인공지능(AI)의 활용이 금융시장에서 급증함에 따라, 이러한 기술이 금융회사의 거래 및 신용 판단에 미치는 영향이 주목받고 있다. 특히, 여러 기관의 AI 모델이 동일한 신호에 동시에 반응하는 구조적 특성이 금융시장에서 동시 매도 위험을 증가시킬 수 있다는 점이 새로운 쟁점으로 대두되고 있다. 국제통화기금(IMF)은 7월 23일 블로그를 통해 AI가 금융회사의 위험 가격 산정, 신용 배분 및 스트레스 대응 방식에 통합되고 있다고 언급했다.

AI 기반의 거래 시스템은 정상적인 시장 상황에서 유동성을 증가시키고 거래 비용을 절감해 가격 발견 과정을 더욱 신속하게 만들 수 있다. 또한, 신용시장 내에서는 AI가 사기 탐지 및 위험 평가를 위한 도구로 활용되고 있어, 금융회사는 방대한 데이터를 보다 효율적으로 처리함으로써 대출 위험을 분석할 수 있다. 시장 참여자들은 실적 발표, 경제 뉴스 등 비정형 정보를 거래 신호로 전환하는 데 AI를 활용하게 된다.

그러나 이러한 AI의 활발한 활용은 시장의 변동성이 커질 수 있는 위험을 동반한다. IMF는 일부 AI 기반 자산운용 펀드가 전통적인 투자 전략에 비해 포트폴리오 조정 속도가 빠르며, 여러 모델이 비슷한 신호에 동시 반응함에 따라 가격 변동이 증폭될 수 있다고 분석했다. 이러한 군집 행동은 금융시장에서는 새로운 현상으로 보지 않지만, AI의 하이라이트는 그 의사결정 속도 및 폭넓은 적용 범위에 있다.

즉, 동일한 거시경제적 충격이 여러 AI 모델의 위험 신호를 활성화하여 매도 및 신용 축소가 동시에 발생할 가능성이 있다. 결과적으로 자산 가격 하락과 유동성 문제가 겹쳐지면, 이는 다시 한 번 AI 모델의 위험 신호를 더욱 강화하는 악순환을 형성할 수 있다. IMF의 2024년 글로벌 금융안정보고서 역시 이러한 문제를 지적하며, AI는 자본시장의 효율성을 제고하지만, 스트레스 상황에서는 동시 반응이나 작동 중지로 인해 시장의 변동성과 속도가 커질 수 있다고 경고했다.

실제로 AI 기반의 상장지수펀드(ETF)는 그 규모는 작지만 일반 ETF보다 회전율이 높아지는 특성을 보인다. 2020년 3월의 시장 혼란기 중에는 특정 AI 기반 ETF의 회전율이 급증한 경우도 있다. 반면, AI 모델이 왜 특정 결정을 내렸는지를 명확히 설명하지 못하는 경우, 금융감독 기관과 중앙은행은 위험 요소를 조기에 파악하는 데 어려움을 겪게 된다.

더욱이 헤지펀드와 같은 비은행 금융기관들의 AI 활용이 증가하는 만큼, 금융시장에 대한 감독이 더욱 복잡해질 수 있다. 이러한 비은행 부문은 공개 정보가 적고, 전략 변화가 빠르기에 AI 모델 의존도와 거래 집중도를 파악하기 어려워진다. 이와 같은 상황에서 핵심이 되는 것은 바로 속도이다. 생성형 AI는 실적 발표나 경제적 공시 등의 비정형 정보를 신속하게 읽고, 이를 거래 신호로 전환할 수 있는 능력을 가진다. IMF는 2017년 이후 대형언어모델(LLM)의 등장 이후, 미국 연방준비제도의 의사록 공개 직후 주가 움직임이 15초 동안 15분 뒤의 흐름과 일관된 것으로 보임을 지적했다.

한국 시장에서도 이 논의는 AI 인프라 투자와 연계하여 깊이 있게 다루어져야 한다. AI가 금융 분야의 효율성을 높일 수 있다는 점은 부인할 수 없지만, 이러한 기술이 시장의 동조화를 촉진할 수 있는 위험 역시 존재한다. 현재 국내에서도 AI 예산, 데이터센터 구축, AI 칩 생태계와 관련된 논의가 지속되고 있는 가운데, 금융권의 모델 의존도와 외부 기술 공급자에 대한 집중도 역시 별도로 점검해야 하는 과제가 남아 있다. IMF는 중앙은행과 금융감독기관이 AI 기반 거래와 대출, 감독 방법론에 대한 관리 체계를 강화해야 하며, AI 사용 현황, 모델 의존도 및 자산 간 상관 위험을 보다 정확히 이해하고, 국제적인 운영 복원력 및 사이버 방어 협력을 확대할 필요가 있음을 강조하였다.