질문만 제대로 하면 AI의 재무 조언은 놀랄 만큼 좋다
AI 재무 조언은 대체로 유용하지만 질문 방식에 따라 품질과 자산 격차가 달라짐
미국인의 절반이 AI로 재무 조언을 받고 있으며, Taha Choukhmane 등이 발표한 새 논문의 시뮬레이션에서는 조언을 따른 거의 모든 30세 초과 사용자의 저축 여력이 크게 늘어남
비용·편향·이해충돌이 있는 전통적 자문을 보완하는 저렴하고 접근성 높은 수단이지만, 그대로 따르기보다 금융 이해를 높이고 인간 자문을 실시간으로 실행하는 보조 도구로 활용하는 편이 적절함
장기 저축과 분산투자 원칙은 일관되게 권고
근로 기간에는 저축하고 은퇴 후에는 자산을 인출하며, 분산된 주식형 펀드 비중을 높인 뒤 45세 이후 주식 노출을 줄이도록 안내함
일반 사용자의 짧은 질문에도 저축 확대, 주식시장 참여, 분산 배분, 연령에 맞는 위험 감수를 유도해 예상보다 양호한 결과를 냄
실직 같은 충격과 포트폴리오 재조정에는 취약
저축이 있는 실직자에게도 지출을 지나치게 줄이도록 권하고, 자산 비중이 변해도 적극적으로 리밸런싱하지 않는 경향이 있음
나이·고용 상태·소득·저축 잔액과 기대수명, 은퇴 시점, 세금·Social Security 규칙 등의 가정을 명시한 학술형 프롬프트에서는 지출·저축 조언이 개선됐지만 리밸런싱 부족은 여전히 남음
실제 질문과 구조화된 질문의 장기 결과를 비교
소득·직업·투자·세금이 생애 동안 변하는 모형을 기준으로 삼고, 성인 1,000명이 GPT-5.2, GPT-5.6 또는 Gemini 3 Flash에 작성한 질문을 수집함
22~89세가 해당 조언에 따라 소비·저축·투자를 반복한다고 가정해 시뮬레이션한 뒤, AI 없이 한 기존 금융 행동 및 상세한 학술형 프롬프트의 결과와 대조함
연구 결과는 2026 Swiss Finance Institute Outstanding Paper Award를 받은 AI Financial Advice: Supply, Demand, and Life Cycle Implications에 정리돼 있으며, 연구자 정보와 가계 의사결정 관련 선행 연구도 함께 제공됨
질문자의 성별·금융 이해도·AI 경험에 따라 60세 자산이 크게 벌어짐
남성, 금융 이해도가 높은 사람, 기존 AI 사용 경험자가 작성한 질문에 따른 조언은 은퇴 직전 자산을 약 5% 더 늘림
여성과 금융 이해도가 낮은 사용자에게는 주식 비중을 낮게 권해 60세 자산이 약 $50,000(4%) 적어졌고, AI 재무 조언을 처음 쓰는 사람에게는 저축률을 낮게 제안해 거의 $100,000(6%)의 격차가 발생함
성별 격차의 약 3분의 2는 질문 내용 차이, 나머지 3분의 1은 동일한 질문에 여성 작성자라는 표지를 붙였을 때 모델이 조언을 바꾼 데서 생김. 합리적인 개인차 반영과 학습 데이터 편향을 구분할 공인 기준은 아직 없음
금융상품 발견 경로가 검색·광고에서 LLM 답변으로 이동할 가능성이 큼
질문에서 언급되지 않은 계좌·상품·회사를 모델이 먼저 추천했으며, Vanguard 상품은 응답의 6%, iShares 상품은 3.4%에 등장한 반면 두 회사를 언급한 질문은 각각 0.4% 미만이었음
금융 서비스용 AI가 고객의 상품 탐색과 비교를 매개하면서, 금융회사의 노출은 전통적 마케팅보다 LLM이 상품을 어떻게 설명하고 추천하는지에 더 좌우될 수 있음
HN에서는 AI 금융 조언의 강점이 새로운 투자 비법보다 기본 원칙을 꾸준히 제시하는 데 있다는 반응이 중심을 이뤘다. 저축과 지출 관리, 분산 투자, 연령에 따른 위험 축소처럼 널리 알려진 원칙만 지켜도 잘못된 주변 조언이나 이해관계가 얽힌 상품 권유보다 나을 수 있다는 판단이다. 대중의 금융 이해도가 낮은 현실에서는 이런 보수적인 기준선 자체가 충분한 가치가 있다는 설명도 뒤따랐다.
다만 ‘올바른 질문’이 필요하다는 조건에는 경계가 컸다. 좋은 질문을 만들고 답을 검증하려면 이미 금융 지식이 있어야 하기 때문이다. 실제 사용 경험에서도 자산과 계좌, 지출 내역, 세금 조건을 충분히 제공했을 때 예산 재구성이나 장기 패턴 파악, 시나리오 비교에 유용했다. 반대로 일반적인 질문에는 평균적인 답을 되풀이하거나 사용자의 전제를 따라가는 한계가 드러났다.
세금 규정과 복잡한 자산 배분, 실직 같은 변화, 여러 세대가 얽힌 상속 문제로 넘어가면 평가는 더 신중해졌다. 최신 자료 조회와 정확한 계산, 지속적인 기록, 주기적인 재조정 없이 대화형 모델만 믿기 어렵다는 지적이다. 모든 재무 정보를 입력해야 하는 만큼 개인정보 문제도 따른다. 특히 전문 지식이 부족한 사용자는 그럴듯한 오류를 가려내기 어렵다.
결국 실무적인 판단 기준은 AI와 사람 중 하나를 고르는 데 있지 않다. 반복적인 분석과 기본 전략 점검에는 AI를 활용하되, 복잡한 규정과 큰 손실 가능성이 걸린 결정은 검증해야 한다. 좋은 재무 상담의 역할도 정답 제시만이 아니라 불안과 위험 성향을 이해하고 계획을 지키게 돕는 데 있다. 사용자는 답변의 정교함보다 입력 정보의 충분성, 계산 근거, 최신성, 오류를 확인할 수단부터 살펴야 한다.
