프레임워크

AI 투자위원회: 4개 Agent가 가치투자争论를 대신해준다

버핏, 멍거, 두안용핑, 리루 네 명 가치투자 거장들의 의사결정 프레임워크를 멀티 Agent 시스템으로 구현해 Claude Code에서 돌리는 GitHub 오픈소스 프로젝트(15,796 star)를 깊이 들여다본다.

글자 크기

AI 투자위원회란 무엇인가

xbtlin이 GitHub에 오픈소스로 공개한 ai-berkshire는 "AI 시대의 버크셔 해서웨이"를 표방한다. 핵심 아이디어는 단순하다. 버핏, 멍거, 두안용핑, 리루 네 명 가치투자 거장들의 의사결정 프레임워크를 멀티 Agent 시스템으로 코딩해 Claude Code에서 실행하는 것이다.

겉보기엔 화려한 마케팅처럼 들린다. 저장소 구조를 살펴본 결과, 대부분의 AI 투자 토이 프로젝트보다 훨씬 진지한 구성이었다.

해결하려는 문제

일반 개인 투자자가 prospectus이나 재무제표를 읽을 때, 양이 너무 많거나 핵심을 못 잡는 경우가 대부분이다. 시중 AI 투자 도구는 대부분 단일 LLM 요약 방식이다. 재무제표를 넣으면 "종합 분석" 텍스트가 나오는 식이다.

빠진 건 다관점 대립식(adversarial) 분석이다.

ai-berkshire는 네 거장의 의사결정 프레임워크를 prompt와 checklist에 명시적으로 인코딩하고, Agent끼리 서로 반박하게 해서 실제 투자위원회의 토론 과정을 모사한다. "ChatGPT한테 이 주식 사도 되냐고 묻는" 것과는 차원이 다르다.

사용 방법

Claude Code CLI에서 바로 실행 가능한 최소 예제:

# 1. 저장소 클론
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire

# 2. Claude Code에서 네 Agent 설정 로드
# .claude/agents/buffett.md  - 버핏 관점 (ROIC + 해자)
# .claude/agents/munger.md   - 멍거 관점 (mental models)
# .claude/agents/duan.md     - 두안용핑 관점 (right business + right people)
# .claude/agents/li.md       - 리루 관점 (deep value + long-term)

# 3. 멀티 Agent 대립식 리서치 트리거
/research --ticker=600519.SH --adversarial=true

# 4. 출력 예시 (단순화):
# [Buffett Agent] ROIC 5년 평균 32%, 브랜드 해자 강함, 기준 충족
# [Munger Agent]  challenge: 백주(白酒) 사이클 하락기에도 해자는 유효한가?
# [Duan Agent]    경영진은 안정적, 단 채널 개혁에 불확실성 존재
# [Li Agent]      현재 밸류에이션 합리적 저평가, 장기 보유 가능
# [Synthesis]     종합 등급: 매수 (신뢰도 75%)

Python 환경 없이 Claude Code CLI만 있으면 된다. 저장소 자체는 주로 Markdown prompt와 YAML 설정으로 구성돼 있고 Python 코드는 거의 없다.

동작 원리 (아키텍처)

3계층 구조로 설계됐다.

(1) Master Method Layer — 각 거장마다 독립 Agent를 두고 prompt 안에 의사결정 체크리스트를 하드코딩한다. 버핏은 ROIC + 해자를, 멍거는 mental models를, 두안용핑은 right business + right people을, 리루는 deep value + 장기 보유를 본다. 이런 checklist는 "버핏이 되어서 분석해주세요" 같은 막연한 요청이 아니라 구조화된 판단 노드다.

(2) Adversarial Layer — Agent끼리 서로 challenge해서 "XX의 어느 부분에 동의하지 않는다"를 강제로 출력하게 한다. 이 프레임워크의 핵심은 네 Agent가 각자 의견을 내는 게 아니라, 서로 정면으로 부딪히게 만든 데 있다.

(3) Synthesis Layer — 여러 의견을 종합해 신뢰도 점수와 함께 최종 등급을 산출한다.

플로우는 입력 종목 → 네 Agent 병렬 실행 → 교차质疑 → 종합 보고서 순이다.

장점과 한계

좋은 점:

  • 웹 UI 래퍼가 아니라 Claude Code 워크플로에 직접 임베드돼, 코드 실행하듯 분석을 돌릴 수 있다
  • prompt가 구조화 checklist 방식이라 "당신은 버핏입니다, 이 주식을 분석하세요" 식의 추상적 지시를 쓰지 않는다
  • 리서치 플로우가 템플릿화돼 있어 확장 가능하다. "캐시 우드" Agent를 추가하거나 자신만의 투자 프레임워크로 교체해도 된다

아쉬운 점:

  • 네 Agent 모두 본질적으로 Claude라서 관점이 동질화될 가능성이 있다. 진정한 "대립" 다양성이 부족하다
  • 백테스트 모듈이 없어 과거 적중률을 검증할 수 없다
  • 중국 A주/홍콩주 지원은 LLM 자체 능력에 의존하며 전용 데이터 소스 연동은 없다
  • 15,796 star는 숫자만 보면 많아 보이지만, 가치투자가 본래 소수 의견이라 실제 활성도는 깎아 봐야 한다

직접 테스트해봤다

Claude Code에서 demo 플로우를 돌려봤다. agents/buffett.md와 agents/munger.md를 로드해 한 소비주(가상으로 마오타이)를 분석했다.

Buffett Agent는 ROIC 지속 >25%와 브랜드 해자에 집중한 출력을 냈고, Munger Agent는 곧바로 challenge를 날렸다. "백주 사이클 하락기에도 브랜드 해자는 유효한가?"

전체 플로우는 5분, 출력 보고서는 약 3,000자 정도였다. 단일 LLM 요출보다 품질이 한 단계는 분명히 높았다. 최소한 두 개의 다른 사고 프레임워크가 부딪히는 게 눈에 보였다.

다만 대립의 깊이는 제한적이었다. 두 Agent가 같은 기반 모델을 공유하면, 의견 차이가 어조 차이일 뿐 실질적 사고 충돌로 이어지지 않는다. 이 부분이 가장 큰 의문점이다.

이런 사람에게 추천

적합한 대상:

  • 이미 Claude Code / Codex CLI를 쓰는 개발자
  • 보유 종목의 투자 논리를 체계적으로 정리하고 싶은 가치투자자
  • 리서치 프레임워크를 빠르게 구축하고 싶은 입문자

적합하지 않은 대상:

  • 단기 트레이더 (이 프레임워크는 long-term 지향이다)
  • Claude Code 구독이 없는 사람
  • 가치투자 방법론 자체에 동의하지 않는 사람 (어떤 도구를 써도 소용없다)

편집자 소견

이 프로젝트의 흥미로운 점은 "AI가 주식을 매매할 수 있느냐"가 아니라 "전문가 의사결정 프레임워크를 명시적으로 코딩한다"는 시도 자체다.

지난 10년간 "AI로 X를 해보자"는 프로젝트를 수도 없이 봤지만, 대부분은 LLM에게 작업을 던지고 기도하는 식이었다. ai-berkshire의 접근은 인지 아키텍처(cognitive architecture)에 가깝다. 버핏이 ROIC를 보는 방식, 멍거가 mental model 체크리스트를 만드는 방식 같은 암묵지를 실행 가능한 구조로 가시화한다. 이런思路가 진짜 힘을 발휘할 무대는 투자가 아니라 의료 진단, 법률 실사, 코드 리뷰처럼 "전문가 판단" 비용이 비싼 영역이다.

아직 확신이 서지 않는 부분은 이거다. 같은 Claude로 네 명의 "거장" Agent를 돌릴 때, 진짜로 얼마나 깊은 대립이 나오느냐. 내 추측은 이렇다. 대립의 깊이는 기반 모델의 다양성에 달려 있고, 미래에 GPT/Claude/Gemini를 혼합 스케줄링할 수 있다면 이 프레임워크가 진짜로 힘을 얻을 것이다. 그렇지 않으면 한 사람이 네 역할을 분장하는 것에 불과하다. 형식이 내용을 누른다.

또 하나 빠진 건 백테스트다. 투자위원회가 "지난 3년간 이 프레임워크가 추천한 종목의 수익률이 어땠냐"를 답하지 못한다면, 75% 신뢰도라는 숫자 자체가 빈 속이다. 이 프로젝트가 가장 보강해야 할 지점이다.

출처: github.com/xbtlin/ai-berkshire

출처: https://github.com/xbtlin/ai-berkshire