“다른 사람은 생각하지 못할 방법을 찾아 줘.” AI에게 부탁하면 담보 경매, 상환 대기열, 종료되는 서비스의 남은 자산, 거래소 입금 경로, 해산 조직의 청구권, 여러 자산을 묶은 토큰 등 아이디어가 쏟아진다.
듣기만 하면 보물지도다. 그런데 곧 이상한 질문이 생긴다. 사람도 생각하지 못하는 기회를 AI는 대체 어떻게 생각해 내는 걸까?
“더 창의적으로!”를 백 번 외친다고 해결될까. 그쯤 되면 우주선 연료를 블록체인에서 상환하는 방법까지 나올지도 모른다. 재미는 있는데, 돈은 어디에 있지?
핵심은 발상으로 탐색 범위를 넓히되 실제 가격과 상환 조건에서 발견한 이상한 차이를 중심으로 조사하는 것이다.
왜 참신한 답변을 요구해도 비슷한 답이 나올까
언어 모델은 막대한 자료를 배웠지만 흔하고 무난한 답변으로 몰리기 쉽다. 2026년 ICML에 발표된 Verbalized Sampling 연구는 여러 답변과 각각의 확률을 함께 말하게 하는 방식으로, 창작 과제에서 답변의 다양성을 일반 지시 대비 1.6~2.1배 높였다. 매매 수익률이 그만큼 올랐다는 뜻은 아니다. [1]
다른 분야에서 구조가 비슷한 문제를 찾아 해법을 옮겨 보는 2026년 사전 공개 연구에서도 과학적 해결책의 다양성 지표가 90~173% 개선됐다고 보고했다. [2]
엉뚱한 방향으로 생각하는 기술은 있다. 그러나 엉뚱함 자체가 현금으로 바뀌지는 않는다.
새롭다는 평가와 실제 성과는 다르다
2025년 ICLR 연구에서는 자연어 처리 전문가 100명 이상이 참여한 블라인드 평가에서 AI가 제안한 연구 아이디어의 참신성이 인간의 아이디어보다 높게 평가됐다. 반면 실현 가능성은 조금 낮았다. [3]
이어 전문가 43명이 아이디어를 실제로 구현한 연구에서는 AI가 낸 아이디어의 평가가 실행 후 더 크게 떨어졌다. [4]
디파이 수익을 실험한 결과는 아니지만, 교훈은 분명하다. “들어 본 적 없는 방법”과 “정말로 돈을 회수할 수 있는 방법”은 다른 문제다. 이전 논문과 대조해 중복 아이디어를 고치거나, 여러 AI가 가설을 비판하고 발전시키는 연구도 있다. [5][6]
디파이에서 '잔돈 줍기'란 무엇일까
디파이(DeFi)는 블록체인으로 자산을 교환하거나 빌리고 되돌려 받는 금융 서비스다. 여기서 '잔돈 줍기'란 작거나 번거로워서 지나치기 쉬운 가격 차이와 회수 경로를 조사하는 비유다.
살펴볼 곳은 담보 경매, 소액 상환, 문을 닫는 서비스, 도구가 다른 신생 시장, 거래소 입금 경로, 해산 단체의 청구권, 여러 자산을 묶은 토큰과 시간 제한이 있는 시장이다. 범주는 일부 겹치지만 경쟁자가 포기하는 이유는 다르다.
“상환 서류를 읽기 귀찮아서 권리가 싸게 거래되는 걸까?”라는 질문은 흥미롭다. 하지만 거래소가 입금을 받는다는 사실과 상환 청구권은 별개다. 자격, 지원 네트워크, 중단 조건, 인출 규정을 확인해야 한다.
아이디어를 만들기 전에 이상한 숫자를 찾자
가상의 사례를 보자. 어떤 토큰은 시장에서 97달러인데, 조건을 충족하는 보유자는 공식 절차로 100달러 상당을 돌려받을 수 있는 것처럼 보인다.
발상 담당 AI는 “3달러 차익!”이라고 외친다. 검증 담당은 묻는다. 누구에게 자격이 있는가? 돈은 언제 들어오는가? 수수료는? 두 가격의 단위는 같은가? 실제로 그 물량을 거래할 수 있는가? 중간에 중단될 위험은?
순이익은 겉으로 보이는 가격 차이에서 수수료, 실행 비용, 예상 손실을 뺀 값이다. 큰 손실을 만드는 위험은 별도로 관리한다.
반복 가능한 순서는 공개 가격과 공식 문서 수집 → 자산·권리·시간 기준 통일 → 이상 차이 탐지 → 경쟁 봇이 접근하지 않는 이유 조사 → 독립 검증과 허용된 소규모 테스트다.
먼저 차이를 발견하고, 그다음 이유를 설명한다.
탐색 AI 일곱 명을 응원단으로 만들지 말자
일곱 명이 같은 글을 읽고 모두 “유망합니다!”라고 말하면 실제로는 같은 판단을 일곱 번 반복한 것이다.
각각 희귀 후보 찾기, 선행 사례 확인, 공식 권리 검토, 거래 가능 가격과 수량 계산, 거래소 규정 확인, 손실 관점의 반박, 재현성 기록을 맡기는 편이 낫다. 판단의 근거는 AI의 찬성표가 아니라 서로 독립적인 증거다.
같은 시간 안에 기존 방식과 비교해 후보 100개 중 새롭고 실행 가능한 사례가 몇 개 남는지, 실제 순이익이 있는지 측정하면 된다.
결론: 수정구보다 빗자루가 필요하다
AI에게 천재의 영감을 주문하기보다는 사람이 미처 보지 못한 숫자와 조건을 찾게 하자. 고속 매매가 F1이라면 이 작업은 폐점 후 분실물 센터에 가깝다. 화려하진 않아도, 그 물건을 정말 찾아갈 권리가 있는지 확인하는 데는 꽤 많은 지혜가 필요하다.
연구 자료: [1] ICML 2026 · [2] 유추 연구, 2026 · [3] ICLR 2025 · [4] 실행 격차 연구 · [5] SciMON · [6] Co-Scientist
