미국 성인의 절반은 이미 챗봇에게 저축, 투자 또는 은퇴 계획을 어떻게 세울지 묻고 있습니다. MIT Sloan의 새로운 연구는 이러한 규모에서 그 조언을 따르는 것이 유익한지를 처음으로 측정했습니다. 짧은 답변을 드리자면, 거의 항상 그렇습니다. 다만, 언어 모델(Language Model)에 재무 관리를 위임하기 전에 알아두어야 할 몇 가지 구체적인 결함이 있습니다.

TL;DR

• Taha Choukhmane 교수가 이끄는 MIT Sloan의 연구는 AI를 통한 금융 조언의 품질을 측정했습니다.
• 조사에 따르면 미국 성인의 절반은 이미 금융 조언을 구하기 위해 AI를 사용하고 있습니다.
• 연구진은 22세에서 89세 사이의 성인 1,000명이 GPT-5.2, GPT-5.6 및 Gemini 3 Flash의 조언을 따르는 상황을 시뮬레이션했습니다.
• AI의 조언을 따르는 것은 30세 이상의 거의 모든 사람에게 상당한 저축 완충 장치(Savings buffers)를 생성합니다.
• AI는 분산 투자(Diversification)와 45세 이후의 포트폴리오 위험 감소 측면에서 정확한 결과를 보여줍니다.
• 약점: 모델은 실업과 같은 충격(Shocks)에 직면했을 때 포트폴리오를 제대로 조정하지 못하며, 리밸런싱(Rebalancing)을 거의 권장하지 않습니다.
• 연령, 소득, 저축에 대한 완전한 데이터를 포함한 '학술적 프롬프트(Academic prompts)'는 조언의 질을 개선하지만, 리밸런싱 문제를 해결하지는 못합니다.

발생한 일: AI 금융 조언에 관한 MIT Sloan의 연구

이 연구는 MIT Sloan의 재무 조교수인 Taha Choukhmane과 다른 공동 저자들이 작성했습니다. 이 연구는 불편한 사실에서 시작되었습니다. 많은 사람이 이미 AI 금융 조언에 의존하고 있지만, 어떤 종류의 권장 사항을 받는지, 혹은 그 조언을 따르는 것이 유익한지를 엄격하게 측정한 사람은 아무도 없었습니다. 이 연구는 흔치 않은 방법론을 통해 그 공백을 메우고자 합니다. 즉, 챗봇의 개별 답변에 점수를 매기는 대신, 22세부터 89세까지의 전체 금융 생활을 시뮬레이션합니다.

💭 Clave: “미국인의 절반은 금융 조언을 얻기 위해 AI를 사용하고 있다고 말하지만, 그들이 어떤 종류의 조언을 받고 있는지, 그리고 그 조언에 따라 행동하고 있는지에 대해서는 우리가 아는 바가 거의 없습니다”라고 MIT Sloan의 재무학 조교수이자 이번 연구의 공동 저자인 Taha Choukhmane는 말했습니다.

이러한 조언을 시험하기 위해 연구진은 AI에게 추상적인 질문을 던지지 않았습니다. 대신 1,000명의 실제 성인을 모집하여, 재무 상태를 정리하기 위해 도움을 찾는 사람이라면 누구나 할 법한 방식으로 직접 프롬프트 (prompts)를 작성하도록 요청했습니다. 그 후, 이 1,000명의 사람들이 평생에 걸쳐 동일한 질문을 반복하고, 받은 모든 저축, 지출 및 투자 권장 사항을 글자 그대로 따른다면 어떤 일이 벌어질지 시뮬레이션했습니다.

배경: 왜 AI의 금융 조언을 시험하는 것이 중요한가

수십 년 동안 은퇴를 계획하거나 주식과 채권 사이의 포트폴리오 (portfolio) 배분을 결정하는 표준적인 방법은 공인된 인간 재무 상담사와 상담하는 것이었습니다. 하지만 이러한 접근에는 실제적인 비용이 따릅니다. 권장되는 상품에 묶인 수수료, 서비스를 이용하기 위한 최소 자산 요건, 그리고 외부에서 거의 감사되지 않는 편향 (biases) 등이 그것입니다. 고정된 규칙으로 포트폴리오를 구성하는 자동화된 플랫폼인 로보 어드바이저 (robo-advisors)의 물결은 이미 10여 년 전부터 이러한 접근 비용을 낮추었지만, 여전히 각 플랫폼 자체의 상품으로 제한되어 있었습니다.

이 연구는 22세부터 89세까지의 사람들의 금융 결정을 시뮬레이션했습니다.
대화형 챗봇 (chatbot)은 이 방정식을 다시 한번 바꿉니다. 챗봇은 무료이거나 거의 비용이 들지 않으며, 언제든 응답할 수 있고, 적어도 명시적인 방식으로는 어떤 금융 상품도 판매하지 않습니다. 그렇기 때문에 MIT Sloan의 연구 결과에 따르면, 미국 성인 인구의 절반이 이미 돈과 관련된 궁금증을 해결하기 위해 AI에 의존하고 있습니다.

문제는 이러한 조언이 규제도, 면허도 없이 제공되며, 지금까지는 이것이 사람들이 더 나은 은퇴를 준비하는 데 실제로 도움이 되는지 검증하는 주체도 없었다는 점입니다.

방법론: 조언의 품질을 측정하는 방법

연구팀은 먼저 한 개인의 소득, 고용, 투자 및 세금이 생애 전반에 걸쳐 평균적으로 어떻게 변화하는지를 재현하는 참조 모델 (Reference Model)을 구축했습니다. 이 모델은 측정 기준(Vara de medir) 역할을 합니다. 즉, 보험 계리적 (Actuarial) 관점에서 각 연령대에 좋은 금융 결정을 내린다는 것이 무엇을 의미하는지를 정의합니다.

flowchart TD
    A["참조 모델: 소득, 고용 및 세금"] --> B["1,000명의 성인이 직접 프롬프트 (Prompt) 작성"]
    B --> C["GPT-5.2, GPT-5.6 및 Gemini 3 Flash가 응답"]
...

이러한 기준이 준비된 후, 연구진은 1,000명의 성인 표본에게 지출과 투자에 관한 자신만의 프롬프트를 작성하여 GPT-5.2, GPT-5.6 및 Gemini 3 Flash에 질문하도록 요청했습니다. 그 다음, 22세에서 89세 사이의 사람들을 시뮬레이션하여, AI가 각 단계에서 권장하는 사항을 정확히 따르며 연령별로 동일한 질의 과정을 반복하도록 했습니다. 마지막으로, 연구진은 이 실험을 세 번째로 반복하되, 개인이 작성한 프롬프트 대신 연구에서 **학술적 프롬프트 (Academic Prompt)**라고 부르는 것을 사용했습니다. 이는 규제된 금융 자문을 요청하고, 생애 주기 계획 (Life-cycle planning)을 명시적으로 언급하며, 시뮬레이션된 개인의 모든 관련 금융 정보와 경제 환경에 대한 명확한 가정을 상세히 포함하는 질의를 의미합니다.

AI의 도움 없이 오늘날 사람들이 행하는 방식과 시뮬레이션된 행동을 비교했을 때, 종합적인 결과는 일관적입니다. 인공지능은 더 많은 저축을 유도하고, 주식 시장 참여를 높이며, 포트폴리오를 더 잘 분산시키고, 특히 45세 이후에는 연령에 따라 적절하게 위험을 낮추도록 만듭니다. 저자들은 이 결과를 예상보다 더 나은 것으로 설명합니다. 즉, AI의 조언을 따르면 30세 이상의 거의 모든 사람에게 상당한 저축 완충 장치 (Savings buffers)를 생성해 준다는 것입니다.

AI로 더 나은 금융 조언을 받는 방법

일반적인 프롬프트와 학술적 프롬프트의 차이는 단순히 겉모습의 차이가 아닙니다. 이는 일반적인 조언과 귀하의 실제 상황에 맞춘 조언을 가르는 차이입니다. AI에게 금융 조언을 구할 계획이라면, 연구는 단편적인 질문을 던지는 대신 학술적 프롬프트의 구조를 모방할 것을 제안합니다.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
...

다음은 1,000명의 참가자 대부분이 수행한 질의 유형의 실제 모습입니다. 은퇴 날짜, 신고된 소득, 명시적인 경제적 가정이 없는 짧은 질문입니다. AI는 여전히 상당히 괜찮은 답변을 내놓지만, 매우 적은 정보만을 가지고 작업합니다.

{
  "rol_solicitado": "client의 최선의 이익을 위해 행동하는 공인 재무 설계사",
  "perfil": {
...

이 두 번째 형식은 연구에서 '학술적 프롬프트 (academic prompt)'라고 부르는 것입니다. 이는 질문을 던지기 전에 AI가 맡아야 할 역할(role)을 선언하고, 전체 재무 프로필(financial profile)을 전달하며, 경제적 가정(economic assumptions)을 설정합니다. 이 정도 수준의 상세함이 갖춰지면 조언의 품질은 향상되지만, 근본적인 문제는 완전히 사라지지 않습니다. 즉, 주식과 채권 사이의 비중이 원래 계획에서 벗어날 때 모델이 포트폴리오 리밸런싱 (rebalancing)을 충분히 강조하지 않는 문제는 여전히 남아 있습니다.

⚠️ 주의: 챗봇은 등록된 재무 설계사가 아닙니다. 이들에게는 공식적인 수탁자 의무 (fiduciary obligation)가 없으며, 권고 사항이 잘못될 경우 법적 책임을 지지 않습니다.
전체 데이터를 포함한 학술적 프롬프트는 조언의 품질을 개선했습니다.

영향 및 분석

이 연구에서 가장 많이 인용되는 발견은 전통적인 금융 산업의 비즈니스 모델에 대한 판결과도 같습니다. 공식적인 수탁자 의무도 없고 라이선스도 없는 무료 챗봇이, 평균적으로 일반 개인이 스스로 내리는 결정보다 더 나은 저축 및 분산 투자 (diversification) 결정을 내린다는 것입니다. 이것이 모든 시나리오에서 인간 설계사를 대체한다는 의미는 아니지만, 설계사를 고용할 여력이 없었던 사람들에게는 접근성의 격차를 줄여줍니다.

저자들이 기록한 실패 사례는 성공 사례만큼이나, 혹은 그보다 더 중요합니다. 평가된 언어 모델들은 포트폴리오를 능동적으로 리밸런싱 (rebalancing)하는 대신 시간이 지남에 따라 포트폴리오가 이탈하도록 방치하며, 실직과 같은 충격 (shock)이 발생했을 때 잘못된 대응을 합니다. 이는 바로 숙련된 인간 설계사가 개입해야 하는 상황입니다. 즉, 단순히 나이가 변할 때뿐만 아니라 소득이 변할 때도 계획을 조정하는 역할 말입니다.

스페인어권 독자들에게 이 연구의 실질적인 시사점은 두 가지입니다. 첫째, 챗봇에게 **AI를 활용한 금융 조언 (AI financial advice)**을 구하는 것은 더 이상 드문 일도, 명백한 위험도 아닙니다. 연구에 따르면 주의 깊게 따라갈 경우, 혼자서 임기응변식으로 대처하는 것보다 더 나은 결과를 낳는다고 합니다. 둘째, 바로 그 조언이 가장 큰 금융적 스트레스 상황(해고, 의료 비상사태, 환율 위기 등)에 처했을 때 인간의 감독이 필요합니다. 이러한 상황은 미국보다 거시경제적 변동성 (macroeconomic volatility)이 높은 경제권에서 더욱 흔하게 발생합니다.

향후 과제

저자들은 구조화된 프롬프트 (structured prompts)를 사용할수록 조언의 품질이 향상되었지만, 능동적인 리밸런싱 (active rebalancing) 문제를 해결하지는 못했다고 지적합니다. 이는 명확한 연구 방향을 제시합니다. 즉, 리밸런싱 권고가 사용자의 기억에 의존하지 않도록 챗봇을 개인의 실제 투자 계좌 데이터와 연결하는 도구가 필요합니다.

또한, 조언이 GPT-5.2, GPT-5.6 또는 Gemini 3 Flash와 같은 범용 모델이 아니라, 계좌의 실제 잔액과 거래 내역에 접근할 수 있도록 금융 계획에 특화되어 미세 조정 (fine-tuned)된 어시스턴트로부터 제공될 때는 어떤 결과가 나타날지도 여전히 미지수입니다. 미국 및 기타 국가의 금융 규제 당국은 이러한 사용 사례, 특히 챗봇이 답변을 제공할 때 일반 정보와 규제 대상인 자문 (regulated advice) 사이의 경계가 모호해지는 지점을 면밀히 주시하기 시작할 것으로 예상됩니다.

직접 시도해 보세요. 다음에 AI에게 금융 조언을 구할 때는 유용한 답변을 기다리기 전에 자신의 연령, 소득, 저축액 및 은퇴 시점 (retirement horizon)을 함께 입력해 보시기 바랍니다.

📖 Telegram 요약: 요약 보기

자주 묻는 질문 (FAQ)

AI가 공인된 인간 금융 설계사를 대체할 수 있나요?

반드시 그렇지는 않습니다. 연구에 따르면 AI의 평균적인 조언은 도움 없이 혼자 행동하는 사람보다 뛰어난 성과를 보이지만, 해고와 같은 금융 충격 (financial shocks)이 발생하는 시점에서의 인간의 감독을 대체하지는 못합니다.

MIT Sloan 연구에서는 어떤 AI 모델들이 사용되었나요?

참가자들은 지출, 저축 및 투자에 관한 AI 금융 조언을 구하기 위해 GPT-5.2, GPT-5.6 및 Gemini 3 Flash를 사용했습니다.

연구에 따르면 학술적 프롬프트(Academic prompt)란 무엇인가요?

이는 규제 대상인 금융 자문을 요청하는 구조화된 질의로, 생애 주기 계획(Life-cycle planning)을 언급하며 연령, 고용 상태, 소득, 저축 및 명시적인 경제적 가정들을 상세히 기술하는 것을 의미합니다.

AI 금융 조언의 주요 결함은 무엇인가요?

평가된 모델들은 시간이 지남에 따라 포트폴리오를 리밸런싱(Rebalancing)해야 한다는 점을 충분히 강조하지 못하며, 실업과 같은 충격(Shocks)에 부적절하게 대응합니다.

연구에 따르면 몇 세부터 저축 조언이 개선되나요?

연구 결과, 30세 이상의 거의 모든 사람들에게서 상당한 저축 완충 장치(Savings cushions)가 발견되었으며, 45세 이후에는 적절한 위험 감소(Risk reduction)가 나타났습니다.

챗봇과 실제 금융 데이터를 공유하는 것은 안전한가요?

본 연구는 개인정보 보호(Privacy)를 평가하지는 않았으나, 학술적 프롬프트는 연령, 소득 및 저축액 공유를 요구합니다. 따라서 실제 수치를 입력하기 전에 AI 제공업체의 데이터 정책을 검토하는 것이 좋습니다.

참고 문헌