AI 재무 조언: MIT 연구, LLM이 효과적이지만 프롬프트에 따라 달라진다

LLM이 고품질 기본 재무 가이드를 제공

MIT 슬론 경영대학원의 연구에 따르면 AI가 생성한 재무 권고를 따르면 30세 이상 거의 모든 개인에게 상당한 저축 버퍼를 만들 수 있다고 합니다. 대형 언어 모델(LLM)은 일하는 동안 저축을 늘리고, 다양한 주식 펀드에 투자하며, 은퇴가 다가오면(특히 45세 이후) 주식 비중을 줄이는 등 기본적인 재무 최선 실천을 지속적으로 안내합니다.

MIT 슬론의 재무학 부교수인 타하 초크마네(Taha Choukhmane)에 따르면, LLM은 전통적인 인간 재무 상담가에 비해 저렴하고 접근성이 높아, 전문가에게 상담받을 때 발생하는 높은 비용과 이해 상충 문제를 피하도록 도와줍니다.

“프롬프트 격차”: 전문가와 초보자 질문

AI 재무 조언의 품질은 프롬프트 구조에 크게 좌우됩니다. 연구에서는 “일반” 사용자 프롬프트와 “학술” 프롬프트 사이에 큰 성능 차이가 있음을 발견했습니다:

초보자 프롬프트: 일반 사용자는 종종 간단하고 좁은 질문을 합니다(예: “$50로 어디에 투자해야 할까요?”). 이러한 프롬프트는 미묘함이 부족한 “경험법” 답변을 이끌어냅니다.
학술 프롬프트: 연구자들이 연령, 직업 상태, 소득, 저축 잔액, 세법·사회보장 규정 등 구체적인 재무 데이터를 포함한 구조화된 프롬프트를 사용했을 때, LLM은 훨씬 더 맞춤화된 조언을 제공했습니다.

이러한 개선에도 불구하고 LLM은 포트폴리오 재조정이나 급작스러운 재무 충격에 대응하는 데 여전히 어려움을 겪습니다. 예를 들어, 모델은 실직한 사용자에게 충분한 저축이 있음에도 불구하고 지출을 과도하게 줄이라고 권고하는 경우가 있었습니다.

인구통계적 격차와 부의 격차

연구는 AI 조언이 사용자의 기존 재무 지식 및 인구통계적 특성에 따라 품질이 달라지므로 부의 격차를 오히려 확대시킬 수 있다는 우려를 제기합니다.

사용자 프로필별 부의 결과

남성, 재무 지식이 높은 사용자, AI 사용 경험이 있는 사용자는 은퇴 시 약 5% 더 많은 부를 축적했습니다. 구체적으로:

성별 및 지식: LLM은 남성과 재무 지식이 높은 사용자에게 더 높은 주식 비중을 권고했습니다. 이는 여성 및 재무 지식이 낮은 사용자가 60세에 약 $50,000(4%) 적은 부를 갖게 만드는 요인이 되었습니다.
AI 경험: AI에 익숙하지 않은 사용자는 낮은 저축 비율을 권고받아, AI 사용 경험이 있는 사람에 비해 60세에 거의 $100,000(6%) 적은 부를 보유하게 되었습니다.

편향의 원천

이러한 격차는 두 가지 주요 원인에서 비롯됩니다. 첫째, 사용자가 묻는 질문이 다르다는 점입니다. 연구에 따르면 여성은 “가족”, “식료품”과 같은 단어를 더 자주 언급하고, 남성은 “전략”, “성장”과 같은 용어를 더 많이 사용했습니다. 둘째, 모델 자체에 편향이 존재할 수 있습니다. 동일한 프롬프트가 남성보다 여성으로 라벨링될 때 모델이 조언을 바꾸는 경우가 전체 성별 부 격차의 약 1/3을 차지했습니다.

금융 산업에 대한 시사점

소비자를 위한 제언

AI 재무 도구의 효용을 극대화하려면 단순 질문을 넘어 인생 주기 계획과 포트폴리오 이론을 프롬프트에 포함시켜야 합니다. 전문가들은 AI를 재무 이해를 구축하는 도구로 활용하고, 그 결과를 무조건 따르기보다는 인간 상담가와 병행하는 것이 좋다고 조언합니다. AI는 인간 상담가를 보완하는 역할에 가장 적합하며, 반기마다 인간 상담가와 만나기 사이에 실시간으로 전문 조언을 실행하도록 돕습니다.

기업을 위한 제언

LLM은 소비자가 금융 상품을 발견하는 방식을 변화시키고 있습니다. 연구에 따르면 AI는 사용자가 언급하지 않아도 특정 제공업체(예: Vanguard, iShares)를 추천하는 경우가 많았습니다. 이는 금융 기업에게 전통적인 검색 엔진 최적화(SEO)나 직접 마케팅보다 LLM 추천 패턴 내에서의 가시성이 더 중요해질 수 있음을 시사합니다.

커뮤니티 관점 및 반론

기술 사용자와 실무자 사이의 논의는 MIT 결과에 추가적인 맥락을 제공합니다:

“노미” 기준선: 일부 사용자는 AI가 단순히 “상식”이나 “재무 격언”을 추출하고 있다고 주장합니다. 한 사용자는 “‘소득의 10%를 저축하고 ETF에 투자하라’는 종이를 AI 대신 사용할 수 있으며, 이는 사람들이 일상적으로 받는 재무 ‘조언’보다 더 나은 성과를 낼 것이다.”라고 말했습니다.
인간 요소: 비평가들은 재무 계획이 수학보다 심리학에 더 가깝다고 지적합니다.

"가장 어려운 부분은 기술적인 것보다 행동/감정/심리적인 부분이다... 이것이 진정한 상담가가 가치를 발휘하는 영역이다. 고객을 이해하고 신뢰와 안심을 심어주는 것이 핵심이다."

실용적 효용: 일부 사용자는 AI를 활용해 세금 초과 납부를 감지하거나 예산 소프트웨어(YNAB 등)에서 CSV 내보내기를 분석해 인간 회계사가 놓친 지출 패턴을 찾아내는 등 복잡한 작업에서 높은 성공률을 보고했습니다.
수익화 위험: AI가 재무 조언의 주요 인터페이스가 되면서 광고에 의해 응답이 왜곡될 위험이 제기됩니다. 모델이 금융 기업으로부터 비용을 받고 고위험 상품으로 사용자를 유도할 가능성이 있습니다.