지 않고 공개 주소로 배포한 뒤 실제 환경에서 다시 확인하는 일이었다.

현재 MVP의 한계와 다음 방향

이번 MVP는 완성된 투자 AI 에이전트가 아니다. 현재 구현하지 않은 기능은 명확하다.

실시간 주가 데이터
실제 SEC 공시 연동
재무 데이터 분석
환율과 금리 분석
AI가 생성하는 리서치 답변
회원가입과 로그인
사용자 투자 원칙 저장
보유 종목 관리
반복 리포트
리스크 변화 알림
음성 대화
결제

관심 종목을 입력한 뒤 표시되는 리서치 질문도 실제 기업 데이터를 분석해 생성한 결과가 아니다. 각 투자 대가 유형별로 미리 작성한 고정 템플릿을 보여주는 방식이다.

하지만 이번 프로젝트의 목표에서는 이 정도가 맞았다. 백엔드와 실제 AI 분석 기능을 억지로 추가하기보다 투자 DNA 테스트라는 하나의 콘셉트를 기획하고, 모바일 화면으로 구현하고, 공개 주소로 배포하는 데 집중했다.

향후 실제 초개인화 투자 AI 에이전트로 확장한다면 사용자의 투자 성향을 단순 유형 하나로만 나누지 않아야 한다.

사용자가 자신의 투자 성향을 파악하는 경험을 재미있게 느끼는지, 결과를 다른 사람과 비교하고 싶은지, 자신의 종목을 같은 투자 철학으로 계속 점검하고 싶은지가 이후 확장의 중요한 기준이 될 수 있다.

마무리하며

이번 프로젝트에서 가장 중요했던 것은 기능의 수가 아니었다. 초개인화 투자 AI 에이전트라는 큰 아이디어를 투자 DNA 테스트라는 작은 경험으로 줄이고 실제 화면으로 구현한 뒤 공개 주소로 배포했다는 점이었다.

완성형 서비스의 핵심 기능을 구현한 것은 아니다. 실제 AI 분석도 없었고 백엔드 데이터 구조도 만들지 않았다. 실제 베타 테스트나 결제를 받을 계획으로 만든 프로젝트도 아니었다.

대신 다음 과정을 끝까지 경험했다.

문제 정의
→ 아이디어 축소
→ 콘셉트 설계
→ 투자 대가와 질문 구조 작성
→ 캐릭터 제작
→ 모바일 UI 구현
→ 반복 수정
→ GitHub 저장
→ Render 배포
→ 공개 화면 검수

그리고 서비스를 만들 때 필요한 기능만 생각해서는 부족하다는 점도 확인했다. 사람들이 처음 들어오고, 결과를 궁금해하며, 끝까지 진행하고, 다른 사람에게 공유하고 싶게 만드는 재미와 바이럴 구조도 제품의 일부였다.

필요한 서비스에서 끝나지 않고 재미가 있고 공유하고 싶은 서비스를 만들어야 한다.

투자 DNA 테스트는 완성된 투자 AI 에이전트가 아니다. 하지만 사용자의 투자 철학을 먼저 이해해야 진짜 개인화가 시작될 수 있다는 생각을 화면으로 옮긴 첫 번째 MVP였다.

큰 아이디어를 완성하지는 못했지만 그 아이디어가 실제 서비스가 되는 첫 번째 흐름은 끝까지 만들었다.