Bank of America Missed Some Bad Guys

Source: https://www.bloomberg.com/opinion/newsletters/2026-10-14/bank-of-america-missed-some-bad-guys

It is sort of the job of big US banks to catch terrorists and drug dealers, but not all of them. Be reasonable. If you are a big bank and you have 10 million customers with checking accounts, it stands to reason that, say, 1,000 of them might deal drugs from time to time. If you report 700 of them to the police, that’s quite helpful in fighting crime. If you miss the other 300, fine. Nobody expects you to identify every drug dealer who keeps cash at your bank. But if you only report 200 of the drug dealers, you arguably are not taking your enforcement responsibilities seriously, and you have to pay a big fine.

테러리스트와 마약 밀매업자를 잡아내는 것은 미국 대형 은행들의 업무 중 일부이지만, 그렇다고 모든 범죄자를 다 잡아낼 수는 없는 노릇입니다. 상식적으로 생각해보세요. 만약 당신이 체크카드 계좌를 가진 고객이 1,000만 명인 대형 은행이라면, 그중 대략 1,000명 정도가 가끔씩 마약 거래를 할 가능성은 충분히 있습니다. 그중 700명을 경찰에 신고한다면 범죄 소탕에 꽤 큰 도움이 됩니다. 나머지 300명을 놓쳤다면, 괜찮습니다. 은행에 현금을 예치하는 모든 마약 밀매업자를 찾아낼 것이라고 기대하는 사람은 아무도 없습니다. 하지만 마약 밀매업자 중 고작 200명만 신고한다면, 이는 규제 준수 책임을 진지하게 받아들이지 않는 것이며 거액의 벌금을 물게 될 것입니다.

Those numbers are made up, and I don’t know the actual threshold at which a bank will get in trouble. Obviously it is in some sense unknowable; it’s not like the police catch all the drug dealers either, so you never know the denominator. On the other hand, you do apparently have to catch 100% of your customers who are Jeffrey Epstein.

물론 이 숫자는 지어낸 것이며, 은행이 처벌을 받게 되는 실제 임계점이 어디인지는 저도 모릅니다. 당연히 이는 어느 정도 알 수 없는 영역입니다. 경찰조차도 모든 마약 밀매업자를 잡아내는 것은 아니므로 분모가 얼마인지 결코 알 수 없기 때문입니다. 반면에, 제프리 엡스타인(Jeffrey Epstein)인 고객만큼은 100% 찾아내야 하는 것처럼 보이기도 합니다.

You could have an old-timey model in which every customer who wants to open a checking account walks into the bank and sits down with a bank officer who shakes her hand and looks her in the eye and asks her some questions about what line of work she’s in, and if the potential customer is nervous and twitchy and smells like drugs, the bank officer declines her business. But if she’s a smooth and persuasive and presentable drug dealer then the bank officer will give her a checking account and that’s fine, that’s life, nobody’s perfect.

체크카드 계좌를 개설하려는 모든 고객이 은행에 직접 걸어 들어가 은행 직원에 마주 앉아 악수를 나누고 눈을 맞추며 어떤 일을 하는지 질문을 받는, 그런 옛날식 모델을 상상해 볼 수도 있습니다. 예비 고객이 긴장하며 안절부절못하고 마약 냄새를 풍긴다면 은행 직원이 거래를 거절하는 식입니다. 하지만 그가 세련되고 설득력 있으며 번듯한 마약 밀매업자라면 은행 직원이 체크카드 계좌를 내어줄 것이고, 그것도 삶의 일부이며 세상에 완벽한 사람은 없으니 어쩔 수 없는 일입니다.

This is not a realistic model for large modern banks, though, and these days what happens is that you have millions of accounts and some statistical system for flagging suspicious ones. The system has some list of features that are predictive of drug dealing, and it scores each account based on how many of those features it displays and to what extent. If the statistical system says “hey this account looks a lot like a drug dealer,” it will escalate the account to a human reviewer, who will take a look and either (1) say “nah system, this is just a misunderstanding” or (2) report to the police. If the statistical system says “hey this account has one or two characteristics that look a leeettle like maybe there’s some drug dealing,” though, it will probably keep that to itself. There are so many accounts, and you can’t be troubling the human reviewers with every little suspicion. 

하지만 이는 현대의 대형 은행들에게는 현실적인 모델이 아닙니다. 요즘에는 수백만 개의 계좌가 존재하고 의심스러운 계좌를 포착하는 통계 시스템이 작동합니다. 이 시스템은 마약 거래를 예측하게 만드는 여러 특징 목록을 가지고 있으며, 각 계좌가 그러한 특징을 얼마나 많이, 그리고 어느 정도 수준으로 드러내는지에 따라 점수를 매깁니다. 통계 시스템이 "어이, 이 계좌는 마약 밀매업자랑 아주 똑같이 생겼는데"라고 판단하면, 해당 계좌를 인간 검토자에게 이관합니다. 검토자는 이를 살펴본 뒤 (1) "야, 시스템아 이건 그냥 오해였어"라고 판단하거나 (2) 경찰에 신고합니다. 반면에 통계 시스템이 "이 계좌는 마약 거래를 살짝 의심케 하는 특징이 한두 가지 있네"라고 판단한다면, 아마 그 사실을 혼자만 알고 있을 것입니다. 계좌가 너무 많아서 아주 사소한 의심마다 인간 검토자를 귀찮게 할 수는 없으니까요.

The statistical system has some method of weighting the features to generate a risk score, and every account will have some score between “0% drug dealer” and “100% definitely drug dealer,” and there will be some threshold — 30% or 70% or whatever, I don’t know — at which accounts are flagged to humans. And if you are in charge of the bank’s drug-dealer-catching function, you have a dial you can turn to adjust that threshold. If the threshold is too low, too many accounts get flagged, you’re spending billions of dollars hiring human reviewers, most of the reports are false positives, and your boss gets mad at you for being a pointless cost center. If the threshold is too high, you are providing too many bank accounts to drug dealers and you will eventually pay a billion-dollar fine. You gotta set the dial right. 

통계 시스템은 위험 점수를 생성하기 위해 여러 특징에 가중치를 부여하는 방식을 사용합니다. 모든 계좌는 "마약 밀매업자 아님 0%"부터 "100% 확실한 마약 밀매업자" 사이의 점수를 가지게 되며, 계좌가 인간에게 경고로 통보되는 임계점(30%든 70%든, 저는 모릅니다)이 존재합니다. 그리고 은행의 마약 밀매업자 색출 기능을 총괄하고 있다면, 그 임계점을 조절하기 위해 돌릴 수 있는 다이얼이 손에 쥐어져 있습니다. 임계점이 너무 낮으면 너무 많은 계좌가 경고로 잡혀서 인간 검토자를 고용하는 데 수십억 달러를 쓰게 되고, 대부분의 신고는 오탐(false positives)이 되며, 상사는 당신이 쓸모없는 비용 발생 부서라며 화를 낼 것입니다. 임계점이 너무 높으면 마약 밀매업자들에게 너무 많은 은행 계좌를 제공하는 꼴이 되어 결국 수십억 달러의 벌금을 물게 됩니다. 그러므로 다이얼을 올바르게 맞춰야 합니다.

Anyway:

Bank of America Corp. was fined more than $1.21 billion for money laundering and sanctions violations by US regulators, who said the bank “effectively outsourced” a key part of its compliance efforts as it sought to protect revenue.

The enforcement actions, announced by the Treasury Department, include a record $750 million civil penalty from the Office of the Comptroller of the Currency, according to a statement Tuesday.

The Office of Foreign Assets Control said its settlement with Bank of America was tied to 475 apparent violations of sanctions programs involving countries such as Russia and Iran. Regulators also placed the bank under a consent order.

어쨌든 결론은 이렇습니다:

뱅크오브아메리카(Bank of America Corp.)는 자금 세탁 및 제재 위반 혐의로 미국 규제 당국으로부터 12억 1,000만 달러 이상의 벌금을 부과받았습니다. 규제 당국은 이 은행이 수익을 보호하려고 애쓰는 과정에서 규제 준수 노력의 핵심 부분을 "사실상 외주화했다"고 밝혔습니다.

화요일 발표된 성명에 따르면, 재무부가 발표한 집행 조치에는 통화감독청(Office of the Comptroller of the Currency)이 부과한 사상 최대 규모인 7억 5,000만 달러의 민사 벌금이 포함되어 있습니다.

미국 재무부 해외자산통제국(Office of Foreign Assets Control)은 뱅크오브아메리카와의 합의가 러시아 및 이란 같은 국가들과 관련된 제재 프로그램 위반 혐의 475건과 연관되어 있다고 밝혔습니다. 규제 당국은 또한 이 은행에 동의 명령(consent order)을 부과했습니다.

Right, not just drug dealers and terrorists; also Russians and Iranians and Chinese money launderers. Here’s the consent order, from the Treasury Department’s Financial Crimes Enforcement Network, which gets deep into the weeds about how Bank of America set the dial:

This resulted from several issues related to the design and implementation of Bank of America’s proprietary transaction monitoring system, Event Processor (EP), the primary control that the Bank used to fulfill its obligation to identify and report suspicious activity. ….

As designed, EP resulted in individual alerts of potentially suspicious activity associated with a transaction (referred to by the Bank as “events”) generally not being subject to manual review by an investigator. Instead … EP individually assigned a weighted score to each alert by assigning the alert “risk factors” and consolidated — generally at the customer level — the alerts generated within a defined time period (described below) into groups (Event Groups). …

Once an Event Group received a score of 20 points, it formed a “case” that was sent to an AML investigator for manual review. …

The 20-point threshold for Event Groups to trigger review by the Bank’s investigators was also developed based on “stakeholder judgement” and was not adequately supported by documentation or empirical evidence that such a threshold sufficiently mitigated Bank of America’s risks.

그렇습니다. 마약 밀매업자와 테러리스트뿐만 아니라 러시아인, 이란인, 그리고 중국인 자금 세탁범들까지 포함됩니다. 다음은 뱅크오브아메리카가 어떻게 다이얼을 설정했는지에 대한 세부 내용을 파고드는, 재무부 산하 금융범죄단속네트워크(FinCEN)의 동의 명령 내용입니다:

이는 뱅크오브아메리카의 독자적 거래 모니터링 시스템인 이벤트 프로세서(Event Processor, EP)의 설계 및 구현과 관련된 여러 문제에서 비롯되었습니다. EP는 은행이 의심스러운 활동을 식별하고 신고할 의무를 이행하는 데 사용한 주된 통제 수단이었습니다. ….

설계상 EP는 거래와 연쇄된 잠재적 의심 활동 개별 경고(은행에서는 이를 '이벤트'라고 부름)가 조사자의 수동 검토 대상이 되지 않도록 했습니다. 대신... EP는 각 경고에 '위험 요소'를 할당하여 개별적으로 가중 점수를 부여하고, 정의된 기간(아래에 설명됨) 내에 생성된 경고들을 (일반적으로 고객 수준에서) 그룹(이벤트 그룹)으로 통합했습니다. …

이벤트 그룹이 20점을 받으면 '케이스'가 형성되어 수동 검토를 위해 자금세탁방지(AML) 조사자에게 전송되었습니다. …

은행 조사자가 검토를 개시하도록 트리거하는 이벤트 그룹의 20점 임계점 역시 '이해관계자의 판단'을 바탕으로 개발되었으며, 그러한 임계점이 뱅크오브아메리카의 위험을 충분히 완화했다는 점을 뒷받침하는 문서나 경험적 증거가 적절히 마련되어 있지 않았습니다.

Eventually, under pressure from regulators, they turned the dial lower:

Following engagement with the Bank’s prudential regulators, in December 2023, Bank of America lowered the 20-point threshold to either 10 or 12 points depending on certain characteristics of the Event Group. … In 2024, Bank of America conducted a one-time lookback for potential missed suspicious activity under these revised parameters for EP and found that under the revised thresholds, the Bank had failed to identify and file nearly 8,900 SARs [suspicious activity reports required to be filed with FinCEN], with transaction activity totaling nearly $4 billion. Further, in connection with the implementation, the Bank estimated that the revised threshold would result in an increase of 16,000 U.S. investigations each month, representing “double [the] prior ongoing monthly volume” and requiring the Bank to increase staffing with an “incremental 750” personnel to support such volumes going forward (in addition to 800 consultants required to complete the one-time lookback).

결국 규제 당국의 압박을 받아 그들은 다이얼을 더 낮추었습니다:

은행의 건전성 규제 당국과의 협의에 따라 뱅크오브아메리카는 2023년 12월에 이벤트 그룹의 특정 특성에 따라 20점이었던 임계점을 10점 또는 12점으로 낮추었습니다. … 2024년에 뱅크오브아메리카는 수정된 EP 매개변수 하에서 잠재적으로 놓친 의심 활동에 대한 일회성 소급 조사(lookback)를 실시했으며, 수정된 임계점 하에서 은행이 40억 달러에 달하는 거래 활동과 관련된 8,900건에 가까운 SAR[금융범죄단속네트워크에 제출해야 하는 의심거래보고]을 식별 및 신고하지 못했음을 발견했습니다. 나아가 이 구현과 관련하여, 은행은 수정된 임계점으로 인해 매달 16,000건의 미국 내 조사가 증가할 것으로 예상했으며, 이는 "기존 월간 지속 조사 물량의 두 배"에 달하는 수준으로 향후 해당 물량을 지원하기 위해 "추가 750명"의 인력을 확충해야 함을 의미했습니다(일회성 소급 조사를 완료하는 데 필요한 800명의 컨설턴트는 별개입니다).

If you turn the dial from 20 down to 10, that doubles the human workload and thus requires more humans.

다이얼을 20에서 10으로 내리면 인간의 업무량이 두 배로 늘어나며, 따라서 더 많은 인력이 필요하게 됩니다.

It’s not pure dial-setting though. The underlying model has to make sense. FinCEN objects to how the model’s features were weighted:

Testing conducted by Bank of America also demonstrated that differences in risk factor weights were not correlated to their relative SAR yields. …

Many cash-related risk factors had weights of one point but SAR yields above 50%. For the model “ATM Large Cash Deposit,” a 2019 report found that “the current weights do not align with the high SAR yield.” The report acknowledged that Bank of America had added four new risk factors to this model during the most recent model enhancement, but the report also found that “all four risk factors have high SAR yields, but each of them only carries a risk weight of 1-pt.”

물론 단순히 다이얼을 조작하는 문제만은 아닙니다. 기저에 깔린 모델 자체가 타당해야 합니다. FinCEN은 모델의 특징들에 가중치가 부여된 방식에 대해 이의를 제기합니다:

뱅크오브아메리카가 실시한 테스트에서도 위험 요소 가중치의 차이가 상대적 SAR 산출량(yield)과 상관관계가 없다는 점이 입증되었습니다. …

현금 관련 위험 요소 중 상당수가 1점의 가중치를 가졌지만 SAR 산출량은 50%를 넘었습니다. 'ATM 고액 현금 입금' 모델의 경우, 2019년 보고서는 "현재 가중치가 높은 SAR 산출량과 일치하지 않는다"고 지적했습니다. 보고서는 뱅크오브아메리카가 가장 최근의 모델 개선 과정에서 이 모델에 4개의 새로운 위험 요소를 추가했음을 인정하면서도, "4개의 위험 요소 모두 높은 SAR 산출량을 보이지만 각각 고작 1점의 위험 가중치만을 지니고 있다"는 사실을 발견했습니다.

Ideally, you would have a perfectly calibrated statistical model that could tell you “this account is 90% likely to be a drug dealer” and be right 90% of the time, “this account is 10% likely to be a drug dealer” and be right 10% of the time, etc. Once you had that model, you’d want to set the dial to the right place. But if you have a model that just spits out random numbers — a model whose scores are not particularly correlated to the actual probability of drug dealing — then the dial is useless. Bank of America’s model had some features that were highly correlated with suspicious activity, but that it treated as not that important. 

이상적으로는, "이 계좌는 마약 밀매업자일 확률이 90%입니다"라고 말하면 90%의 확률로 맞추고, "이 계좌는 마약 밀매업자일 확률이 10%입니다"라고 하면 10%의 확률로 맞추는 식의 완벽하게 보정된 통계 모델을 갖추는 것입니다. 일단 그러한 모델을 갖추었다면, 다이얼을 올바른 위치에 설정하고 싶어질 것입니다. 하지만 무작위 숫자를 뱉어내는 모델, 즉 점수가 마약 거래의 실제 확률과 특별히 상관관계가 없는 모델을 가지고 있다면 다이얼은 아무 소용이 없습니다. 뱅크오브아메리카의 모델에는 의심스러운 활동과 높은 상관관계를 보이면서도 정작 중요하지 않게 취급된 몇 가지 특징들이 있었습니다.

This all takes place at a fairly high level of abstraction. The consent order says that Bank of America had “certain false negative thresholds, including a 5% tolerance level for false negatives for management oversight”: That is, in theory, Bank of America was trying to catch at least 95% of suspicious activity. FinCEN objects that some of the samples had suspicious activity “roughly seven-to-nine times higher than the ‘false negative’ tolerance of 5%,” meaning that Bank of America was not doing a good job of actually meeting its 95% target. But as far as I can tell that target is not anywhere in the law, and FinCEN doesn’t say whether it was a good target, or too high, or too low. It just sounded about right to Bank of America. “We aim to catch 95% of drug dealers and terrorists and Iranians” seems like a reasonable goal: A big number, but not an implausible one.

이 모든 일은 상당히 높은 수준의 추상화 단계에서 일어납니다. 동의 명령에 따르면 뱅크오브아메리카는 “경영진의 감독을 위해 오탐(false negative)에 대한 5% 허용 수준을 포함하여 특정 오탐 임계점을 가지고 있었습니다”: 즉, 이론적으로 뱅크오브아메리카는 적어도 95%의 의심 활동을 잡아내려고 애쓰고 있었습니다. FinCEN은 일부 표본의 의심 활동이 "5%의 '오탐' 허용치의 대략 7~9배에 달했다"고 지적하며, 이는 뱅크오브아메리카가 95%라는 목표를 실제로 달성하는 데 썩 잘 해내지 못했음을 의미합니다. 하지만 제가 알기로는 그 목표가 법에 명시되어 있는 것도 아니며, FinCEN이 그것이 좋은 목표였는지, 너무 높았는지, 혹은 너무 낮았는지에 대해 언급한 바도 없습니다. 그 수치는 뱅크오브아메리카 입장에서 대략 적당해 보였을 뿐입니다. "우리는 마약 밀매업자와 테러리스트, 그리고 이란인들의 95%를 잡는 것을 목표로 합니다"라는 말은 합리적인 목표처럼 들립니다. 거대한 숫자이긴 하지만 터무니없는 숫자는 아닙니다.

Anyway, there are some specific customer anecdotes:

Customer A is a company that operates a global, digital marketplace connecting sellers of salvaged vehicles sourced in the United States with both domestic and international buyers. …

Customer B is a publicly traded company that similarly operates a platform linking sellers of U.S. salvaged vehicles with buyers around the world. …

The potential money laundering risks that could be associated with vehicle auction and export businesses have long been recognized by FinCEN and other law enforcement agencies. Used vehicle transactions have repeatedly been publicly linked to [trade-based money laundering] and terrorist financing networks, as used and salvaged vehicles can be used to move value across borders. The Bank’s investigators were aware that used vehicle exports could be a component of money laundering schemes.

어쨌든, 몇 가지 구체적인 고객 일화들이 존재합니다:

고객 A는 미국에서 조달된 중고 자동차의 판매자와 국내외 구매자를 연결하는 글로벌 디지털 마켓플레이스를 운영하는 기업입니다. …

고객 B는 마찬가지로 미국 중고 자동차 판매자와 전 세계 구매자를 연결하는 플랫폼을 운영하는 상장 기업입니다. …

자동차 경매 및 수출 사업과 연관될 수 있는 잠재적 자금 세탁 위험은 FinCEN 및 기타 법 집행 기관에 의해 오래전부터 인식되어 왔습니다. 중고 및 폐차 차량은 국경을 넘어 가치를 이동시키는 데 사용될 수 있으므로, 중고 자동차 거래는 [무역 기반 자금 세탁] 및 테러 자금 조달 네트워크와 반복적으로 공개적으로 연계되어 왔습니다. 은행의 조사자들은 중고 자동차 수출이 자금 세탁 계획의 구성 요소가 될 수 있음을 인지하고 있었습니다.

And Bank of America actually noticed a bunch of red flags but was slow to act on them, because those customers paid a lot of fees:

In an August 2022 meeting with the business team managing the Customer A relationship, Bank compliance personnel stated that, between 2020 and August 15, 2022, more than 100 AML [anti-money laundering] cases had been identified involving Customer A, approximately 90% of which were fraud-related, and that “[o]verwhelming evidence suggests that [Customer A] is receiving payments from numerous victims of mass marketing scams[.]” Contemporaneous communications among Bank compliance personnel showed that they “expect[ed] some pushback on the closure” because Customer A was a “longstanding client and there is significant credit exposure.” ...

Bank compliance personnel compared investigative metrics and case volumes across the Bank’s online auto auction relationships, with compliance personnel concluding that Customer B raised “similar concerns,” but exhibited these concerns “in significantly lower scale/volume” than Customer A. Based on this preliminary analysis, compliance personnel indicated that they would “pursue an analysis of all Auto Auction companies in the future to understand the risk associated with these types of companies.” The Bank did not conduct such an analysis for another two years, eventually conducting it only after FinCEN’s investigation was well underway.

그리고 뱅크오브아메리카는 실제로 여러 위험 신호(red flags)를 알아차렸음에도 불구하고 해당 고객들이 막대한 수수료를 지불하고 있었기 때문에 조치를 취하는 데 소극적이었습니다:

고객 A 관계를 관리하는 사업 팀과의 2022년 8월 회의에서, 은행 준법감시 인력은 2020년부터 2022년 8월 15일 사이 고객 A와 관련된 100건 이상의 AML[자금세탁방지] 사례가 확인되었으며, 그중 약 90%가 사기 관련이었고 "[고객 A]가 대량 마케팅 사기의 수많은 피해자로부터 대금을 받고 있다는 압도적인 증거가 시사한다"고 밝혔습니다. 은행 준법감시 인력 간의 실시간 소통 내용에 따르면 그들은 고객 A가 "장기 고객이고 상당한 신용 노출(credit exposure)이 존재하기 때문에 계약 해지에 대해 일부 반발이 있을 것"으로 "예상"했습니다. ...

은행 준법감시 인력은 은행의 온라인 자동차 경매 거래 관계 전반에 걸쳐 조사 지표와 사례 물량을 비교했으며, 준법감시 인력은 고객 B가 "유사한 우려"를 불러일으키지만 고객 A에 비해 "상당히 낮은 규모/물량"으로 이러한 우려를 나타낸다고 결론지었습니다. 이 예비 분석을 바탕으로 준법감시 인력은 "이러한 유형의 기업과 관련된 위험을 이해하기 위해 향후 모든 자동차 경매 기업에 대한 분석을 추구"하겠다고 밝혔습니다. 은행은 그로부터 2년이 지나도록 그러한 분석을 수행하지 않았으며, 결국 FinCEN의 조사가 본격적으로 진행된 이후에야 비로소 이를 수행했습니다.

Bank of America did not look into systematically restricting its dealings with online auto auction companies until FinCEN pressured it to do so. I mention that anecdote because of the next section.

뱅크오브아메리카는 FinCEN이 압박을 가하고 나서야 비로소 온라인 자동차 경매 기업들과의 거래를 체계적으로 제한하는 방안을 검토하기 시작했습니다. 다음 섹션 때문에 이 일화들을 언급했습니다.

Here’s this:

The Office of the Comptroller of the Currency (OCC) today released a report of its findings from its supervisory review of debanking activities at the nine largest national banks it supervises: JPMorgan Chase Bank, Bank of America, Citibank, Wells Fargo Bank, U.S. Bank, Capital One, PNC Bank, TD Bank, and BMO Bank. ...

In the report, the OCC found that broad reputation risk policies — which lacked clear standards and objective, risk-based criteria — disadvantaged certain Americans based on their political, religious, or social views or based on their lawful business activities. The OCC also found that banks maintained public and nonpublic policies restricting certain industry sectors’ access to financial services, including those in oil and gas exploration, coal mining or coal-powered plants, firearms or ammunition manufacturing or distribution, construction or operation of detention facilities, the manufacturing, distribution or online retail of tobacco or e-cigarettes, and digital asset activities.

내용은 이렇습니다:

통화감독청(OCC)은 오늘 자사에서 감독하는 9개 대형 국법은행(JP모건 체이스, 뱅크오브아메리카, 씨티뱅크, 웰스파고, US뱅크, 캐피털원, PNC뱅크, TD뱅크, BMO뱅크)의 디뱅킹(debanking, 계좌 폐쇄 또는 개설 거부) 활동에 대한 감독 검토 결과를 발표했습니다. …

OCC는 보고서에서 명확한 기준과 객관적이고 위험 기반의 기준이 결여된 광범위한 평판 리스크 정책이 특정 미국인들의 정치적, 종교적, 사회적 견해나 합법적인 사업 활동을 이유로 불이익을 주었다고 지적했습니다. 또한 OCC는 은행들이 석유 및 가스 탐지, 석탄 채굴 또는 석탄화력발전소, 총기 또는 탄약 제조 및 유통, 구금 시설 건설 및 운영, 담배 또는 전자담배의 제조·유통·온라인 소매, 그리고 디지털 자산 활동을 포함한 특정 산업 부문의 금융 서비스 접근을 제한하는 공개 및 비공개 정책을 유지해 왔다고 밝혔습니다.

Not online auto auctions, though. If, in 2022, a potential customer walked into your bank and said “hello, I would like to open an account for my digital asset business,” and you sat down with her and looked her in the eye and asked her some questions about her line of work, your questions might have included “so how many of your customers are drug dealers” and “how many of them are sanctioned foreigners” and “how many of them are doing scams,” and the customer might have gotten a little shifty-eyed. Oh not every crypto business! Some crypto businesses are very upstanding. I would not want to suggest that crypto is used mainly for crimes and money laundering. But is crypto used for crimes and money laundering more often than Bank of America is? Discuss.

하지만 온라인 자동차 경매는 여기에 포함되지 않았습니다. 만약 2022년에 잠재 고객이 은행에 걸어 들어와 "안녕하세요, 제 디지털 자산 사업을 위해 계좌를 개설하고 싶습니다"라고 말하고, 직원에 마주 앉아 눈을 맞추며 사업 분야에 대해 몇 가지 질문을 받았다면 그 질문에는 "그럼 고객 중 몇 명이나 마약 밀매업자입니까?"라거나 "그들 중 몇 명이 제재 대상 외국인입니까?", "그들 중 몇 명이 사기를 치고 있습니까?" 같은 내용이 포함되었을 것이고, 고객은 약간 눈치를 보며 불안해했을지도 모릅니다. 아, 모든 암호화폐 사업이 그렇다는 것은 아닙니다! 일부 암호화폐 사업은 매우 떳떳합니다. 암호화폐가 주로 범죄와 자금 세탁에 쓰인다고 시사하고 싶지는 않습니다. 하지만 암호화폐가 범죄와 자금 세탁에 쓰이는 빈도가 뱅크오브아메리카가 그런 범죄에 연루되는 빈도보다 더 높을까요? 한번 토론해 봅시다.

It is a bit jarring that the “every legal business should get a bank account” report came down the day after Bank of America’s $1.2 billion fine for giving publicly traded car-salvage companies bank accounts. (The Bank of America “order is a twist in the ongoing efforts by President Donald Trump’s top regulators to scale back a raft of big-bank requirements,” notes Bloomberg’s Paige Smith.) Presumably part of the explanation is that the money-laundering investigators and the debanking investigators work in different parts of the OCC and don’t talk to each other. Presumably part of it is that these investigations have different purposes: The debanking stuff is about consumer protection and access to credit, maybe, or else it’s about political score-settling; the money-laundering stuff is about preventing terrorist financing and sanctions violations.

"모든 합법적 기업은 은행 계좌를 가져야 한다"는 보고서가 뱅크오브아메리카가 상장 중고차 판매 회사들에 계좌를 열어준 대가로 12억 달러의 벌금을 맞은 바로 다음 날에 나온 것은 다소 어색하게 느껴집니다. (블룸버그의 페이지 스미스는 뱅크오브아메리카의 "명령은 도널드 트럼프 대통령의 핵심 규제 당국자들이 대형 은행 규제 조치를 축소하려는 지속적인 노력의 일환에서 나타난 반전"이라고 언급했습니다.) 아마도 그에 대한 설명의 일부는 자금세탁 방지 조사관들과 디뱅킹 조사관들이 OCC 내 서로 다른 부서에서 일하며 서로 대화하지 않기 때문일 것입니다. 또 다른 이유는 이러한 조사들이 서로 다른 목적을 가지고 있기 때문일 것입니다. 디뱅킹 조사는 소비자 보호와 신용 접근성에 관한 것이거나 아니면 정치적 보복 행위에 관한 것일 수 있으며, 자금세탁 조사는 테러 자금 조달과 제재 위반을 방지하는 것에 관한 것입니다.

But there is a way to read these two announcements consistently. The OCC says that banks’ reputation risk policies “lacked clear standards and objective, risk-based criteria,” while FinCEN says that Bank of America’s “differences in risk factor weights were not correlated to their relative SAR yields.” That is, these investigations are both about model calibration. The synthesis of these two orders is:

1. Banks should have a statistical model of who should get a bank account and who’s too suspicious to bank;
2. The model’s weights should be “objective” and “risk-based,” and the banks should actually try to make sure that they correlate with legal risks; 
3. The model shouldn’t exclude too many law-abiding customers; and
4. The model shouldn’t allow too many law-violating customers.

하지만 이 두 가지 발표를 일관되게 읽어내는 방법도 존재합니다. OCC는 은행의 평판 리스크 정책에 "명확한 기준과 객관적이고 위험 기반의 기준이 결여되어 있다"고 말하고, FinCEN은 뱅크오브아메리카의 "위험 요소 가중치의 차이가 상대적 SAR 산출량과 상관관계가 없다"고 말합니다. 즉, 이 두 조사는 모두 모델 보정(model calibration)에 관한 것입니다. 이 두 명령을 종합하면 다음과 같습니다:

1. 은행은 누가 은행 계좌를 가져야 하고 누가 너무 의심스러워 거래를 거부해야 하는지에 대한 통계 모델을 갖추어야 합니다.
2. 모델의 가중치는 "객관적"이고 "위험 기반"이어야 하며, 은행은 그것이 실제 법적 위험과 상관관계를 갖도록 실제로 노력해야 합니다.
3. 모델이 너무 많은 준법 고객을 배제해서는 안 됩니다.
4. 모델이 너무 많은 법 위반 고객을 허용해서는 안 됩니다.

Like, the regulatory goal is for the model to be right. The regulatory goal is for the banks’ legal-risk decisions to be correlated with actual legal risks. And that seems reasonable? There is an older paradigm, something like this:

1. Banks want to have as many customers as possible, particularly ones who pay them a lot of fees.
2. Regulators want banks to catch every suspicious customer, and will come down hard on the banks if they miss any.
3. Therefore the anti-money-laundering/risk team at the bank will always want to err on the side of debanking everyone, while the commercial teams will always want to err on the side of giving everyone an account.
4. That adversarial structure basically leads to decent results in the aggregate.

규제상의 목표는 모델이 올바르게 작동하는 것입니다. 규제상의 목표는 은행의 법적 위험 결정이 실제 법적 위험과 상관관계를 맺는 것입니다. 그리고 그것은 합리적으로 들리지 않나요? 다음과 같은 이전의 패러다임이 존재했습니다:

1. 은행은 가능한 한 많은 고객, 특히 수수료를 많이 내는 고객을 확보하고자 합니다.
2. 규제 당국은 은행이 모든 의심스러운 고객을 잡아내기를 원하며, 누군가를 놓칠 경우 은행을 강하게 압박합니다.
3. 따라서 은행 내부의 자금세탁방지/리스크 팀은 항상 모든 이의 계좌를 폐쇄하는 쪽으로 기울고 싶어 하는 반면, 영업 팀은 항상 모든 이에게 계좌를 내어주는 쪽으로 기울고 싶어 합니다.
4. 그러한 대립적인 구조는 기본적으로 전반적으로 괜찮은 결과를 도출합니다.

But now the world has changed, and banking too few customers is its own regulatory risk.

하지만 이제 세상이 변했으며, 너무 적은 수의 고객과 거래하는 것 자체가 고유한 규제 위험이 되는 세상이 되었습니다.

Some long-running themes around here are “don’t put crimes in email” and “don’t Google ‘how to do crime’ before doing crimes.” If you walk up to your accomplice and say “hey buddy let’s do crimes,” that is unlikely to create a permanent easily searchable record for the authorities to use in discovering and proving your crimes.[1] But if you send your accomplice an email saying that, then (1) the evidence against you will be preserved forever and (2) probably your boss will get an instant notification like “one of your employees is emailing about crime.” It’s just the most convenient possible format for getting caught. Google, also bad.

이곳에서 자주 다루는 오랜 주제 중 하나는 "이메일에 범죄를 적지 말라"와 "범죄를 저지르기 전에 구글에 '범죄 저지르는 법'을 검색하지 말라"입니다. 공범에게 다가가 "야 친구야, 우리 범죄나 저지르자"라고 말한다면, 당국이 여러분의 범죄를 발견하고 증명하는 데 사용할 수 있는 영구적이고 쉽게 검색 가능한 기록이 남을 가능성은 낮습니다. 하지만 공범에게 그런 내용의 이메일을 보낸다면, (1) 당신에 대한 증거가 영원히 보존될 것이며 (2) 아마도 상사에게 "당신 부하 직원 중 한 명이 범죄에 관한 이메일을 보내고 있습니다"라는 알림이 즉시 갈 것입니다. 그것은 정말로 잡히기에 가장 편리한 형태일 뿐입니다. 구글도 마찬가지로 좋지 않습니다.

And now artificial intelligence chatbots. Here’s this:

An employee at OpenAI was arrested and charged with using a hidden recording device in one of the company’s San Francisco offices, according to statements from the artificial intelligence company and the US Justice Department.

Abdulrahman Alfozan, a Saudi Arabian national, was arrested on Oct. 9, more than a week after staffers at OpenAI discovered an audio recording device in the back of a television in an executive conference room, the Justice Department said on Tuesday. Alfozan, who is alleged to have placed the device, is currently in federal custody and appeared in court in San Francisco on Tuesday.

그리고 이제 인공지능 챗봇까지 등장했습니다. 내용은 이렇습니다:

인공지능 기업 오픈AI(OpenAI)와 미국 법무부의 성명에 따르면, 오펜아이의 샌프란시스코 사무실 중 한곳에서 숨겨진 녹음기를 사용한 혐의로 오펜아이의 한 직원이 체포되어 기소되었습니다.

사우디아라비아 국적의 압둘라흐만 알포잔(Abdulrahman Alfozan)은 오픈AI 직원들이 임원 회의실 뒤편의 텔레비전에서 오디오 녹음 장치를 발견한 지 일주일이 지난 10월 9일에 체포되었다고 법무부가 화요일 밝혔습니다. 이 장치를 설치한 혐의를 받고 있는 알포잔은 현재 연방 구금 상태이며, 화요일 샌프란시스코 법원에 출두했습니다.

Why do they think it was him? Well, after they found the device, they installed a hidden camera behind the TV and caught him looking at it. But also:

Prior to Sept. 28, Alfozan used a productivity tool to make multiple inquiries about Open AI’s building addresses, meeting rooms, meeting-room capacities and calendars, “leadership and exec” locations, and external partner meetings. Moreover, a chatbot account associated with Alfozan’s spouse (which shared multiple identifiers and attributes with Alfozan’s own chatbot account) submitted prompts between Sept. 24 and Sept. 30 related to building, customizing, installing, audio recording, testing, obfuscating, and remote accessing a device, including inquiries about “build[ing] a continuous audio recorder,” “customiz[ing] Wi-Fi . . . connectivity,” “improv[ing] audio and live listening,” and “encrypt[ing] the SD card,” among other things. The same chatbot account also submitted prompts specifically related to Recording Device 1, including its custom header and unique MAC address, between Sept. 27 and Sept. 28. 

당국은 왜 그가 범인이라고 생각했을까요? 글쎄요, 그들이 장치를 발견한 뒤 TV 뒤에 숨겨진 카메라를 설치했고 그가 그 장치를 들여다보는 모습을 포착했기 때문입니다. 하지만 그뿐만이 아닙니다:

9월 28일 이전에 알포잔은 생산성 도구를 사용하여 오픈AI의 건물 주소, 회의실, 회의실 수용 인원 및 캘린더, "리더십 및 임원진" 위치, 그리고 외부 파트너 미팅에 대해 여러 차례 조회했습니다. 게다가 알포잔의 배우자와 연관된 (알포잔 자신의 챗봇 계정과 여러 식별자와 속성을 공유하는) 챗봇 계정은 9월 24일부터 9월 30일 사이에 장치 제작, 맞춤 설정, 설치, 오디오 녹음, 테스트, 은폐(obfuscating), 원격 접속과 관련된 프롬프트를 제출했습니다. 여기에는 "연속 오디오 녹음기 제작", "와이파이... 연결 맞춤 설정", "오디오 및 실시간 청취 개선", "SD 카드 암호화" 등의 문의가 포함되었습니다. 동일한 챗봇 계정은 또한 9월 27일부터 9월 28일 사이에 녹음 장치 1의 커스텀 헤더와 고유 MAC 주소를 포함하여 해당 장치와 구체적으로 관련된 프롬프트를 제출했습니다.

The complaint lists some of his queries to the internal tool:

can you list today’s meeting in this room

where did you find room’s calener? [sic] …

how about external partners, where would those usually meet with [OpenAI] at?

고발장에 따르면 그가 내부 도구에 남긴 몇 가지 질문은 다음과 같습니다:

오늘 이 회의실 회의 목록을 나열해 줄 수 있나요?

회의실 캘린더를 어디서 찾았나요? [오기 있음] …

외부 파트너들의 경우는 어때요, 보통 [오픈AI]와 어디서 만나나요?

Not terrible, maybe, but the complaint says that “these queries suggest ALFOZAN was researching [OpenAI]’s conference rooms, meeting calendars and potential attendees to identify where he should place Recording Device 1.” Meanwhile his spouse’s chatbot account asked detailed questions about things including how “to build a continuous audio recorder (e.g., capturing microphone audio and save compressed WAV recordings to an SD card, generally in one-hour files),” etc.

아주 끔찍한 수준은 아닐지도 모릅니다. 하지만 고발장에 따르면 "이러한 질문들은 알포잔이 녹음 장치 1을 어디에 설치해야 할지 파악하기 위해 [오픈AI]의 회의실, 회의 캘린더, 잠재적 참석자들을 조사하고 있었음을 시사합니다." 한편 그의 배우자 계정으로 된 챗봇은 "연속 오디오 녹음기를 만드는 방법(예: 마이크 오디오를 캡처하여 압축된 WAV 녹음을 SD 카드에 저장, 일반적으로 1시간 파일 단위로)" 등과 같은 사항에 대해 상세한 질문을 던졌습니다.

How would you have done this before AI? I mean, like:

1. Your office might have an electronic system for booking conference rooms, and you might have browsed around it to look for the most promising rooms.
2. You might have Googled “audio recorder,” looked at the results, found something promising for your purposes and read up on the techniques.

AI가 등장하기 전이었다면 이런 일을 어떻게 해냈을까요? 말하자면 이렇습니다:

1. 회사의 사무실에 회의실 예약용 전자 시스템이 있어서, 가장 알맞은 방을 찾기 위해 여기저기 둘러보았을 것입니다.
2. 구글에 "오디오 녹음기"를 검색해 결과를 살펴보고, 목적에 알맞은 것을 찾아 기술적인 내용을 읽어보았을 것입니다.

That stuff would have been logged, and at your trial there’d be evidence that you looked at the conference room bookings and Googled “audio recorder,” and that would have looked suspicious. But not as suspicious. There would have been more room for explanation; maybe you were just trying to book a conference room for a meeting and record the songs of the birds in your backyard. In the olden days, the way you found out information that you wanted to know was by going to general sources of information and reading them. In 2026, particularly but not exclusively if you work at an AI lab, the way you find out information that you want to know is by going to a chatbot and asking exactly the questions you want answered, and then asking detailed follow-up questions. In many ways this is very efficient! In other ways it is bad for human cognition!

그런 활동들도 로그에 남았을 것이며, 재판 과정에서는 회의실 예약을 조회하고 "오디오 녹음기"를 구글에 검색했다는 증거가 나왔을 테고, 그것은 수상쩍어 보였을 것입니다. 하지만 지금만큼 수상쩍지는 않았을 것입니다. 변명할 여지가 더 많았을 테니까요. 어쩌면 회의를 위해 회의실을 예약하려던 것뿐이거나, 뒷마당의 새소리를 녹음하려고 했던 것일 수도 있습니다. 옛날에는 알고 싶어 하는 정보를 찾는 방법은 일반적인 정보 소스를 찾아가 읽는 것이었습니다. 하지만 2026년에는, 특히 AI 연구소에서 일하는 경우에 국한되지는 않지만, 알고 싶은 정보를 찾는 방법은 챗봇에게 찾아가 정확히 답변을 원하는 질문을 던진 후 세부적인 후속 질문을 하는 것입니다. 여러모로 이것은 매우 효율적입니다! 하지만 다른 한편으로는 인간의 인지 능력에 해롭습니다!

But this is in large part a column about how crimes get detected electronically, and it’s obviously good for that.

그러나 이 칼럼은 상당 부분 범죄가 어떻게 전자적으로 감지되는가에 관한 것이며, AI 시대의 이러한 변화는 분명 그런 면에서 긍정적입니다.

Big law is an interesting industry because you basically know how much everyone gets paid. Associates at big law firms normally get paid on the same lockstep pay scale, which is widely published. Partner paychecks are less rigid, but most firms’ average profits per partner are also widely reported. So if you meet a lawyer and spend a minute Googling her, you can make a pretty good educated guess about how much she gets paid.

대형 로펌(Big Law)은 기본적으로 모든 사람이 얼마를 받는지 알 수 있기 때문에 흥미로운 업계입니다. 대형 로펌의 어소시에이트(소속 변호사)들은 대개 널리 공개되어 있는 동일한 연공서열별 급여 체계(lockstep pay scale)에 따라 급여를 받습니다. 파트너 변호사들의 급료는 이보다 덜 경직되어 있지만, 대부분 로펌의 파트너당 평균 수익(profits per partner) 역시 널리 보도됩니다. 따라서 어떤 변호사를 만나 구글에 1분만 검색해보면, 그 사람이 대략 얼마를 벌어들이는지 꽤 정확하게 추정할 수 있습니다.

This is fun for me just as, like, a person who enjoys gossip. It is also in many ways a recruiting advantage for the law firms, particularly the most lucrative ones. If your firm’s partners make $8 million a year, talented law students will want to work for you for the prospect of riches down the road, and talented partners at other firms will pick up the phone when you try to recruit them. 

이것은 단순히 가십을 즐기는 한 사람으로서 저에게는 꽤 재미있는 일입니다. 또한 이는 여러 면에서 로펌들, 특히 가장 수익성이 높은 로펌들에게는 훌륭한 채용 무기이기도 합니다. 만약 여러분 로펌의 파트너들이 연간 800만 달러를 번다면, 유능한 로스쿨 학생들은 미래의 부를 좇아 여러분과 일하고 싶어 할 것이며, 다른 로펌의 유능한 파트너들도 여러분이 영입하려고 연락할 때 전화를 받아줄 것입니다.

On the other hand, law is a client service business, and it can be awkward if your clients know that you make giant piles of money. You want your clients to have the impression that you are their humble servant, working hard on their behalf to earn your daily bread. Not too much bread. If you are a lawyer doing a deal for a private equity firm, and the senior members of the deal team haven’t gotten carry in years, they will not be thrilled to learn that you’re making $15 million a year. Why are you doing so much better than them? They might start thinking bad thoughts, like “what if we paid our lawyers less.” 

반면, 법률 업계는 클라이언트 서비스 비즈니스이기 때문에 클라이언트들이 여러분이 막대한 돈을 벌고 있다는 사실을 알게 되면 어색해질 수 있습니다. 클라이언트들은 여러분이 일용할 양식을 벌기 위해 그들을 위해 열심히 일하는, 자신들의 겸손한 심부름꾼이라는 인상을 받기를 원합니다. 너무 많은 양식을 벌어서는 안 됩니다. 만약 사모펀드(PE) 회사의 거래를 담당하는 변호사인데 그 거래 팀의 고니어(시니어) 멤버들은 수년 동안 성과급(carry)을 받지 못했다면, 그들이 여러분이 연간 1,500만 달러를 벌고 있다는 사실을 알게 되었을 때 기뻐하지 않을 것입니다. "왜 너희가 우리보다 훨씬 더 잘 나가지?"라는 생각이 들 수 있습니다. "변호사들에게 주는 돈을 좀 깎아보면 어떨까" 같은 나쁜 생각들을 품기 시작할지도 모릅니다.

The Financial Times reported last week:

Kirkland & Ellis will stop sharing its financial figures with the legal industry’s flagship ranking of law firm profits and revenues, concluding it is no longer “appropriate or necessary” to disclose results.

The world’s highest-grossing law firm told The American Lawyer, an industry magazine that has for decades relied on law firms to voluntarily produce their financial data for the ranking, that it would no longer share the information. As a US private partnership, Kirkland does not disclose the global figures elsewhere, though its UK business files accounts with Companies House.

In a letter sent to AmLaw on Wednesday obtained by the FT, the firm said disclosing the information did not provide “meaningful value” to its clients and having it included in rankings “could incentivise quantitative metrics over qualitative strengths”. Kirkland lawyers were informed of the decision in a firm-wide email on Wednesday.

It comes at a time when pay for top lawyers has soared, with the most successful earning tens of millions of dollars per year — potentially irking some clients, many of whom earn less than the lawyers whom they hire.

파이낸셜 타임스(Financial Times)는 지난주 다음과 같이 보도했습니다:

커클랜드 앤 엘리스(Kirkland & Ellis)는 더 이상 실적을 공개하는 것이 "적절하거나 필요하지 않다"고 판단하여, 법률 업계의 대표적인 로펌 수익 및 매출 순위에 자사의 재무 수치를 공유하는 것을 중단할 예정입니다.

수십 년 동안 로펌들이 순위를 위해 자발적으로 재무 데이터를 제출하도록 의존해 온 업계 매거진 아메리칸 로이어(The American Lawyer)에 따르면, 세계에서 가장 매출이 높은 이 로펌은 더 이상 정보를 공유하지 않겠다고 밝혔습니다. 미국 사립 파트너십인 커클랜드는 다른 곳에서는 글로벌 수치를 공개하지 않지만, 영국 지사는 기업등록소(Companies House)에 장부를 제출하고 있습니다.

FT가 입수한 수요일 AmLaw 발송 서한에서, 이 로펌은 정보 공개가 클라이언트에게 "의미 있는 가치"를 제공하지 않으며 순위에 포함되는 것이 "질적 강점보다 양적 지표를 부추길 수 있다"고 밝혔습니다. 커클랜드 변호사들은 수요일 전사 이메일을 통해 이 같은 결정을 통보받았습니다.

이는 최고급 변호사들의 급여가 치솟아 가장 성공한 이들은 연간 수천만 달러를 벌어들이는 시점에 이루어졌으며, 이로 인해 자신들이 고용한 변호사들보다 더 적게 버는 많은 클라이언트들이 잠재적으로 불쾌감을 느낄 수 있게 되었습니다.

Kirkland’s profits per partner in 2025 were $11.1 million, a number that is very attractive to people considering becoming Kirkland partners but less attractive to people considering hiring Kirkland partners.

2025년 기준 커클랜드의 파트너당 평균 수익은 1,110만 달러였으며, 이 수치는 커클랜드의 파트너가 되려는 사람들에게는 매우 매력적이지만 커클랜드 파트너를 고용하려는 사람들에게는 덜 매력적인 숫자입니다.

We talked on Monday about a company that is plugging parking-space-sized Nvidia server racks into idle Tesla charging stations, on the theory that the demand for power from artificial intelligence companies is a lot higher right now than the demand for power from Teslas. Fine. For now, the Tesla chargers belong to commercial buildings, but I suggested there has to be a residential angle coming:

Some startup will be going door-to-door ringing bells and saying “hello, we will pay you $5 per month to let us put this Nvidia server rack in your basement and run it when you’re not home”? Just seems like the obvious next step in electric price arbitrage. Why should homeowners sell their power to the grid, when there is a high-profile specific urgent source of demand for that power? Why not sell their power directly to OpenAI?

우리는 지난 월요일, 인공지능(AI) 기업들의 전력 수요가 테슬라 차량들의 전력 수요보다 현재 훨씬 더 높다는 점에 착안하여 테슬라의 유휴 충전소에 주차 공간 크기의 엔비디아 서버 랙을 설치하는 한 기업에 대해 이야기했습니다. 좋습니다. 일단 테슬라 충전소들은 상업용 건물 소유이지만, 저는 주거용 분야로 확장될 여지가 분명히 있다고 제안했습니다:

어떤 스타트업이 집집마다 초인종을 누르며 "안녕하세요, 저희가 월 5달러를 드릴 테니 이 엔비디아 서버 랙을 지하실에 두고 집을 비우실 때 가동하게 해 주시겠어요?"라고 묻는 일이 생기지 않을까요? 이는 전력 가격 차익거래에서 너무나 당연한 다음 단계처럼 보입니다. 전력에 대한 대단히 높고 구체적이며 시급한 수요처가 존재하는 상황에서, 주택 소유자들이 왜 자신들의 전력을 전력망(grid)에 팔아야 할까요? 왜 OpenAI에 직접 전력을 팔지 않겠습니까?

Several readers pointed out that, of course, this already exists. (“XFRA: The distributed data center.”) Never mind.

여러 독자들이 물론 이것이 이미 존재한다고 지적해 주었습니다.("XFRA: 분산형 데이터 센터.") 신경 쓰지 않겠습니다.

A different reader emailed to point out a fact that I have done my best to forget, which is that there is some recent history of high-profile specific urgent demand for power: crypto. Before AI, Bitcoin mining was the hot way to turn electricity into money, and if you could get cheap electricity there was an arbitrage. If you could get free electricity, even better, though why exactly were you getting free electricity? Back in 2021, we talked about a Long Island guy who was arrested for “using his position as an I.T. supervisor for Suffolk County to mine cryptocurrency from government offices, costing the county thousands of dollars in electricity.” Allegedly he hid his mining rigs “underneath floorboards and inside an unused electrical panel.”

다른 독자는 제가 잊어버리려고 최선을 다했던 사실 하나를 이메일로 알려주었습니다. 그것은 바로 전력에 대한 높고 구체적이며 시급한 수요가 존재했던 최근의 역사, 즉 암호화폐가 있었다는 점입니다. AI 이전에 비트코인 채굴은 전기를 돈으로 바꾸는 인기 있는 방법이었고, 저렴한 전기를 구할 수 있다면 그것은 차익거래였습니다. 공짜 전기를 구할 수 있다면 훨씬 더 좋겠지만, 도대체 왜 공짜 전기를 얻을 수 있었던 걸까요? 2021년, 우리는 "서퍽 카운티(Suffolk County)의 IT 관리자 직위를 이용해 정부 사무실에서 암호화폐를 채굴하여 카운티에 수천 달러의 전기세를 부담시킨" 롱아일랜드의 한 남성이 체포된 사건에 대해 이야기한 적이 있습니다. 그는 채굴 장비를 "마루 바닥 밑과 사용하지 않는 배전반 안"에 숨겼다고 합니다.

I was going to end this section by saying: “I don’t think that we’re at a point where it is technically or economically feasible for office workers to hide Nvidia servers under the floorboards to siphon off their employers’ electricity and sell AI inference capacity. But give it like three years.” But then I read this Financial Times article, “Anthropic warns rogue AI agents may ‘self-replicate’ to hijack ovens,” and the related Anthropic blog post:

Our experiments suggest that small AI models may be months away from being capable enough to self-replicate on commercial internet-of-things (IoT) devices, like smart ovens and off-brand Android TV boxes. A replicator like this would be challenging to shut down, since there’s no centralized point to shut off—though it may be slow (with a doubling time of days). Unlike non-AI malware, it could also figure out unfamiliar devices on its own. In our evaluations, a 9B model got inference running on 8 of the 9 hardware types we tested.

저는 이 섹션을 이렇게 끝맺으려 했습니다: "사무실 직원들이 엔비디아 서버를 마루 바닥 밑에 숨겨 고용주의 전기를 빼돌려 AI 추론(inference) 용량을 판매하는 것이 기술적이나 경제적으로 실현 가능한 시점에는 아직 이르지 않았다고 생각합니다. 하지만 한 3년만 주십시오." 하지만 그때 저는 파이낸셜 타임스의 기사 "앤스로픽, 악성 AI 에이전트가 오븐을 해킹하기 위해 '자가 복제'할 수 있다고 경고"와 관련 앤스로픽 블로그 포스트를 읽었습니다:

우리의 실험은 소형 AI 모델들이 스마트 오븐이나 저가형 안드로이드 TV 박스 같은 상용 사물인터넷(IoT) 기기에서 자가 복제할 수 있는 능력을 갖추기까지 몇 달밖에 남지 않았을 수 있음을 시사합니다. 이와 같은 복제 프로그램은 차단할 중앙 집중식 지점이 없기 때문에 중단하기가 까다로울 것입니다(복제 주기가 며칠로 느릴 수는 있지만요). AI가 아닌 기존 악성코드와 달리, 이들은 낯선 기기도 스스로 파악해 낼 수 있습니다. 평가 과정에서 9B 모델은 우리가 테스트한 9가지 하드웨어 유형 중 8가지에서 추론을 실행하는 데 성공했습니다.

And that’s much weirder than what I was going to say! In like six months, your toaster will be siphoning off your electricity and selling it for AI inference capacity.

그리고 그것은 제가 하려던 말보다 훨씬 더 기괴합니다! 불과 6개월 정도 지나면 여러분의 토스터가 여러분의 전기를 몰래 빼돌려 AI 추론 용량을 위해 팔아넘기고 있을지도 모릅니다.

Morgan Stanley Wealth Arm Rakes in Record Haul From IPOs. BofA Results Marred by $1.2 Billion Penalty, Weaker Trading. General Atlantic plans early 2027 IPO at up to $10bn valuation. JPMorgan Adjusts Sustainable-Finance Strategy to Meet Historic Energy Demand. CoreWeave targets ‘unlimited’ insurance money to fund AI build-out. China Is Poised to Spearhead a $5 Trillion Humanoid Robot Market. OpenAI CFO Says Firms Using Chinese AI Models Are Risking Safety. Higher Rates Are Coming for Private Equity — and Smaller Firms Are Already Hurting. Skydance Selloff Fuels Worst New-Bond Performance Since Pandemic. Brooklyn DA Cracks Global Crypto Scam Network in Major Bust. To Get This Job at McKinsey, You’ll Need to Survive a Debate With AI First. “He has ruled out what his parents do— commercial real estate.” “It immediately vaulted Zuckerberg into the pantheon of awkward executive eating and drinking moments.”

모건스탠리 자산관리 부문, IPO로 사상 최대 실적 거둬. 12억 달러의 벌금과 부진한 트레이딩 실적으로 빛이 바랜 뱅크오브아메리카(BofA)의 실적. 제너럴 아틀란틱(General Atlantic), 최대 100억 달러 가치로 2027년 초 IPO 추진. JP모건, 역사적 에너지 수요에 대응하기 위해 지속가능 금융 전략 수정. 코어위브(CoreWeave), AI 인프라 확충 자금 조달을 위해 '무제한' 보험금 조준. 중국, 5조 달러 규모의 휴머노이드 로봇 시장 선도할 태세. 오픈AI CFO, 중국산 AI 모델 사용하는 기업들은 안전성을 위협받고 있다고 경고. 사모펀드에 닥쳐올 더 높은 금리 — 소형사들은 이미 타격을 입고 있다. 스카이댄스 매각 매물 쏟아지며 팬데믹 이후 최악의 신규 채권 부진 유발. 브루클린 지검, 대대적인 단속으로 글로벌 암호화폐 사기 네트워크 일망타진. 맥킨지(McKinsey)에서 이 직업을 얻으려면, 먼저 AI와의 토론에서 살아남아야 합니다. "그는 부모님이 하는 일인 상업용 부동산을 배제했습니다." "그것은 즉시 저커버그를 어색하게 먹고 마시는 경영진의 전당에 올려놓았습니다."

If you'd like to get Money Stuff in handy email form, right in your inbox, please subscribe at this link. Or you can subscribe to Money Stuff and other great Bloomberg newsletters here. Thanks!

편리한 이메일 형식으로 '머니 스터프(Money Stuff)'를 받아보고 싶으시다면 이 링크를 통해 구독해 주세요. 혹은 여기에서 머니 스터프 및 블룸버그의 다른 훌륭한 뉴스레터들을 구독하실 수 있습니다. 감사합니다!

[1] More likely than it was a decade ago, though. Eventually surveillance will be perfect and this will all be moot.

[1] 물론 10년 전보다는 그럴 가능성이 훨씬 더 높아졌지만 말입니다. 결국 감시는 완벽해질 것이고 이 모든 논쟁은 무의미해질 것입니다.