AI financial advice is surprisingly good, especially if you ask right questions

개요

대규모 언어 모델(LLM)이 제공하는 금융 자문은 개인의 저축 및 투자 행태에 긍정적인 영향을 미칠 수 있지만, 질문의 구조화 및 사용자 특성에 따른 차별화된 조언으로 인해 잠재적인 격차가 발생할 수 있음을 MIT 연구에서 밝혔습니다.

주요 내용

* AI 금융 자문의 효과: 연구에 따르면 LLM의 금융 자문을 따르는 것은 30세 이상 개인에게 상당한 저축 여력을 제공할 수 있으며, LLM은 꾸준히 저축, 은퇴 시 저축 인출, 분산된 주식 펀드 투자, 45세 이후 주식 비중 축소 등을 조언했습니다.
* 질문의 중요성: 학술적인 형식의 구조화된 프롬프트를 사용할 때 LLM의 금융 자문 품질이 향상되었으며, 이는 개인 정보(나이, 직업, 소득, 저축 잔액)와 경제 환경에 대한 가정을 포함하는 상세한 프롬프트가 일반적인 질문보다 더 나은 결과를 가져왔습니다.
* AI의 한계: LLM은 실직과 같은 충격에 대한 조절이 미흡했고, 포트폴리오의 능동적인 재조정보다는 방치하는 경향을 보였습니다. 또한, 너무 적은 수준의 능동적인 포트폴리오 재조정을 생성하는 경우가 많았습니다.
* 사용자별 자문 차이 및 부의 격차: LLM의 자문은 사용자의 성별, 금융 이해력, 경험에 따라 달라졌으며, 남성, 금융 이해력이 높은 사용자, AI 경험이 있는 사용자가 작성한 프롬프트에 대한 자문을 따를 경우 은퇴 시 약 5% 더 많은 부를 얻는 것으로 나타났습니다. 여성이나 금융 이해력이 낮은 사용자의 경우 약 4% (약 5만 달러) 적은 부를 쌓을 수 있었습니다. 또한, AI 경험이 없는 사용자에게는 거의 6% (약 10만 달러) 적은 부를 남기는 조언을 추천했습니다.
* 차이의 원인: 이러한 차이는 사용자들이 서로 다른 질문을 하고 다른 주제를 다루기 때문이며(예: 여성은 "가족", "식료품", "지불" 등, 남성은 "전략", "암호화폐", "성장" 등), 때로는 동일한 질문이라도 모델이 성별에 따라 다른 조언을 제공하는 경우도 있었습니다. 이는 모델의 추론 또는 학습 데이터의 편향을 반영할 수 있습니다.
* 소비자를 위한 시사점: AI 금융 자문을 활용할 때 사용자는 편향을 인지하고, 더 나은 자문을 위해 인생 주기 계획, 포트폴리오 이론, 현실적인 재무 가정을 기반으로 한 명확하고 구조화된 질문을 작성하는 것이 중요합니다. AI를 단순히 조언을 따르는 도구가 아닌, 금융 이해력을 높이는 도구로 활용하는 것도 고려해볼 수 있습니다.
* 기업을 위한 시사점: LLM이 금융 상품 추천에 영향을 미치면서, 금융 기업은 고객 유치가 LLM에서의 제품 설명 방식에 따라 달라질 수 있음을 인지하고 마케팅 전략을 재고할 필요가 있습니다.

시사점

AI 기반 금융 자문은 접근성과 비용 측면에서 상당한 이점을 제공하지만, 질문의 질, 사용자 특성에 따른 잠재적 편향 및 부의 격차 해소를 위한 지속적인 연구와 프레임워크 개발이 필요하며, 소비자는 AI를 금융 이해력 증진 및 보완 도구로 활용해야 합니다.