골드만삭스가 트레이더의 Claude Code를 제한한다면, 무엇이 쟁점일까
핵심 요약
- 골드만삭스의 실제 Claude Code 제한 여부와 범위, 공식 사유는 단정할 수 없습니다.
- AI로 코드를 만들 수 있다고 해서 업무 시스템에 적용할 권한까지 생기는 것은 아닙니다.
- 금융 업무용 코드는 계산 결과뿐 아니라 데이터 접근과 변경 이력도 관리해야 합니다.
- 비개발자의 AI 활용을 넓히려면 실험한 도구를 실제 업무에 쓰기 전에 검증할 절차가 필요합니다.
은행원이나 트레이더가 AI로 업무 도구를 직접 만들 수 있다면, 반복 작업을 상당히 줄일 수 있습니다. 다만 골드만삭스가 Claude Code 사용을 실제로 어떻게 제한했는지, 그 이유가 무엇인지는 단정할 수 없습니다. 그런 제한을 둔다는 가정 아래, ‘누구나 개발자’라는 약속이 금융회사에서 어떤 문제와 부딪히는지 짚어보려 합니다.
업무를 아는 사람이 직접 코드를 만들면
매일 같은 형식의 거래 내역을 정리하는 트레이더가 있다고 해보겠습니다. 파일을 합쳐 필요한 항목을 추린 뒤, 전날과 달라진 숫자를 확인합니다. 이 과정을 프로그램으로 처리하면 같은 작업을 매번 되풀이하는 수고를 덜 수 있습니다.
업무 담당자는 직접 도구를 만들 때 유리한 점이 있습니다. 무엇이 불편한지 잘 알고, 어떤 결과가 필요한지도 구체적으로 설명할 수 있기 때문입니다. AI 코딩 도구는 이 설명을 코드로 옮기는 일을 돕습니다.
하지만 ‘내 컴퓨터에서 한번 실행됐다’와 ‘팀이 매일 믿고 사용해도 된다’ 사이에는 차이가 큽니다. 입력 파일의 형식이 바뀌거나 일부 데이터가 빠졌을 때도 제대로 작동해야 합니다.
코드를 만드는 문턱이 낮아져도, 그 코드를 업무에 써도 되는지 판단하는 과정은 여전히 필요합니다.
도구 이름보다 어떤 권한을 주는지가 중요합니다
같은 프로그램도 어디에 연결하느냐에 따라 위험이 달라집니다. 가상 거래 내역을 정리하는 실험과 실제 고객 정보를 처리하는 작업에 똑같은 통제 기준을 적용할 수는 없습니다.
데이터를 읽기만 하는지, 수정까지 할 수 있는지도 구분해야 합니다. 보고서 초안을 만드는 코드가 틀리면 검토하면서 바로잡을 수 있습니다. 반면 업무 시스템의 기록을 직접 바꾸는 코드라면 오류가 더 넓은 범위에 영향을 줄 수 있습니다.
금융회사가 AI 코딩 도구의 사용 범위를 정할 때도 이 점을 따져야 합니다. 어떤 데이터를 읽고 외부로 보낼 수 있는지 확인해야 합니다. 어떤 시스템에 접근해 내용을 바꿀 수 있는지도 살펴야 합니다.
이는 Claude Code가 특정 정보를 유출한다는 주장이 아닙니다. 도구에 부여한 권한을 기준으로 사용 조건을 정해야 한다는 뜻입니다. 도구를 써도 된다는 허락이 모든 데이터와 시스템에 접근해도 된다는 뜻은 아닙니다.
숫자가 그럴듯해도 계산은 따로 확인해야 합니다
가령 AI로 만든 보고서에서 금액 단위를 ‘원’과 ‘천 원’으로 혼동했다고 해보겠습니다. 계산은 오류 메시지 없이 끝나도 결과는 1,000배 어긋날 수 있습니다. 화면과 표가 깔끔하다고 계산까지 맞는 것은 아닙니다.
이런 오류는 코드만 읽어서는 찾아내기 어려울 수 있습니다. 실제 업무에서 어떤 단위를 쓰고 예외를 어떻게 처리하는지 알아야 합니다. 코드를 검증할 때도 업무 담당자의 지식이 필요한 이유입니다.
기술적으로도 확인할 부분이 있습니다. 누락된 값이 들어오면 프로그램이 멈추는지, 잘못된 결과를 그대로 저장하는지 살펴야 합니다. 문제가 생겼을 때 이전 상태로 되돌릴 수 있는지도 확인해야 합니다.
운영을 시작한 뒤 누가 책임질지도 정해야 합니다. 작성자가 부서를 옮겨도 프로그램을 관리할 사람은 있어야 합니다. 코드를 바꿨다면 무엇을 수정했고 누가 확인했는지 기록으로 남겨야 합니다.
AI의 도움을 받아 코드를 작성했다고 해서 이 책임이 사라지지는 않습니다.
비개발자가 만든 도구를 업무에 쓰려면 절차가 필요합니다
저는 사용 정책을 정할 때 작업의 영향 범위를 기준으로 삼는 편이 합리적이라고 봅니다. 비개발자라는 이유만으로 모든 실험을 막으면 현장에서 업무를 개선할 기회도 줄어듭니다. 개발자가 만든 코드도 실제 업무에 쓰려면 검증을 거쳐야 하는 것은 마찬가지입니다.
예를 들어 처음에는 가상 데이터와 제한된 환경에서 실험할 수 있습니다. 쓸모가 있다고 판단되면 업무 담당자가 계산 기준을 검토하고, 기술 담당자는 접근 권한과 오류 처리 방식을 확인합니다.
실제 업무에 쓸 단계가 되면 관리 책임자와 코드를 변경할 때 따를 절차를 정합니다. 고객 정보나 거래 기록에 영향을 주는 도구라면 그만큼 더 꼼꼼히 검토해야 합니다. 이런 절차가 있어야 직원들도 자신이 만든 도구를 어디까지 발전시킬 수 있는지 알 수 있습니다.
어떤 회사의 사용 제한을 평가할 때도 무엇을 제한하는지 구체적으로 봐야 합니다. 도구 접근 자체를 막는 경우와 특정 데이터에 연결하지 못하게 하는 경우는 의미가 다릅니다. 검토를 거치지 않은 채 업무에 적용하는 것을 막는 경우도 구분해서 봐야 합니다.
AI 코딩 덕분에 업무 담당자가 개선안을 직접 구현할 기회가 넓어집니다. 그 기회가 실제 생산성 향상으로 이어지려면 결과를 검증하고 누가 책임질지 정해야 합니다. 직원이 만든 작은 자동화 도구를 안심하고 업무에 쓸 수 있도록 조직 안에 절차를 마련해야 합니다.
댓글
댓글을 불러오는 중...