AI 금융 조언, 프롬프트 격차가 수익 격차다

좋은 조언이지만 같은 조언은 아니다

MIT Sloan이 2026년 7월 21일 소개한 연구는 AI 금융 조언을 낙관론과 경계론 사이에 놓는다. 연구진은 1,000명의 성인이 직접 쓴 질문을 GPT-5.2, GPT-5.6, Gemini 3 Flash에 넣고, 22세부터 89세까지 저축, 소비, 투자 결정을 반복하는 시뮬레이션으로 결과를 비교했다. 결론은 단순하지 않다. 모델은 저축을 늘리고 주식시장 참여와 분산투자를 권하는 데 꽤 강했지만, 실직 같은 충격에는 지출을 과하게 줄이라고 하거나 포트폴리오 리밸런싱을 충분히 하지 못했다.

이 지점이 금융 AI의 본론이다. 사람은 챗봇에게 "월 25달러를 어디에 넣을까"처럼 짧게 묻지만, 좋은 금융 의사결정은 나이, 소득 변동성, 세금, 사회보장, 가족 책임, 위험 선호가 함께 들어가야 한다. AI 조언은 정답보다 확신을 먼저 키운다가 말한 과신 문제는 금융에서 바로 돈의 문제로 번역된다.

프롬프트 능력이 자산 격차가 된다

논문은 남성, 금융 이해도가 높은 사람, AI 사용 경험이 있는 사람이 더 좋은 결과를 얻는 경향을 보고한다. MIT 요약에 따르면 은퇴 직전 부의 격차가 약 5%까지 벌어질 수 있고, 여성이나 금융 이해도가 낮은 사용자에게는 60세 기준 약 5만 달러, AI 경험이 없는 사용자에게는 약 10만 달러 차이가 생길 수 있다. 원인은 두 겹이다. 사용자가 다른 질문을 던지고, 같은 질문이라도 모델이 사용자 속성에 따라 다른 조언을 할 수 있다.

원 논문이 중요한 이유는 AI 금융 조언을 "정확도"가 아니라 "접근성의 역설"로 보게 만들기 때문이다. 값싼 조언이 널리 퍼질수록 질문을 잘 쓰는 사람은 더 많은 혜택을 받고, 도움이 가장 필요한 사람은 규칙 기반 답변에 갇힐 수 있다. 한국의 증권사, 은행, 핀테크가 챗봇을 붙일 때 가장 먼저 물어야 할 것은 모델명이 아니라 질문 보정 장치가 있는지다.

금융사는 SEO보다 모델 안의 평판을 봐야 한다

MIT 글은 LLM이 사용자가 언급하지 않은 계좌, 상품, 운용사를 추천했다는 점도 짚는다. Vanguard 상품은 응답의 6%, iShares는 3.4%에 등장했지만, 실제 프롬프트에서 두 브랜드를 언급한 비율은 0.4% 미만이었다. 검색 광고와 비교 사이트가 하던 발견 과정이 모델 응답 안으로 들어가는 셈이다. ChatGPT 학술 지원, 연구 AI의 배포 전쟁이 학술 유통의 경로를 바꿨듯, 금융상품 유통도 "모델이 기억하고 설명하는 방식"의 영향을 받는다.

하지만 금융은 광고 문구보다 규제가 먼저다. 미국 SEC 투자자 경고와 FINRA의 AI 투자 안내가 반복해서 말하듯 AI라는 라벨은 수익 보장이 아니다. 한국 서비스도 금융투자상품 설명, 적합성, 설명의무, 이해상충 고지를 챗봇 UI에 묻어두면 안 된다. 모델 답변 위에 "개인화된 교육", "투자 권유", "자문"의 경계를 명확히 표시해야 한다.

한국 팀이 바로 고칠 수 있는 것

첫째, 사용자의 질문을 그대로 모델에 넘기지 말고 누락된 변수 체크리스트를 붙여야 한다. 나이, 소득 안정성, 비상자금, 부채, 투자 기간, 세금 계좌 여부, 위험 수용도를 구조화 입력으로 먼저 받는 방식이다. 둘째, 답변에는 근거와 한계를 분리해야 한다. 모델이 권한 없는 세금 조언이나 상품 추천을 할 때는 AI 추론 논쟁, 정답보다 이유를 검증해야 한다에서 말한 것처럼 설명을 증거로 착각하지 않도록 로그와 소스 링크를 따로 남겨야 한다.

셋째, 모델이 특정 브랜드를 추천할 때 왜 그 이름이 나왔는지 추적할 수 있어야 한다. 추천 상품 데이터베이스, 수수료, 제휴 관계, 모델 학습 편향이 섞이면 책임 소재가 흐려진다. 넷째, 실직, 질병, 은퇴 직전, 고액 부채처럼 실패 비용이 큰 상황은 사람 상담으로 넘기는 라우팅이 필요하다.

자주 묻는 질문

Q1: AI 금융 조언을 바로 따라도 되나요?

A: 일반 교육과 시뮬레이션에는 도움이 될 수 있지만, 개인 투자 결정은 세금, 부채, 소득 안정성까지 확인해야 한다.

Q2: 좋은 프롬프트가 왜 중요한가요?

A: 연구에서는 구조화된 질문이 더 좋은 조언으로 이어졌다. 문제는 모든 사용자가 그런 질문을 쓸 수 없다는 점이다.

Q3: 금융사가 가장 먼저 구현해야 할 기능은 무엇인가요?

A: 누락 정보 확인, 위험 상황 감지, 근거 링크, 사람 상담 전환이다. 모델 교체보다 이 네 가지가 먼저다.

Q4: 모델 편향은 어디서 생기나요?

A: 사용자가 다른 질문을 쓰는 차이와, 같은 질문에도 모델이 사용자 속성을 다르게 해석하는 차이가 함께 작동할 수 있다.

Q5: 한국 핀테크에는 어떤 기회가 있나요?

A: 상품 추천 챗봇보다 사용자의 질문을 금융 문해력에 맞게 보정하는 조언 인터페이스가 더 큰 차별점이 될 수 있다.