질문을 제대로 하면 AI 금융 조언은 놀라울 정도로 좋아짐

22~89세의 재무 결정을 시뮬레이션한 결과, LLM 조언은 30세 이상 거의 모든 사람에게 저축 완충 자금을 마련하고 저축·주식시장 참여·분산투자를 늘리는 데 도움을 줌 근로 기간에는 저축하고 은퇴 후에는 자산을 인출하며 45세 이후 주식 비중을 낮추도록 권했지만, 실직 같은 충격과 적극적인 포트폴리오 재조정에는 충분히 대응하지 못함 1,000명이 GPT-5.2·GPT-5.6·Gemini 3 Flash에 직접 작성한 질문보다 생애주기 계획, 재무 상태, 경제 환경을 명시한 구조화된 프롬프트에서 조언 품질이 높아짐 여성·금융 이해도가 낮은 사용자는 60세 자산이 약 5만 달러(4%), AI 금융 조언 경험이 없는 사용자는 약 10만 달러(6%) 적었으며, 질문 방식과 모델 반응이 모두 격차에 영향을 줌 소비자는 AI를 금융 지식을 쌓고 전문가 조언을 실시간으로 실행하는 보완 도구로 활용할 수 있으며, 금융사는 자사 상품이 LLM 답변에 어떻게 나타나는지도 살펴야 함 재무 조언의 품질을 측정한 실험 미국인의 절반이 금융 조언을 얻는 데 AI를 사용한다고 답했지만, 어떤 조언을 받고 실제로 따르는지는 거의 알려지지 않았음 연구진은 소득·고용·투자·세금이 생애에 걸쳐 변하는 방식을 반영한 모델을 만들어 좋은 재무 결정의 기준으로 삼음 성인 1,000명에게 GPT-5.2, GPT-5.6 또는 Gemini 3 Flash에서 지출·투자 조언을 구할 프롬프트를 직접 작성하게 함 22~89세 사람들이 같은 유형의 질문을 반복하고 AI가 제안한 지출·저축·투자 결정을 계속 따랐을 때의 결과를 시뮬레이션함 일반 사용자 프롬프트의 결과를 AI 없이 이어 온 기존 재무 행동, 구조화된 학술형 프롬프트의 결과와 비교함 구조화된 학술형 프롬프트 학술형 프롬프트는 LLM에 규제된 전문 금융 조언을 요청하고, 생애주기 계획과 사용자의 최선의 이익을 기준으로 삼도록 요구함 시뮬레이션 대상자의 나이·고용 상태·소득·저축 잔액 등 관련 재무 상태를 모두 제공함 정상 기대수명, 생활비, 은퇴 연령, 고용·소득 위험과 함께 현행 미국 세법과 Social Security 규정이 바뀌지 않는다는 경제 환경 가정도 명시함 이처럼 상세하고 구조화된 질문은 일반 사용자 질문보다 지출·저축 조언을 개선하고 단순 경험칙에 의존하는 답변을 줄였지만, 적극적인 포트폴리오 재조정은 여전히 부족했음 LLM 조언이 잘한 부분 일반 사용자 프롬프트와 학술형 프롬프트 모두...