노르웨이의 국부펀드가 인공지능(AI)을 활용해 환경·사회·지배구조(ESG) 관련 리스크를 스크리닝하고 있으며, 이를 통해 강제노동·부패 등 의심 사례를 조기에 발견해 투자 손실을 회피하고 있다고 밝혔다.
2026년 2월 26일, 로이터 통신의 보도에 따르면, 세계 최대 규모인 이 국부펀드는 운용자산 규모가 $2.2조(약 2.2조 달러)에 달하며 전 세계 상장 기업 약 7,200개에 지분을 보유하고 있고, 상장 주식 전체의 약 1.5%를 소유하고 있다. 이 펀드는 전통적으로 ESG(환경·사회·지배구조) 문제에서 선도적 역할을 해왔다.
펀드의 투자 운용은 재무부가 설정한 벤치마크 지수에 맞춰 측정되며, 주식 자산은 FTSE Global All Cap 지수에 연동되어 추적된다. 해당 지수에 신규 기업이 편입될 때마다 운용주체인 Norges Bank Investment Management (NBIM)는 해당 기업들을 포트폴리오에 편입시키기 전 사전 심사를 수행해야 한다.
NBIM은 2025년부터 대형 언어 모델(large language models)을 도입해, 주식 포트폴리오에 편입되는 당일 모든 기업을 스크리닝하고 있다고 밝혔다. 이 도구는 데이터 제공업체가 일반적으로 제공하지 않는 공개 정보를 신속하게 스캔해 잠재적 리스크를 찾아낸다.
“투자 후 24시간 이내에, AI 도구는 포트폴리오에 새로 편입된 기업을 대상으로 강제노동, 부패 또는 사기와 같은 잠재적 연관성을 표시한다.”
“여러 사례에서 우리는 이러한 투자를 시장 전체가 리스크를 인식하기 전에 식별해 매도함으로써 잠재적 손실을 회피했다.”
NBIM은 특히 AI가 신흥시장 중소형 기업을 조사하는 데 유용하다고 설명했다. 데이터 제공업체의 적용 범위가 제한적일 때가 많고, 국제 미디어가 이들 기업의 문제를 보도하지 않는 경우가 흔하기 때문이다. NBIM은 “뉴스는 지역 언어의 소규모 매체에 국한될 수 있고, 체계적 리스크 관리 실패를 시사하는 논란은 국제 미디어에서 보도되지 않을 수 있다”고 덧붙였다.
용어 설명
국부펀드(sovereign wealth fund)는 정부가 보유한 자금을 운용하는 투자기구로, 장기적 수익 추구와 국가 자산 관리를 목적으로 한다. 대형 언어 모델(large language models)은 방대한 텍스트 데이터를 학습해 자연어를 처리·생성하는 인공지능 기법을 말하며, 여기서는 공개 뉴스·보고서·현지 매체 보도 등을 자동으로 분석해 리스크 신호를 포착하는 데 사용된다. 데이터 벤더(data vendors)는 금융·기업 관련 데이터를 수집·판매하는 업체들을 지칭하며, 이들의 커버리지가 제한적일 때 AI가 추가 정보를 보완하는 역할을 한다.
시장 영향과 실무적 시사점
단기적 영향: NBIM이 AI를 통해 신규 편입 기업을 편입 당일에 스크리닝하고, 위험 신호가 확인될 경우 신속히 매도하는 과정은 특히 시가총액이 작고 유동성이 낮은 소형주에 대해 가격 변동성을 증폭시킬 수 있다. 대규모 자금을 운용하는 기관이 사전 정보로 신속히 포지션을 정리하면 단기적으로 주가가 급락하거나 유동성 압박을 받을 가능성이 있다.
중장기적 영향: 반대로 이러한 선제적 리스크 관리 방식은 기관의 장기적 리스크 조정 수익률을 개선할 수 있다. 빠른 리스크 식별과 회피는 잠재적 대규모 손실을 방지함으로써 포트폴리오의 변동성을 낮추고, 투자자 신뢰를 지탱한다. 또한 대형 투자자가 AI 기반 스크리닝을 표준화하면 시장 전반의 ESG 정보 수집·공시 압력이 높아져 기업의 리스크 관리 수준 제고를 촉진할 수 있다.
데이터 시장·정보 제공자에 대한 영향: NBIM의 사례는 기존 데이터 벤더의 커버리지 한계를 드러낸다. 데이터 벤더는 신흥시장과 소규모 매체 보도를 포함한 광범위한 정보 확보 경쟁에 직면할 가능성이 크며, 이는 데이터 품질 개선과 비용 상승으로 이어질 수 있다.
리스크와 한계: AI 도구는 오탐(허위 긍정)이나 미탐(허위 부정)의 가능성을 동시에 지닌다. 현지 언어 뉴스의 자동 번역 과정이나 데이터의 신뢰도 문제로 인해 잘못된 신호가 감지될 수 있고, 잘못된 매도 의사결정은 불필요한 거래비용과 성과 저하를 초래할 수 있다. 따라서 AI 판별 결과는 인적 검토와 결합하는 체계가 필요하다.
정책·규제적 고려사항
대형 기관이 AI를 통해 투자 결정을 자동화하는 추세가 확산되면 규제당국은 알고리즘 투명성, 데이터 출처의 적정성, 오탐에 따른 시장 안정성 문제에 주목할 필요가 있다. 특히 시장 충격을 완화하기 위한 사전적 모니터링과 알고리즘 거버넌스 가이드라인이 요구된다.
결론: 요약 및 전망
NBIM의 AI 활용은 신속한 리스크 식별을 통해 잠재적 손실을 회피했다는 점에서 투자 운용의 효율성과 대응 속도를 높였다는 평가를 받는다. 향후 다른 대형 기관과 자산운용사들도 유사한 시스템을 도입할 가능성이 높으며, 이는 ESG 관련 정보의 조기 탐지와 기업의 투명성 제고를 촉진할 것이다. 다만 AI 기반 판별의 정확성, 데이터 커버리지, 시장 충격 완화 장치 등 보완 과제가 남아 있어 관련 인프라와 규제체계의 정비가 병행되어야 한다.
