출처
- source_url: https://aisparkup.com/posts/14978
- author: Spark
- published: Tue, 04 Aug 2026 05:56:38 +0000
- raw: raw source:
2026-08-04-aisparkup-post-14978-ai-mit
개요
MIT 슬론 경영대학원 연구팀은 GPT-5.2, GPT-5.6, Gemini 3 Flash의 재무 조언을 생애주기 재무 모델과 비교해 평가했습니다. 연구 결과, AI는 저축·분산투자·은퇴 후 자산 인출·연령에 따른 주식 비중 축소 등 학계의 일반적인 재무 원칙과 대체로 일치하는 조언을 했습니다. 그러나 질문에 나이, 소득, 고용 상태, 저축액, 세율, 은퇴 시점 같은 정보가 얼마나 구체적으로 포함됐는지에 따라 답변 품질이 크게 달라졌습니다. 같은 모델이라도 사용자의 성별, 금융 지식, AI 사용 경험 및 프롬프트 표현에 따라 권고와 장기 자산 결과에 차이가 나타났습니다.
핵심 포인트
- 연구팀은 22~89세의 생애주기를 가정해 AI 조언을 지속적으로 따랐을 때의 결과를 시뮬레이션했습니다.
- AI는 근로 기간에는 저축하고, 은퇴 후에는 저축을 사용하며, 분산된 주식형 펀드에 투자하고, 45세 이후 주식 비중을 줄이는 방향을 주로 제안했습니다.
- 실직처럼 상황이 급변하는 경우에는 저축 여력이 있어도 지출을 지나치게 줄이라고 권하는 등 유연성이 부족했습니다.
- 구체적인 개인·재무 정보를 포함한 “학술적” 프롬프트가 짧고 일반적인 질문보다 더 나은 답변을 이끌어냈습니다.
- 남성, 금융 지식이 높은 사용자, AI 사용 경험이 있는 사용자에게 상대적으로 높은 주식 비중이나 저축률이 권고되는 경향이 있었습니다.
- 이러한 차이로 여성 및 금융 지식이 낮은 사용자는 60세 시점에 약 5만 달러, AI 재무 조언 경험이 없는 사용자는 약 10만 달러 적은 자산을 갖는 것으로 시뮬레이션됐습니다.
- 자산 격차의 약 3분의 2는 사용자가 서로 다른 표현으로 질문한 데서, 나머지 3분의 1은 같은 질문에 사용자 특성 라벨만 달리했을 때 모델이 다르게 답한 데서 비롯됐습니다.
왜 중요한가
이 연구는 AI 재무 조언의 품질이 모델 자체뿐 아니라 사용자가 제공하는 맥락과 질문 방식에도 크게 영향을 받는다는 점을 보여줍니다. 개인의 재무 상황을 충분히 설명하면 답변이 더 정교해질 수 있지만, 사용자 특성에 따라 권고가 달라지는 편향 가능성도 함께 확인됐습니다. 따라서 AI의 재무 조언을 활용할 때는 짧고 막연한 질문만으로 결론을 내리기보다, 답변이 어떤 가정과 사용자 정보에 근거하는지 확인할 필요가 있습니다.
참고 링크
- 원문: https://aisparkup.com/posts/14978
- MIT Sloan: https://mitsloan.mit.edu/ideas-made-to-matter/ai-financial-advice-surprisingly-good-especially-if-you-ask-right-questions
- 연구 논문: https://tahachoukhmane.com/wp-content/uploads/2026/03/CdSLA-2026-AI-Financial-Advice.pdf
관련 위키
원문 보존 위치
원문 전체는 raw source: 2026-08-04-aisparkup-post-14978-ai-mit에 source_url 및 HTML 원문과 함께 저장되어 있습니다.