웰스의 에이전틱 플랫폼은 어떻게 작동하는가: 지성, 에이전트, 흐름

"에이전틱 플랫폼"은 금융 부문 기술 프레젠테이션에 점점 더 자주 등장하는 용어입니다. 채택 속도를 얻는 모든 용어처럼, 그 길에서 정확성을 잃을 위험이 있습니다. 이 에세이는 피치의 반대입니다 — 아키텍처를 평가할 사람을 위해, 카테고리가 존재한다는 것을 설득해야 할 사람을 위해서가 아니라, 웰스 매니지먼트를 위한 에이전틱 플랫폼이 어떻게 작동하는지에 대한 기술적이고 기능적인 설명입니다.

구조는 3개의 레이어를 가집니다: 지성(지속적 기억 그래프), 에이전트(조율된 자율 작업력), 흐름(양 끝점 간 상업적 사이클). 마지막에는 실제 사례를 거칩니다 — 14:23에 도착하는 WhatsApp 메시지와 다음 60초 동안 일어나는 일.

지성 — 지속적 기억 그래프

웰스 매니지먼트를 위한 효과적인 에이전틱 플랫폼의 출발점은 근본 문제의 해결입니다: 에이전트가 잘 행동하려면 맥락이 필요합니다. 맥락 없이는 에이전트가 일반 모델만큼만 유용합니다 — 그리고 일반 모델은 귀하의 고객이 누구인지 모릅니다.

지성은 지속적 지식 그래프입니다 — 개체(고객, 가족, 지주회사, 자산, 담당 뱅커, 사건)와 그 사이의 관계를 구조화된 방식으로 표현한 것. 평면적 관계형 데이터베이스가 아닙니다. 탐색 가능한 의미 네트워크입니다: 고객에서 포트폴리오로, 포트폴리오에서 자산으로, 자산에서 그것에 영향을 주는 시장 사건으로, 사건에서 기록된 상호작용으로, 상호작용에서 포착된 감정적·전략적 맥락으로.

그래프가 담는 것

• 01 고객 프로필 — 등록 데이터, 세분도가 있는 적합성 분류(단지 "보수적"이 아니라 그 고객에게 그것이 무엇을 의미하는지: 어떤 자산을 수용하는지, 어떤 자산을 거부하는지, 시간 지평은 무엇인지, 리스크의 감정적 맥락은 무엇인지).
• 02 지주와 포지션 — 완전한 자산 구조: 수탁 자산, 회사 지분, 지주회사, 오프쇼어, 관련된 경우 부동산, 커스터디 피드를 통한 업데이트와 함께.
• 03 상호작용 이력 — "통화 — OK"가 아니라 모든 관련 대화의 구조화된 내용: 논의된 주제, 표현된 우려, 약속된 사항, 어조와 감정적 맥락.
• 04 가족 및 자산 네트워크 — 배우자, 자녀, 상속자, 파트너, 자산 관리와 적합성·컴플라이언스 결정에 영향을 주는 관계.
• 05 연결된 시장 사건 — 영향받는 포지션에 매핑되고 고객별 관련성이 계산된 뉴스와 사건. 그날의 500건의 뉴스가 아닙니다 — 이 특정 고객에게 중요한 3건.

그래프는 여러 소스에서 영양분을 공급받습니다: 커스터디 피드, 처리된 WhatsApp 전사, 뱅커의 회의 노트, 필터링된 뉴스 피드, 그리고 전문 에이전트가 예약한 보강. 모든 새 데이터는 타임스탬프, 출처, 맥락과 함께 삽입됩니다 — 시스템이 각 고객에 대해 아는 모든 것의 감사 가능한 타임라인을 만듭니다.

"지성은 검색이 있는 데이터베이스가 아닙니다. 15년 근속의 뱅커가 아는 것입니다 — 그러나 이직에 의한 손상 없이, 즉각적으로, 어떤 에이전트에게나 사용 가능합니다."

에이전트 — 조율된 작업력

두 번째 기둥은 에이전틱 작업력입니다 — 기억 그래프 위에서 작동하고 중앙 오케스트레이터가 조율하는 전문 에이전트의 집합. 각 에이전트는 명확히 정의된 책임 범위, 한정된 권한, 특정 운영 방식(능동적 또는 반응적, 예약된 또는 사건 기반)을 가집니다.

Concierge — 진입점

Concierge는 인테이크 에이전트입니다 — 외부 세계와 시스템 간의 접촉 지점. 모든 인바운드 메시지는 Concierge를 거칩니다: 고객의 WhatsApp, 이메일, 뱅커의 요청. Concierge는 의도를 식별하고, 긴급도를 분류하며, 권한 내에서 해결할 수 있는 것을 해결하고, 추가 처리가 필요한 것은 전문 에이전트에 전달합니다.

Oghma — 오케스트레이터

Oghma는 중앙 오케스트레이터입니다 — 복잡한 작업을 받아 전문 에이전트에 분산되는 하위 작업으로 분해하는 에이전트. 회의가 예정될 때, Oghma는 브리핑을 혼자 생성하지 않습니다 — 포트폴리오 에이전트에 포지션을 업데이트하도록 지시하고, 적합성 에이전트에 프로필을 검증하도록 지시하고, 뉴스 에이전트에 관련 사건을 필터링하도록 지시하고, 컴플라이언스 에이전트에 미결 사항을 확인하도록 지시합니다. 결과를 받아 최종 브리핑을 종합합니다.

Oghma는 진행 중인 각 작업의 상태를 유지하고, 하위 작업 간 의존성을 관리하며, 개별 에이전트의 실패가 최종 결과를 차단하지 않도록 보장합니다. LLM 중립입니다 — Anthropic Claude, OpenAI GPT, 오픈소스 모델, 또는 조합으로 작동하는 에이전트를 오케스트레이션할 수 있습니다.

전문 에이전트

• Investments Agent — 그래프에서 포지션에 접근하고, 익스포저를 계산하고, 집중을 식별하고, 벤치마크 및 고객의 투자 정책과 비교합니다. 일반적 서술이 아닌, 구조화된 포트폴리오 분석을 생성합니다.
• Suitability Agent — 제안된 의사소통, 제안된 배분, 또는 오퍼가 그 특정 고객에 대해 분류된 적합성 프로필 내에 있는지 검증합니다. 뱅커에 도달하기 전 불일치를 표시합니다.
• Compliance Agent — 기관의 컴플라이언스 책임자가 구성한 규칙을 모든 외부 의사소통에 적용합니다. Anbima, CVM 제한 및 내부 정책을 검증합니다. 모든 결정의 감사 추적을 생성합니다.
• Briefing Agent — 다른 에이전트의 모든 입력을 뱅커가 인식하고 사용하는 형식으로, 60초 미만에 읽을 수 있는 구조화된 문서로 종합합니다.
• News Agent — 뉴스 피드를 처리하고 각 고객의 포트폴리오와의 관련성으로 필터링합니다. "중요 뉴스"인 것을 보내지 않고 — 이 고객이 보유한 자산을 기반으로, 이 고객에게 중요한 것을 보냅니다.
• WhatsApp Analyst — 인바운드 WhatsApp 메시지를 처리합니다: 음성을 전사하고, 의도를 식별하고, 약속된 사항을 추출하고, 상호작용 내용으로 그래프를 업데이트하고, 뱅커 검토용 응답을 제안합니다.

"각 에이전트는 한정된 권한을 가집니다. 어떤 에이전트도 자신의 범위 밖의 결정을 내리지 않습니다. 뱅커는 외부 결과를 가진 모든 행동에 대해 승인 라인에 머뭅니다."

흐름 — 실제 사례

이론은 필요하지만 불충분합니다. 구체적 사례를 거칩니다: 14:23에 도착하는 WhatsApp 메시지. 고객은 Monteiro 씨, 프라이빗 뱅킹을 갖춘 은행에 자산이 운용되는 가문의 가장입니다. 메시지는 다음과 같습니다: "펀드에 무슨 일이 일어나고 있는지 이야기해야 합니다. 걱정됩니다."

14:23:01 — 메시지 수신

메시지는 WhatsApp Business API의 통합 채널로 들어옵니다. Concierge가 수신하고, 발신자를 (그래프에 매핑된 번호를 통해) Monteiro 씨로 식별하고, 의도를 "성과에 대한 우려 — 긴급 브리핑 요구"로 분류하고, 우선순위 높음으로 Oghma를 호출합니다.

14:23:04 — Oghma가 작업을 분해

Oghma가 그래프에서 Monteiro 씨의 맥락을 읽습니다: 적합성 프로필 중도-보수, 포트폴리오의 42%가 멀티마켓 펀드, 마지막 기록된 상호작용은 12일 전. 병렬 하위 작업으로 분해합니다: (1) Investments Agent: 지난 30일 포트폴리오의 펀드 성과; (2) News Agent: Monteiro 씨의 포트폴리오와 관련된 시장 사건; (3) WhatsApp Analyst: 성과 주제에 대한 이전 상호작용 이력.

14:23:08 — 에이전트가 병렬로 작동

Investments Agent가 그래프에서 포지션을 가져와 계산합니다: Monteiro 씨의 포트폴리오에서 참조 펀드가 월간 3.2% 하락, 벤치마크 −1.8% 대비. News Agent는 지난 48시간 동안 펀드의 익스포저 부문에 대한 두 개의 관련 기사가 발표되었음을 식별합니다. WhatsApp Analyst는 이력에서 3월에 Monteiro 씨가 월간 2%를 초과하는 변동성에 대한 불편을 표명했고, 현재 뱅커가 펀드가 이 수준을 초과하면 전화하기로 약속했음을 발견합니다.

14:23:19 — 종합과 응답 제안

Oghma는 3개 에이전트의 결과를 받고, Suitability Agent를 호출하여 "맥락 + 통화 제안" 응답이 범위 내에 있음을 확인하고, Compliance Agent를 호출하여 제안된 응답의 어떤 정보도 의사소통 정책을 위반하지 않음을 검증합니다. 둘의 승인으로, Briefing Agent가 Monteiro 씨를 위한 응답 메시지와 담당 뱅커를 위한 내부 메모를 종합합니다.

14:23:41 — 뱅커가 패키지를 수신

뱅커가 패널에 받습니다: (1) 오늘 메시지로 업데이트된 Monteiro 씨의 완전한 맥락; (2) 시장 맥락과 함께 펀드 성과 분석; (3) 지키지 못한 3월의 약속 — 변동성이 2%를 초과했을 때 뱅커가 전화해야 했음; (4) 승인을 기다리는 WhatsApp 응답 초안; (5) 다음 30분 내 통화 예약 제안.

뱅커는 클릭 한 번으로 메시지를 승인하고, 두 단어를 조정하며, 응답이 발송됩니다. 상호작용은 그래프에 기록됩니다. 3월의 약속은 "보류 — 통화 예약으로 해결"로 업데이트됩니다. 이 모든 것이 14:23과 14:24 사이에.

보안, 격리, 배포 — 기술적 구매자를 위해

이 지점에서 모든 은행이나 자산 운용사의 CIO와 CTO가 묻는 질문은 예측 가능하며 — 정당합니다. 직접 답합니다:

멀티 테넌트 격리

각 테넌트(각 은행, 각 부서, 각 부문)는 완전히 격리된 그래프로 운영됩니다. 테넌트 간 데이터 공유는 없습니다. 동일 기관에 프라이빗 뱅킹과 자산운용을 가진 은행은 영역 간 데이터 교차 없이 별도의 컴플라이언스 정책을 가진 분리된 테넌트를 구성할 수 있습니다.

온프레미스 배포

플랫폼은 기관의 VPS 또는 데이터 센터에서 작동합니다. Coolify, Kubernetes, 또는 전통적 VM — 선택은 기관의 것입니다. 고객 데이터는 결코 제3자 서버로 나가지 않습니다. 에이전트가 사용하는 LLM은 자체 호스팅(오픈소스 모델)이거나, 데이터가 학습에 사용되지 않음을 보장하는 엔터프라이즈 계약을 통한 API일 수 있습니다. 기관이 선택하며 — 데이터가 어디에 있는지에 대한 완전한 감사 가능성을 유지합니다.

감사 추적

모든 에이전트 행동이 기록됩니다: 어떤 에이전트가, 어떤 입력으로, 어떤 출력으로, 어떤 타임스탬프에, 어떤 결과로 실행했는지. CVM, Anbima, 내부 컴플라이언스 감독을 위해, 감사 추적은 완전하고 불변입니다. 고객 의사소통을 생성하는 에이전트 결정은 그 결정으로 이끈 완전한 맥락과 함께 기록됩니다.

LLM 중립

어떤 에이전트도 특정 언어 모델 공급자와 결합되어 있지 않습니다. 기관은 오케스트레이터를 위해 Anthropic Claude를 사용하고 컴플라이언스 에이전트를 위해 자체 호스팅 오픈소스 모델을 사용할 수 있습니다 — 또는 다른 조합. 이는 특정 클라우드 공급자 사용에 대한 규제 제약이 있거나 중기 데이터 주권 로드맵을 가진 기관에 특히 관련됩니다.

"마법이 아닙니다. 아키텍처입니다. 그리고 그 아키텍처는 귀 기관의 VPS에서, 귀 기관의 데이터로, 귀 기관의 정책 하에 작동합니다."