ChatGPT에게 종목을 물으면 왜 항상 '양다리' 답이 돌아올까? 오픈소스 프로젝트 'AI 버크셔'는 버핏·멍거·돤융핑·리루 4대 거장을 18개의 구조화된 프롬프트로 부활시켜, 서로를 공격하게 만든다. 강제 결론, 반편향 엔진, LLM 암산 금지, 거울 테스트 — 투자를 넘어 모든 고위험 의사결정에 쓸 수 있는 프롬프트 설계의 마스터클래스를, 실제 프롬프트 전문과 함께 뜯어본다.
ChatGPT에게 물어보자. "테슬라 주식 지금 사도 될까?"
돌아오는 답은 대체로 이렇다. "한편으로는 강력한 브랜드와 성장성이 있지만, 다른 한편으로는 밸류에이션 부담과 경쟁 심화가 있습니다. 투자는 신중히 결정하세요." — 완벽하게 안전하고, 완벽하게 쓸모없는 답이다.
AI에게 투자 판단을 맡길 때 실제로 벌어지는 일은 네 가지다.
0.1 + 0.2 ≠ 0.3인 부동소수점 세계에서 금융 숫자를 "그럴듯하게" 지어낸다.그렇다면 질문을 바꿔야 한다. "AI가 투자 분석을 할 수 있는가?"가 아니라 "AI가 규율 있게, 편향 없이, 검증 가능하게 분석하게 만들 수 있는가?"
바로 이 질문에 답하는 오픈소스 프로젝트가 있다. 이름부터 야심 차다 — AI Berkshire(AI 버크셔). 워런 버핏의 버크셔 해서웨이에서 따온 이름이다.
이 글은 AI 버크셔의 프롬프트 아키텍처를 실제 프롬프트 전문과 함께 해부한다. 핵심은 투자 노하우가 아니라, AI를 고위험 의사결정에 쓸 때 필요한 프롬프트 설계 기법이다. 이 기법들은 투자가 아니라 법률 검토, 채용, 진단, 어떤 중대한 판단에도 그대로 옮길 수 있다. (⚠️ 본 글은 학습·연구 목적이며 투자 조언이 아니다. DYOR.)
한 줄로 요약하면 이렇다.
AI 버크셔는 4명의 투자 거장의 방법론을 18개의 구조화된 프롬프트(Skill)로 체계화한, Claude Code / Codex 기반의 가치투자 리서치 시스템이다.
각 Skill은 그냥 짧은 지시문이 아니다. 하나하나가 거대한 프롬프트이며, 그 안에서 여러 AI 에이전트를 병렬로 띄워 한 기업을 동시에 여러 시각으로 검증한다. 지난 글 「232명의 AI 전문가를 한 폴더에」에서 다룬 멀티 에이전트 아키텍처가, '투자'라는 실전 고위험 도메인에 적용된 가장 정교한 사례다.
18개 Skill은 슬래시 커맨드로 호출된다. 시나리오별로 입구가 나뉜다.
| 범주 | 대표 Skill | 하는 일 |
|---|---|---|
| 🔬 심층 연구 | /investment-research · /investment-team · /management-deep-dive · /private-company-research | 한 기업을 7~8개 모듈로 전면 해부 |
| 📊 재무제표 | /earnings-review · /earnings-team | 10-K·연보·어닝콜 원문 직접 정독 |
| 🏭 산업/스크리닝 | /industry-funnel · /quality-screen · /bottleneck-hunter · /investment-checklist | 수십 개 후보 → 최종 3사 선별 |
| 📈 포트폴리오 | /portfolio-review · /thesis-tracker · /news-pulse | 보유 후 규율·조정·귀인 |
| 🧠 사고 도구 | /dyp-ask · /financial-data | 거장 빙의 문답, 데이터 규범 |
AI 버크셔의 심장은 4명의 거장이다. 그런데 결정적인 설계가 있다. 이 4명은 단순 분업이 아니라 서로를 공격하도록 배치됐다.
돤융핑(段永平)이 "좋은 사업"이라 하면 → 멍거(芒格)가 "그럼 이 회사는 어떻게 죽나?"를 묻고, 버핏(巴菲特)이 "충분히 싸다"고 하면 → 리루(李录)가 "10년 후에도 이 회사가 존재하나?"를 묻는다.
결과물은 4개 보고서의 접합이 아니라 4가지 사고방식의 충돌이다. 단일 시각의 맹점을 다른 시각이 메운다.
| 거장 | 담당 | 핵심 "추궁(追问)" — 분석의 영혼 |
|---|---|---|
| 段永平 돤융핑 | 비즈니스 본질 | "주식시장이 내일부터 5년간 닫혀도 이 가격에 보유하겠나?" |
| 巴菲特 버핏 | 해자·안전마진·경영진 | "10년 후에도 이 해자가 있나? 무엇이 그것을 파괴하나?" |
| 芒格 멍거 | 역발상·리스크 | "나는 어디서 가장 틀릴까? 똑똑한 사람은 왜 이 회사를 공매도하나?" |
| 李录 리루 | 문명 추세·장기 확실성 | "20년 후 돌아보면 이 시대의 스탠더드오일인가, 반짝한 3Com인가?" |
이 "추궁" 질문들이야말로 프롬프트의 진짜 무기다. /investment-research Skill은 각 분석 모듈이 끝날 때마다 해당 거장의 추궁을 강제로 붙인다. 실제 프롬프트 전문(한국어 번역)을 보자.
버핏의 "해자(moat)"는 프롬프트 안에서 5종 검증 매트릭스로 구조화된다 — LLM이 "해자가 있다"는 말로 얼버무리지 못하게.
| 해자 유형 | 검증 질문 (프롬프트 원문) |
|---|---|
| 브랜드/정가권 | 판매량 손실 없이 가격을 올릴 수 있나? |
| 전환비용 | 고객이 경쟁품으로 옮기는 비용이 얼마나 큰가? |
| 네트워크 효과 | 사용자가 많을수록 제품이 좋아지나? |
| 규모 효과 | 규모가 가져오는 원가우위는 얼마나 큰가? |
| 기술/특허 장벽 | 기술이 몇 년 앞서나? 복제 가능한가? |
AI 버크셔의 설계는 3개 계층으로 나뉜다. 이것이 "그냥 프롬프트 모음"과 "시스템"을 가르는 지점이다.
이 아키텍처의 꽃은 /investment-team Skill이다. 한 기업을 4개의 독립 Agent가 동시에 연구한다. 각자 웹을 검색하고, 데이터를 교차검증하고, 점수를 매긴 뒤, Team Lead가 합의점과 모순점을 찾아 종합한다. TeamCreate / TaskCreate / SendMessage 기반의 진짜 멀티 에이전트 시스템이다.
| Agent | 역할 | 거장 시각 |
|---|---|---|
business-analyst | 비즈니스 모델·해자 | 段永平 |
financial-analyst | 재무·밸류에이션 | 巴菲特 |
industry-researcher | 산업·경쟁 | 芒格 |
risk-assessor | 리스크·경영진 | 李录 |
각 Agent에게 던지는 디스패치 프롬프트 템플릿의 실제 모습이다. 여기에 이 시스템의 규율이 압축돼 있다 — 반드시 2개 독립 출처, 오차 1% 초과 시 표시.
그리고 Team Lead의 종합 원칙 — 여기서 이 시스템의 철학이 가장 선명하게 드러난다. 가장 가치 있는 것은 합의가 아니라 모순이다.
Team Lead가 뽑아내는 최종 보고서는 8개 섹션 템플릿으로 고정된다. 재현성을 위해서다 — 같은 입력이면 같은 구조·깊이가 나오고, 여러 종목을 동일 기준으로 비교할 수 있다.
여기가 이 프로젝트의 진짜 IP이자, 투자가 아닌 어떤 분야에도 훔쳐 쓸 수 있는 프롬프트 엔지니어링 마스터클래스다. 대부분의 Skill이 공유하는 다섯 개의 횡단 장치를 하나씩 보자.
거의 모든 Skill의 첫 단계. 기업의 "AI 가독성"을 A/B/C로 평가해 잠재 편향을 미리 식별한다. 핵심 통찰: 자료가 많다고 확실한 게 아니다.
밸류에이션·시가총액 계산은 반드시 tools/financial_rigor.py로 검산한다. 모든 계산은 decimal.Decimal(정밀 십진)을 쓰고 float는 금지다. 프롬프트가 직접 셸 명령을 호출한다.
# Step 1 — 시가총액 검산 (정밀 십진, 부동소수 아님)
python3 tools/financial_rigor.py verify-market-cap \
--price {주가} --shares {총주식수} --reported {보고 시총} --currency {통화}
# Step 2 — 핵심 데이터 다중 출처 교차검증 (수익/순이익/현금 각각)
python3 tools/financial_rigor.py cross-validate \
--field {필드명} --values '{"출처1": 값, "출처2": 값}' --unit {단위}
# Step 3 — 3시나리오 밸류에이션 정밀 계산 (암산 금지)
python3 tools/financial_rigor.py three-scenario \
--price {주가} --eps {EPS} --shares {총주식수} \
--growth {낙관} {중립} {비관} --pe {낙관PE} {중립PE} {비관PE} --years 3
설계 원칙:
0.1 + 0.2 = 0.3이 금융 시나리오에서 실패하면 안 된다. LLM에게 "그럴듯한 숫자"를 맡기지 않고, 결정론적 도구에 계산을 위임한다.
핵심 데이터는 반드시 2개 독립 출처에서 가져와 교차검증한다. 오차 구간마다 처리 규칙이 다르다.
| 오차율 | 처리 규칙 |
|---|---|
| ≤ 1% | ✅ 일치 — 출처1 값 채택, 두 출처 표기 |
| 1~5% | ⚠️ "데이터 차이 존재" 표시, 두 값 명기, 원인(환율/회계기준) 설명 |
| > 5% | ❌ "중대한 차이" 표시, 반드시 원본 재무제표로 확인, 직접 사용 금지 |
보고서를 파일로 쓴 뒤, report_audit.py가 데이터 포인트의 15%를 랜덤 추출해 신뢰 출처에서 재취득한다. 전 데이터 오차 ≤1%면 【准出】(발행 가능), 하나라도 초과하면 【打回】(수정 후 재심). 사람 눈이 아니라 자동 감사(audit)가 게이트를 지킨다.
가장 강력한 규율 장치. 매수 논리를 5문장으로 강제한다. 채우지 못하면 매수 금지다.
좋은 투자 시스템은 "무엇을 살까"보다 "무엇을 사지 말까"에 더 많은 프롬프트를 쓴다. AI 버크셔도 그렇다.
/investment-checklist는 10분 안에 "심층 연구할 가치가 있나"를 판정하는 6관문 게이트다. 목표는 좋은 종목 찾기가 아니라 나쁜 선택 배제. 하나라도 걸리면 즉시 부결이다.
가장 규율적인 Skill. 매수하는 순간 이미 매도 조건이 정해져 있어야 한다. 그리고 핵심 원칙: 论文破裂 ≠ 股价下跌(논문 파탄 ≠ 주가 하락). 주가가 30% 빠져도 안 팔지만, 매수 논리(thesis)가 깨지면 판다.
이 Skill은 투자 논문의 "건강도"를 산식으로 계산한다.
/portfolio-review의 핵심 사상은 每一块钱都有机会成本(모든 1원에는 기회비용이 있다). 각 보유 종목에 세 가지를 강제로 묻는다.
18개 Skill 중 특히 창의적인 셋을 짚는다.
/dyp-ask는 아예 투자자 돤융핑(段永平) 본인을 1인칭으로 빙의한다. AI라는 사실을 숨기고, 그의 철학과 말투로만 답한다. 페르소나 프롬프트의 일부다.
이 Skill은 "AI야, 어떤 주식 추천해줘"가 아니라 "이 추세가 계속되면 공급망의 어느 고리가 먼저 부족해지나?"를 묻는다. 답보다 질문이 중요하다는 철학이다. 그리고 결정적으로, 밸류에이션을 덮어쓸 수 없는 문턱으로 만든다.
"병목이 진짜라는 것 ≠ 투자 기회다. 한 회사가 가장 빠듯한 병목에 앉아 있어도, PS>30배이거나 여전히 적자면 현재 가격은 매수 지점이 아니다. 밸류는 하드 문턱이며, 병목 순수도·신호강도·서사 매력으로 덮어쓸 수 없다. 오른 병목주를 놓칠지언정, 100배 PS에 적자 회사를 사지 말라."
주가가 급등락할 때 4차원으로 병렬 정찰해 원인을 귀인한다. 흥미로운 건, 가장 가치 있는 출력이 명쾌한 설명이 아니라 "真因不明(진짜 원인 불명)"이라는 점이다.
여기까지 읽었다면 눈치챘을 것이다. AI 버크셔가 진짜로 가르치는 것은 투자가 아니라, AI에게 고위험 판단을 맡길 때의 프롬프트 설계 원칙이다. 그리고 그 원칙은 도메인을 가리지 않는다.
| 기법 | 투자에서 | 당신의 도메인에서 |
|---|---|---|
| 강제 결론 | 통과/불통과/회색지대 + 가격대 | "검토했습니다" 대신 승인/반려/보류를 강제 |
| 적대적 페르소나 | 4대 거장이 서로 공격 | 낙관론자 vs 회의론자 Agent를 붙여 맹점 제거 |
| 정보 풍부도 등급 | A/B/C로 편향 자각 | "자료가 많다"는 확신의 함정을 명시적으로 경계 |
| 암산 금지 | decimal 도구로 검산 | 계산·집계는 코드에 위임, LLM에 맡기지 않음 |
| 출고 전 감사 | 15% 랜덤 추출검사 | 산출물의 사실을 자동 샘플 검증하는 게이트 |
| 거울 테스트 | 5문장으로 논리 강제 | 결정을 N문장으로 못 쓰면 = 실행 금지 |
2026년, LLM은 이미 충분히 똑똑하다. 문제는 똑똑한 모델이 규율 없이 답할 때 생기는 위험이다. 그럴듯하지만 틀린 답, 컨센서스의 앵무새, 조용히 지어낸 숫자 — 이것들은 투자에서는 돈을 잃게 하고, 의료·법률·채용에서는 더 큰 것을 잃게 한다.
AI 버크셔의 해법은 우아하다. 모델을 더 똑똑하게 만들려 하지 않고, 모델을 규율 있는 구조 안에 가둔다. 4개의 대립하는 시각, 5중 반편향 방어선, 결정론적 검산 도구, 자동 감사 게이트 — 이것이 지난 글에서 본 멀티 에이전트 아키텍처가 "오케스트레이터 + 격리된 서브에이전트 + 검증"으로 수렴한 이유이기도 하다.
좋은 AI 시스템의 척도는 "얼마나 똑똑한 답을 내는가"가 아니라 "얼마나 자주 틀린 답을 스스로 걸러내는가"다.
AI 버크셔는 버핏의 유명한 말을 헤더에 걸어둔다.
"Price is what you pay, value is what you get." — Warren Buffett
이 프로젝트가 증명하는 것은, AI에게 좋은 답을 얻는 비결이 좋은 모델이 아니라 좋은 구조라는 사실이다. "이 주식 어때?"라는 게으른 질문에는 게으른 답이 돌아온다. 하지만 4명의 거장이 서로를 심문하고, 모든 숫자가 두 번 검증되고, 5문장으로 논리를 강제하는 구조 안에서는 — AI도 규율 있는 분석가가 된다.
코어닷투데이는 고객사의 AI 시스템을 설계할 때 바로 이 원칙을 적용한다. "어떤 모델을 쓸까?"보다 먼저 묻는 질문은 "이 판단을 어떤 대립 시각으로 검증하고, 어디에 하드 게이트를 걸고, 무엇을 코드로 검산할까?"다. AI 버크셔의 프롬프트들이 던지는 바로 그 질문이다.
⚠️ 면책: 본 글과 AI 버크셔 프로젝트는 학습·연구 목적이며 어떤 투자 조언도 구성하지 않는다. 모든 투자 판단의 책임은 본인에게 있다 (DYOR).
