금융 AI와 LLM, 리포트 분석부터 리스크관리·사기탐지·신뢰까지

핵심 메시지

• LLM은 실적 보고서·재무제표 같은 텍스트를 읽고 리스크와 기회를 빠르게 요약해, 매일 보고서를 읽는 금융 분석가의 업무를 크게 바꾼다.
• LLM은 사람이 놓치는 시장 패턴·이상치를 찾아내지만 존재하지 않는 것을 '환각'하기도 해, 사람과 LLM의 결합이 가장 정확한 예측의 영역이 될 수 있다.
• 신뢰의 핵심은 '수탁의무'이며, 금융 지식뿐 아니라 판례 전체를 학습시키면 LLM을 신뢰받는 수탁 자문으로 만들 수 있다는 구상이다(수년 후 목표).
• 리스크 관리는 정량 계산(VaR·시나리오 분석)은 자동화가 쉽지만, 그 숫자를 의미 있는 '서사'로 풀어 설명하는 일이 더 어렵고 LLM이 잘할 부분이다.
• LLM은 사기 탐지를 강화하지만 탐지가 어려운 사기를 만들 수도 있어 규제당국과 위반자 사이의 '군비 경쟁'이 벌어지며, 규제 인프라 투자와 데이터 권리 입법이 필요하다.

쉽게 이해하기

MIT 슬론 경영대학원 금융 교수이자 MIT CSAIL 책임연구원인 앤드루 로는 질의응답 형식으로 LLM의 금융 활용을 설명한다. 그는 LLM이 평문 텍스트를 읽고 소화·요약하도록 설계됐기 때문에 실적 보고서와 재무제표에서 리스크·기회를 짧고 요점 있게 정리할 수 있다고 말한다. 금융권은 리스크와 기회를 표시하는 키워드를 쓰는데 LLM이 이를 자동으로 빠르게 태깅할 수 있어, 매일 보고서를 읽는 분석가의 일이 훨씬 빠르고 정확해진다고 본다.

LLM이 사람이 놓치는 미묘한 패턴과 이상치를 찾을 수 있느냐는 질문에는 '그렇다'면서도, 존재하지 않는 이상치를 만들어내는 환각의 위험을 함께 지적한다. 다만 사람도 완벽하지 않다며 '경제학자는 지난 세 번의 불황을 다섯 번 예측했다'는 새뮤얼슨의 농담을 인용하고, 사람과 LLM의 결합이 정확한 예측의 '스위트 스폿'이 될 수 있다고 말한다.

신뢰 문제를 그는 가장 흥미로운 주제로 꼽는다. 금융에는 고객의 이익을 자기 이익보다 앞세우는 '수탁의무(fiduciary duty)' 개념이 있는데, 인간 자문이 윤리강령과 수많은 금융 규제·법규를 따르며 수탁자가 되듯, LLM에게 금융 지식뿐 아니라 악행이 적발·기소된 기록인 판례 전체를 학습시키면 수탁자로 훈련시킬 수 있다는 구상이다. SEC와 법조계가 인정할 수준까지는 수년이 더 필요하다고 본다.

리스크 관리는 두 부분으로 나뉜다. VaR·시나리오 분석·최악 손실 계산 같은 정량 작업은 이미 버튼 하나로 자동화돼 있지만, 그 숫자가 각자의 상황에 무엇을 의미하는지 서사로 풀어 리스크 매니저·정책결정자·고객에게 전달하는 일이 훨씬 어렵다. 그는 주가가 15% 급락한 상황을 예로 들며, LLM이 수치를 즉시 분석해 '회사채는 타격을 받겠지만 국채는 선전할 것이며 며칠 기다리는 편이 낫다'는 식의 맥락 있는 설명을 만들어줄 수 있다고 말한다.

그는 시장을 움직이는 '공포와 탐욕'을 읽는 감성 분석에서 LLM이 뉴스·소셜미디어 텍스트와 숫자를 함께 분석해 과민·과소 반응을 포착할 것이며, 일부 헤지펀드는 이미 활용 중일 수 있다고 본다. 동시에 LLM이 채용 결정에서 성별 편향을 보였다는 자신들의 논문을 들어 편향을 먼저 문서화·정량화한 뒤 RAG 등으로 보정해야 한다고 강조한다. 사기 탐지는 분명히 강화되지만(벤포드 법칙 같은 통계 규칙성 활용) 탐지가 어려운 사기를 만들 위험도 커져 규제당국과 위반자의 군비 경쟁이 벌어지며, 트레이딩 알고리즘 활용과 함께 규제 예산 확대·데이터 권리 입법이 필요하다고 마무리한다.

주요 인사이트

• LLM의 강점은 단순 수치 계산이 아니라, 표 속 숫자가 개인의 상황에 갖는 의미를 '서사'로 번역해 주는 데 있다.
• 신뢰를 코드로 옮기는 열쇠로 판례를 제시한다 — 판례는 '한 인간이 다른 인간을 이용하려다 적발·기소된 방식의 화석 기록'이기 때문이다.
• 시장은 정확한 정보뿐 아니라 소문에도 빠르게 반응하므로, 텍스트를 읽는 LLM이 뉴스 기반 예측에서 특히 유리하다.
• 편향 대응의 출발점은 제거가 아니라 측정과 문서화다 — '측정해야 관리할 수 있다'.
• 사기 탐지와 사기 생성 모두를 강화하는 양면성 때문에, 규제당국이 위반자와 동등한 기술·예산을 갖추지 못하면 일방적인 경쟁이 된다.

자주 묻는 질문

관련 AI 소식