최근 투자자들은 AI를 활용한 금융 시장 분석에 큰 관심을 보이고 있습니다. 대표적으로 각종 LLM 플랫폼에 "너는 유능한 투자 전문가야, 앞으로 유망할 종목을 추천해줘"라고 프롬프트를 입력하지만, 생각보다 아쉬운 퀄리티와 일관성 없는 답변에 실망하는 일이 비일비재 합니다. 이는 AI에게 단순히 '역할'을 부여하는 것만으로는 전문적이고 체계적인 결과물을 얻기 어렵기 때문입니다.
그런데 만약 AI가 정해진 규칙과 프로세스에 따라 움직이는, 잘 훈련된 '전담 비서(Agent)'나 '시스템'처럼 만들 수 있다면 어떨까요?
이번 뉴스레터에서는 Google Gemini의 'Gem' 기능을 통해, 범용 AI를 특정 목적에 고도화된 분석 도구로 탈바꿈시키는 방법을 소개하고자 합니다. 실제로 제가 직접 운영하고 있는 주식 스터디에서 사용 중인 Gem도 보여드리며, 해당 기능의 구체적인 활용법과 아직은 아쉬운 한계점까지 낱낱히 다뤄보겠습니다.
(참고: Gem 기능은 2025년 9월 현재 기준 Gemini pro 버전 이상부터 사용이 가능합니다)
1. Gem이란? 단순 페르소나 설정과는 뭐가 다른가?
유튜브나 블로그를 통해 이제는 많은 사람들이 AI를 똑똑하게 사용하는 방법에 익숙해지고 있습니다. 그중 가장 대표적인 팁이 페르소나 부여인데, "너는 이제부터 OOO이야"와 같이 한두 줄로 역할을 부여하면 그냥 프롬프트를 입력할 때보다 좋은 퀄리티의 답변을 얻을 수 있습니다. 다만 대화가 길어질수록 답변의 퀄리티가 떨어지고, 또 초기에 설정했던 역할이나 조건들을 망각하는 경우가 잦아진다는 한계점이 있습니다.
Gemini의 Gem은 이러한 한계를 극복하기 위해 설계된 기능입니다. 사용자가 AI의 작동 방식을 규정하는 상세한 '지침(Instruction)'을 미리 설정해두는 것입니다. 이는 단순한 역할 부여를 넘어 AI의 정체성, 목표, 핵심 원칙, 업무 프로세스, 제약 조건까지 명시하는 시스템 설계도에 가깝습니다.
| 구분 | 단순 페르소나 지정 (채팅창 입력) | Gem 기능 (사전 설정) |
| 지속성 | 일회성, 대화가 길어지면 역할 망각 | 영구적, 설정된 Gem을 활성화하는 동안 일관되게 유지 |
| 구체성 | "전문가처럼 행동해" (추상적) | "6단계 프로세스를 순서대로 수행하고, 각 단계마다 출처를 명시하며, 사용자 확인을 받아라." (구체적, 체계적) |
| 제어 수준 | AI의 자율성에 크게 의존 | 사용자가 정의한 규칙과 프로세스에 따라 AI의 행동을 강력하게 제어 |
| 결과물 | 일관성 부족, 일반적인 수준의 답변 | 예측 가능하고, 일관되며, 전문적인 결과물 도출 |
결론적으로 Gem은 AI를 단순한 대화 상대가 아니라, 내가 설계한 규칙에 따라 일관성 있게 움직이는 자동화된 시스템으로 만드는 기능입니다.
2. 좋은 Gem은 어떻게 설계하는가?
강력한 Gem을 만드는 것은 단순히 긴 글을 쓰는 것과는 다릅니다. AI가 나의 의도를 명확히 이해하고, 예측 가능한 범위 내에서 내가 설정한 규칙에 맞게 작동하도록 시스템을 세팅하는 과정입니다. 어떤 용도의 Gem을 만드느냐에 따라 달라질 순 있겠지만, 그래도 대체로 아래의 항목들이 추가될 때 Gem의 성능은 개선되는 편입니다.
1. 명확한 목표 및 페르소나
- Gem이 달성해야 할 단 하나의 구체적인 목표와 그 역할을 정의합니다.
- ex) 당신은 개인 투자자를 위한 재무제표 분석 전문가이며, 재무 건전성을 평가하는 것을 유일한 목표로 한다.
2. 핵심 원칙(대전제)
- Gem이 어떤 상황에서도 반드시 지켜야 할 최상위 규칙을 설정합니다. 이는 AI의 행동에 제약을 걸어 안정성을 높이는 역할을 합니다.
- ex) 절대로 투자 조언을 직접적으로 하지 않는다, 모든 수치 데이터는 반드시 출처를 명시한다.
3. 단계별 프로세스
- 복잡한 작업을 수행해야 할 경우, 이를 논리적인 단계로 나누어 순서대로 수행하도록 지시합니다. 이는 AI가 임의로 단계를 건너뛰거나 뒤죽박죽으로 일하는 것을 방지합니다.
- ex) 6단계 투자 프로세스 지정. '1. 기본구조 설정 -> 2. 거시 시장 분석 -> 3. 지수 ETF 구성 -> 4. 주도 섹터 분석 -> 5. 개별 종목 분석 -> 6. 최종 포트폴리오 결정'
4. 실행 체크리스트
- 각 단계에서 AI가 구체적으로 무엇을 확인하고 실행해야 하는지 목록으로 제공합니다. 이는 작업의 누락을 방지하고 결과물의 품질을 표준화합니다.
5. 검증 프로토콜
- 각 단계를 마친 후, AI가 스스로 자신의 결과물을 비판적으로 검증하도록 하는 절차를 포함시킵니다.
- ex) 내가 제시한 데이터의 출처는 신뢰할 만한가?, 나의 분석이 논리적 비약 없이 타당한가?
이런 구조를 처음부터 짜는 것이 막막하다면, Gemini와 대화하며 함께 만들어갈 수 있습니다. 예를 들어, "내가 투자 분석용 Gem을 만들려고 하는데, 필요한 시스템 프롬프트의 목차와 구조를 짜줘" 와 같이 요청하며 핑퐁을 하다 보면 훨씬 정교한 결과물을 손쉽게 완성할 수 있습니다.
3. 외부 사례: 개발팀을 통째로 넣은 Gem, 'BMAD'
잘 만들어진 Gem이 얼마나 강력해질 수 있는지 보여주는 좋은 외부 사례가 있습니다. 바로 깃허브(GitHub)에 공개된 BMAD(Breakthrough Method for Agile AI-Driven Development) 입니다.
- BMAD란 소프트웨어 엔지니어인 브라이언(Brian)이 만든 AI 기반 개발 방법론입니다. AI에게 단순히 코딩을 시키는 것을 넘어, 실제 애자일 개발팀처럼 분석가, 프로덕트 매니저(PM), 아키텍트, 개발자, QA 테스터 등 여러 역할을 부여받은 AI 에이전트들을 세팅합니다. 그리고 그들 간의 협업을 통해 프로젝트를 수행하도록 설계된 정교한 프롬프팅 시스템입니다.
언뜻 이야기를 들으면 개발자들만 쓸 수 있을 것 같지만, 사실 개발자가 아니더라도 해당 시스템을 Gem에 이식할 수 있습니다. 비개발자가 BMAD를 활용하는 가장 간단한 방법은 다음과 같습니다.
1. BMAD에서 멀티 페르소나의 시스템 프롬프트가 기록된 텍스트 파일만 다운로드
2. 위 경로에서 'team-all.txt' 파일을 다운로드 or 내용 전체를 복사하여 메모장에 저장
3. Gem을 만들 때 첨부파일 칸에 해당 텍스트 파일을 첨부
이렇게 하면 여러분의 Gem은 대화 중에 "PM의 관점에서 이 아이디어를 평가해줘" 또는 "개발자로서 이 기능의 코드를 짜줘"와 같은 요청에 따라 역할을 자유자재로 바꿔가며 답변하는 강력한 멀티 페르소나 AI가 됩니다.
<BMAD로 호출 가능한 에이전트 리스트>
| 호출 명령어 (agent [id]) | 에이전트 (이름) | 역할 (Title) | 주요 수행 역할 (When to Use) |
| *agent analyst | Mary | Business Analyst | 시장 조사, 브레인스토밍, 경쟁 분석, 프로젝트 개요서 작성, 초기 프로젝트 발견 및 기존 프로젝트 문서화(브라운필드) |
| *agent architect | Winston | Architect | 시스템 설계, 아키텍처 문서, 기술 선택, API 설계 및 인프라 계획 |
| *agent dev | James | Full Stack Developer | 코드 구현, 디버깅, 리팩토링 및 개발 모범 사례 |
| *agent pm | John | Product Manager | PRD 작성, 제품 전략, 기능 우선순위 지정, 로드맵 계획 및 이해관계자 커뮤니케이션 |
| *agent po | Sarah | Product Owner | 백로그 관리, 스토리 구체화, 인수 기준(AC) 정의, 스프린트 계획 및 우선순위 결정 |
| *agent qa | Quinn | Test Architect & Quality Advisor | 포괄적인 테스트 아키텍처 검토, 품질 게이트 결정 및 코드 개선 |
| *agent sm | Bob | Scrum Master | 스토리 작성, 에픽 관리, |
| *agent ux-expert | Sally | UX Expert | UI/UX 디자인, 와이어프레임, 프로토타입, 프론트엔드 명세 및 사용자 경험 최적화 |
| *agent bmad-orchestrator | - | BMad Master Orchestrator | 워크플로우 조정, 멀티 에이전트 작업, 역할 전환 안내 및 어떤 전문가를 선택할지 불확실할 때 사용 |
4. 실전 적용: AI 주식 어시스턴트 '월간 리밸런싱 전략가'
이제 앞서 설명한 설계 방법론이 실제로는 어떻게 활용되는지, 제가 진행하고 있는 주식 스터디에서의 실제 사례를 통해 보여드리겠습니다. 다음은 '월간 리밸런싱 전략가' Gem에 들어간 실제 시스템 프롬프트 내용들 중 일부입니다.
1. 페르소나 및 목표 설정
- 가장 먼저 AI에게 구체적인 정체성과 단 하나의 목표를 부여합니다
# ** 페르소나 및 목표 **
당신은 '월간 리밸런싱 전략가'라는 이름의 미국 주식 포트폴리오 전문 AI 어시스턴트입니다. 당신의 유일한 목표는 사용자의 요청에 따라 1~3개월 단기 투자에 최적화된 미국 주식 포트폴리오를 구축하는 것입니다. 이 목표를 달성하기 위해 아래에 명시된 6단계 프로세스를 **반드시, 순서대로, 하나도 빠짐없이** 수행해야 합니다.
2. 대원칙 설정
- 모든 프롬프트 생성 & 출력 과정에서 지켜야 하는 대전제를 입력합니다
# **핵심 대원칙**
1. **단계별 순차 진행:** 각 단계는 반드시 순서대로 진행하며, 한 단계가 끝나면 분석 결과 보고 후 반드시 사용자의 확인("여기까지 동의하시면 다음 단계를 진행하겠습니다.")을 받고 다음 단계로 넘어가야 합니다. 절대로 여러 단계를 한 번에 진행하지 마십시오.
2. **비판적 자기 검증:** 각 단계의 끝에는 '검증 프로토콜'을 통해 스스로 수집한 데이터의 신뢰성과 분석의 논리적 타당성을 반드시 검증해야 합니다. 오류 가능성을 인지하고 항상 팩트 체크를 수행하십시오.
3. **단기 투자 관점:** 모든 분석은 장기 가치 투자가 아닌, 1~3개월 내 수익 실현을 목표로 하는 '모멘텀'과 '시장 심리'에 초점을 맞춰야 합니다.
4. **데이터 기반 및 출처 명시:** 모든 분석은 구체적인 수치와 데이터를 기반으로 합니다. **특히, 모든 외부 데이터, 수치, 뉴스, 분석 리포트에는 사용자가 직접 확인할 수 있는 클릭 가능한 URL 출처 링크를 반드시 (출처: URL) 형식으로 함께 제공해야 합니다. 출처 없는 정보는 제시하지 않습니다.**
5. **포트폴리오 규칙 준수:** ETF 2종목(총 50%), 개별주 3종목(총 50%)으로 구성하며, 모든 비중 할당은 5% 단위(5의 배수)로만 이루어집니다.
3. 체계적인 6단계 분석 프로세스 및 각 단계별 역할 명시
- 해당 Gem은 다음의 6단계 분석 프로세스를 AI가 순서대로, 빠짐없이 수행하도록 강제합니다.
- 6단계 프로세스: 기본 구조 설정 -> 거시 시장 분석 -> ETF 구성 -> 주도 섹터 분석 -> 개별 종목 분석 -> 최종 포트폴리오 결정
- (여기서는 6단계 중 2번째 단계만 보여드리겠습니다)
### **[2단계: 거시 시장 분석]**
**1. 목표:** 다각적인 거시 지표 분석을 통해 현재 시장의 투자 심리 및 방향성을 판단하고, '시장 심리 단계'를 도출합니다.
**2. 핵심 원칙:** 객관적인 지표를 통해 시장이 '공격적 투자'에 유리한지, '보수적 투자'에 유리한지 명확한 결론을 내립니다.
**3. 실행 체크리스트:**
- [ ] **통화 정책:** 최신 기준금리 동향 및 연준(Fed)의 스탠스 분석.
- [ ] **인플레이션:** 소비자물가지수(CPI), 생산자물가지수(PPI) 최신 데이터 분석.
- [ ] **유동성:** 통화량(M2) 증감률 분석.
- [ ] **경제 건전성:** 실질 GDP 성장률 및 전망 분석.
- [ ] **시장 심리:** Fear & Greed Index, VIX 지수 분석.
- [ ] **글로벌 자금 흐름:** 미국 달러 인덱스(DXY) 추이 분석.
- [ ] **증시 현황:** S&P 500, 나스닥 100 지수의 최근 동향 및 추세 분석.
- [ ] **최종 결론:** 모든 지표를 종합하여 '시장 심리 단계'를 **[매우 공격적 / 공격적 / 중립 / 보수적 / 매우 보수적]** 5단계 중 하나로 명확하게 결론 내립니다.
**4. 검증 프로토콜:**
- "내가 분석한 각 지표의 데이터는 최신이며 신뢰할 수 있는 출처에서 가져온 것인가? **출처 링크는 정확한가?**"
- "각 지표에 대한 해석이 논리적으로 타당한가? 특정 지표에 과도한 가중치를 부여하지 않았는가?"
- "최종적으로 도출한 '시장 심리 단계'가 종합적인 분석 결과와 일치하는가?"
**5. 보고 및 확인:** 위의 체크리스트에 따른 분석 결과와 최종 결론을 요약 보고합니다. **각 지표 분석 내용 뒤에는 반드시 데이터 출처 링크를 (출처: URL) 형식으로 첨부하여 보고하십시오.** 그 후, "여기까지 동의하시면 다음 단계를 진행하겠습니다."라고 질문하고 사용자 답변을 기다립니다.
위와 같이 Gem의 시스템 프롬프트를 완성하고 나면, 이제 자신만의 전담 투자 비서가 생성됩니다. 실행을 시켜보면 다음과 같은 결과물을 받아볼 수 있습니다.
단, 주의할 점이 있습니다. 해당 Gem은 강력하지만, 실시간 웹 검색 과정에서 종종 할루시네이션 현상이 발생하곤 합니다. 아직까지 Gem 서비스가 거짓 정보를 걸러내는 과정에서 완벽하진 못하기에, 최신 경제 지표를 조사할 때 종종 환각 현상이 발생합니다.
이러한 이유로 저는 Gem의 대원칙에 "모든 데이터에 클릭 가능한 URL 출처를 반드시 명시하라" 는 규칙을 포함시켰습니다. 이 규칙은 AI의 한계를 인정하고, 최종적인 '팩트 체크'의 책임은 사용자에게 있다는 것을 전제로 합니다. AI가 가져온 1차 리서치 자료를 바탕으로, 출처를 직접 확인하고 최종 투자 결정을 내리는 것은, 아직까지 여전히 인간 분석가의 몫입니다.
결론: 투자 의사결정의 틀을 확장하다
Gemini의 Gem 기능은 AI 활용의 패러다임을 바꾸고 있습니다. 단순한 대화형 AI를 넘어, 사용자의 전문 지식과 의사결정 프로세스를 AI에 이식하여 '규칙 기반의 자동화 시스템'을 구축할 수 있게 된 것입니다.
좋은 Gem을 설계하는 방법론을 익히고, BMAD와 같은 외부의 훌륭한 사례를 참고하며, 자신만의 목적에 맞는 Gem을 만들어 보시길 바랍니다. 결국 빠르게 발전하는 AI 시대에서 가장 똑똑하게 일하는 사람은 AI를 '정답을 알려주는 존재'가 아닌, '나의 분석 프로세스를 돕는 파트너'로 바라보는 사람들이 아닐까 조심스레 생각해봅니다.
출처:
- BMAD-METHOD GitHub Repository: https://github.com/bmad-code-org/BMAD-METHOD
의견을 남겨주세요