글쓴이: 프랭크, PANews

하룻밤 사이에 모두가 크레이피쉬(인기 암호화폐 플랫폼)를 배포하는 것처럼 보입니다. 이러한 추세가 마침내 암호화폐 업계에도 확산되었습니다. 3월 3일, 암호화폐 업계의 두 거물인 바이낸스와 OKX는 AI 에이전트를 위한 AI 스킬 라이브러리를 동시에 출시하고 오픈소스로 공개했습니다. 이를 통해 AI 에이전트는 해당 프로토콜을 통해 온체인 알파 발굴 및 실시간 거래를 직접 수행할 수 있게 되었습니다. 그 직전에는 예측 시장 선두주자인 폴리마켓(Polymarket)도 에이전트 전용 CLI 도구를 출시했습니다.

겉보기에 우연처럼 보이는 이 상황 이면에는 인공지능(AI)이 미래 암호화폐 산업의 주요 거래 주체로 부상하고 있으며, 이러한 변화는 이미 시작되었다는 사실이 숨어 있습니다.

하지만 사용자들이 직면한 핵심 질문은 바로 이것입니다. 에이전트 기반 거래는 정말로 신뢰할 수 있는가?

암호화폐 업계가 선도적으로 AI 트레이더를 공식적으로 환영합니다.

바이낸스와 OKX가 이번에 오픈소스로 공개한 Skill이 실제로 어떤 기능을 하는지 살펴보겠습니다.

바이낸스의 7가지 스킬은 파편화된 암호화폐 시장 신호를 실행 가능한 거래 결정으로 전환하는 "통합 지능형 ​​코어"로 자리매김하고 있습니다. 구체적으로, 이 스킬들을 통해 AI 에이전트는 실시간 시장 데이터에 접근하고 주문을 체결하는 등 현물 거래 실행을 자동화할 수 있습니다. 또한 모든 지갑 주소를 분석하여 상세 보유 자산을 포함한 스마트 머니 추적 보고서를 생성할 수 있습니다. 그 외에도 토큰 검색, 카피 트레이딩, 계약 위험 모니터링 등의 기능을 제공합니다.

OKX의 OnchainOS AI 업그레이드는 "AI 에이전트를 위한 온체인 운영 체제"로 자리매김하고 있습니다. 자율 지갑 관리, 거래 및 결제와 관련된 60개 이상의 온체인 기능을 지원합니다. 이러한 기능에는 지갑 보유 자산 조회(크로스체인 자산 잔액 및 포트폴리오), DEX 시장 데이터, 거래 실행 및 토큰 검색 등이 포함됩니다.

앞서 출시된 Polymarket의 Rust CLI 인터페이스는 AI 에이전트용 터미널로, AI 에이전트가 Polymarket의 모든 예측 시장을 직접 조회, 거래 및 관리할 수 있도록 합니다. 또한 Bitget과 Coinbase도 유사한 스킬 라이브러리를 출시했습니다.

기능적인 관점에서 볼 때, 이러한 스킬들은 일반 사용자가 온체인 거래 또는 기타 암호화폐 거래 참여에 필요한 기본 기능들을 제공합니다. 여기에는 시장 조사, 주문 실행, 스마트 머니 추적 등이 포함됩니다.

하지만 그렇다고 해서 이제 모든 사람들이 커피를 마시면서 뒤에서 가재 요리사들이 분주하게 움직이며 돈을 버는 모습을 지켜볼 수 있다는 뜻일까요?

한 소셜 미디어 사용자가 "가재"를 이용한 돈벌이 도구를 공유했습니다.

AI 에이전트 ≠ 정량적 로봇

하지만 실제 결과는 대부분의 사람들이 상상하는 것과 다를 수 있습니다.

많은 사람들이 "AI 트레이딩"을 양적 트레이딩 로봇과 동일시하지만, 둘의 근본적인 논리는 완전히 다릅니다.

근본적인 차이가 있습니다. 전통적인 양적 거래 로봇은 기본적으로 "RSI가 30 아래로 떨어지면 매수하고 70 위로 올라가면 매도"와 같이 미리 정의된 규칙을 실행하는 자동화 프로그램입니다. 속도는 매우 빠르지만, 자신이 무엇을 하고 있는지 이해하지 못하고, 뉴스를 읽지 못하며, 시장 심리를 파악하지 못합니다. 이러한 전략의 효과는 전적으로 코드를 작성한 사람에게 달려 있습니다.

AI 에이전트의 핵심에는 대규모 언어 모델이 있습니다. 이 모델은 연준의 금리 인상에 대한 뉴스 기사를 읽고, 이것이 암호화폐 시장에 미치는 영향을 이해한 후, 보유량을 줄일지 여부를 결정할 수 있습니다.

간단히 말해서, 봇은 규칙을 실행하고 에이전트는 판단을 내립니다.

즉, 현재의 에이전트는 시장을 직접 모니터링하고 기회가 생겼을 때 직접 주문을 넣는 방식이 아닙니다. 이러한 모델에서 발생하는 토큰 비용과 시간 지연은 거래에 치명적인 영향을 미칩니다.

현재의 에이전트 트레이딩은 일반적으로 "분업" 모델을 채택하고 있습니다. 전통적인 프로그램은 모니터링과 실행을 담당하고, 대규모 모델은 분석 및 의사 결정만을 담당합니다.

구체적으로, 기존 프로그램은 거래소에서 실시간 가격, 온체인 데이터, 뉴스 및 기타 정보를 지속적으로 수집한 다음, 이 데이터를 패키징하여 대규모 모델로 전송합니다. 이 대규모 모델은 시장 상황, 뉴스, 온체인 이상 징후와 같은 다차원 정보를 통합하여 "ETH 매수, 10% 포지션, 주문 가격 2450달러"와 같은 거래 결정을 내립니다. 마지막으로, 거래 지시가 기존 프로그램으로 반환되면 프로그램은 거래소 인터페이스를 통해 주문을 실행하고 결과를 지속적으로 추적합니다.

기존 코드는 에이전트의 "손"과 "눈" 역할을 하고, 전체 모델은 "두뇌" 역할을 합니다. 세 가지 주요 플랫폼에서 제공하는 스킬은 에이전트에게 표준화된 "손"과 "눈"을 제공하여 다양한 거래 플랫폼의 데이터와 거래 기능을 신속하게 이용할 수 있도록 합니다. 하지만 실제로 거래 로직을 설계하는 작업은 여전히 ​​사람이 특정 전략에 따라 수행합니다. 단순히 스킬에 연결하기만 하면 계좌 잔액이 자동으로 급증하는 것은 아닙니다.

기술과 기능성을 넘어, 해결해야 할 두 가지 현실적인 문제가 있습니다.

첫 번째는 속도입니다. 기존의 고빈도 정량적 봇은 거래 지연 시간이 마이크로초에서 밀리초 범위에 있으며, 전문 시스템은 밀리초 미만의 지연 시간을 달성하기도 합니다. 그러나 AI 에이전트의 핵심 병목 현상은 대규모 모델 추론에 필요한 시간에 있습니다. 완전한 분석 및 결정 출력은 일반적으로 수백 밀리초에서 수 초가 소요되며, 복잡한 시나리오에서는 5초를 초과할 수도 있습니다. 이는 기존 봇보다 수천 배, 심지어 수백만 배 느린 속도입니다.

따라서 에이전트는 속도 면에서 양적 봇과 경쟁할 수 없습니다 . 에이전트는 고빈도 차익거래를 수행하거나 밀리초 단위의 가격 차이를 이용해 수익을 낼 수 없습니다. 에이전트의 경쟁력은 의사결정의 질에 있습니다 . 양적 봇은 밀리초 단위로 주문을 넣을 수 있지만, "연준 의장이 비둘기파적인 트윗을 올렸다"는 의미를 이해하지 못하는 반면, 에이전트는 이를 이해합니다. 에이전트는 초당 수천 건의 기계적인 작업을 수행하기보다는 시간당 한두 건의 신중하게 고려된 거래를 하는 데 더 적합합니다.

두 번째 요인은 비용입니다. 기존 봇은 일단 개발되면 서버 비용만 있으면 실행됩니다. 그러나 에이전트는 결정을 내릴 때마다 대규모 모델 인터페이스를 호출하므로 비용이 발생합니다. 예를 들어 GPT-5.2를 사용하는 경우, 에이전트가 5분마다(하루 288회) 시장을 분석하면 월별 추론 비용은 약 106달러입니다. 더 강력한 Claude Opus 4.6을 사용하면 약 238달러가 됩니다. 이는 거액을 운용하는 트레이더에게는 큰 금액이 아닐 수 있지만, 자본금이 몇천 달러에 불과한 개인 투자자에게는 이러한 추론 비용과 거래 수수료를 합하면 순이익을 내기가 훨씬 더 어려워집니다.

부동산 중개인으로 돈을 버는 데에는 기회보다 함정이 더 많습니다.

게다가 에이전트의 의사결정 품질 또한 중요한 문제입니다. 겉보기에 논리적이고 명확해 보이는 판단 이면에는 터무니없는 결정이 숨어 있을 수도 있습니다.

2025년 Nof1이 주최한 AI 트레이딩 대회는 극명한 사례를 보여주었습니다. 여러 대형 모델 기반 에이전트들이 경쟁했지만 결과는 극명하게 엇갈렸습니다. GPT-5 기반 에이전트는 초기 자본의 62%를 손실한 반면, Qwen3와 DeepSeek는 각각 22.3%와 4.89%의 수익을 올렸습니다. 이 AI 트레이딩 대회에서 일부 모델은 궁극적으로 수익을 냈지만, 극도로 불안정한 특성을 보였습니다. 특히 DeepSeek는 초기에는 높은 수익률을 기록했지만 이후 상당한 손실을 입어 시장의 기대감을 떨어뜨렸습니다.

실험의 두 번째 시즌에는 각각 1만 달러의 원금을 가진 15개의 AI 봇이 참여했습니다. 그중 GROK-4.2만이 양의 수익을 달성했습니다. 전체적으로 두 시즌 모두에서 양의 수익을 낸 모델은 단 세 개뿐이었고, 나머지는 모두 손실을 기록했습니다.

또한 PANews는 당시 가장 강력한 모델 몇 가지에 대한 시뮬레이션 연구를 진행했는데, 최종 결과는 장기적으로 볼 때 모든 모델의 예상 수익이 마이너스임을 보여주었습니다. (관련 기사: 정량적 AI 평가: 모든 모델의 예상 수익은 1 미만, 인공지능이 트레이더를 대체하기까지 얼마나 남았을까? )

폴리마켓에서 가장 고전적인 AI 봇 전략은 수학적 패리티 차익거래입니다. 바이너리 옵션 시장에서 "예"와 "아니오" 계약을 모두 매수하는 총비용이 1달러 미만일 경우, 두 계약을 동시에 매수하여 위험 부담 없이 수익을 확보하는 전략입니다. 많은 블로거들이 이 전략을 높이 평가해 왔습니다. 그러나 폴리마켓은 동적 수수료 및 기타 규칙 조정을 도입하여 일부 차익거래 전략을 무력화시켰습니다.

전반적으로 에이전트 트레이딩은 "돈 찍어내는 기계"가 아닙니다. 모델 선택, 전략 설계 및 위험 관리 규율은 모두 필수적입니다.

이러한 위험 외에도, 에이전트 거래에는 고려해야 할 여러 가지 다른 위험 요소가 수반됩니다.

첫째, 보안 측면에서 에이전트는 개인 키를 보유하고 자율적으로 거래를 실행합니다. 운영 환경이 손상될 경우 자산 손실로 이어질 수 있습니다. 이전 사례들을 보면 오픈 소스 플랫폼에 악성 기법을 주입하여 사용자 키를 탈취한 사례가 있습니다. 세 플랫폼 모두 성명에서 신중한 경고 문구를 사용했으며, 특히 Polymarket은 자사 소프트웨어를 "초기 실험용 소프트웨어"라고 명시적으로 언급했습니다.

둘째로, 대규모 모델의 "착각" 문제를 무시할 수 없습니다. 모델은 때때로 그럴듯해 보이지만 실제로는 잘못된 분석 결과를 내놓습니다. 일상적인 대화에서는 그저 당황스러운 정도일 수 있지만, 거래에서는 실제 금전적 손실로 이어질 수 있습니다.

전략의 동질화 또한 우려스러운 부분입니다. 다수의 투자자들이 동일한 기술과 모델을 사용하여 동일한 시장을 분석할 경우, 그들의 판단이 매우 유사해지고, 매수 신호가 동시에 발생하며, 가격이 급등하고, 후발 투자자들이 진입할 공간이 줄어들게 됩니다.

인공지능은 단지 무기일 뿐이며, 그것을 휘두르는 것은 여전히 ​​인간이다.

암호화폐 시장의 판도가 근본적으로 바뀌고 있습니다. 거래소들이 사람보다는 자동화 시스템을 위한 상품을 설계하기 시작했기 때문입니다. 2023년 데이터에 따르면 자동화 시스템이 암호화폐 시장 거래량의 70% 이상을 차지했으며, 이 비율은 계속 증가하고 있습니다.

하지만 에이전트 트레이딩은 여전히 ​​"초기 실험" 단계에 있습니다. 이는 단순히 도구를 개선하는 것일 뿐, "수익 창출 자동화"를 의미하는 것은 아닙니다. 풍부한 전략 및 양적 분석 경험을 보유한 기관들도 동일한 도구를 활용하여 개선을 이루고 있다는 점을 잊지 마십시오.

일반 투자자라면 서둘러 자신만의 AI 에이전트를 구축하기보다는, 먼저 FOMO(투기 공포증)를 억제하고 AI 에이전트의 한계와 약점을 이해하는 것이 좋습니다. 에이전트 트레이딩 시대가 도래한 것은 사실이지만, 수익성은 여전히 ​​그 뒤에 있는 인간의 전략적 의사결정 능력에 달려 있습니다.