"이 주식 어때?"라고 묻는다면...AI가 뻔한 답만 하는 이유

챗GPT나 클로드에 종목 하나를 던지며 "이 주식 어때?"라고 물어본 적이 있다면, 돌아온 답이 대체로 이랬을 것이다. 사업 전망은 밝지만 밸류에이션이 부담스러울 수 있으니 신중한 접근이 필요하다. 어느 종목을 넣어도 문장만 조금 바뀔 뿐 골자는 같다. 

AI를 주식에 써 본 사람이라면 누구나 한 번쯤 겪어 본 두루뭉술한 답변이다. 그런데 원인은 AI가 멍청해서가 아니라 질문이 잘못돼서다. 대규모 언어모델(LLM)로 불리는 이 AI는 이름 그대로 다음에 올 단어를 확률적으로 골라 문장을 이어 붙이는 기계다. 

분석을 하는 엔진이 아니라 방대한 글을 학습해 가장 그럴듯한 말을 만들어내는 구조다. 그러니 질문이 뭉툭하면 학습 데이터에 수십만 번 나온 가장 무난한 표현, 다시 말해 "좋긴 한데 조심하라"는 헤지성 문장으로 흘러간다. 여러 자산운용사와 연구진이 똑같이 짚는 지점이다.

보유 종목을 통째로 붙여넣고 평가를 시켜도 결과는 별로 나아지지 않는다. 데이터를 더 준다고 모델의 성격이 바뀌지는 않는다. 실제 계산은 안 하면서 분석처럼 읽히는 답을 내놓고, 참조하는 정보도 낡았을 수 있다. 

무엇보다 AI는 그 사람의 세금 상황이나 당장 필요한 현금, 특정 종목에 자산이 쏠려 있는지, 하락장에서 패닉에 빠지는 성격인지를 전혀 모른다. 그럴듯한 2차 소견처럼 보여도 속은 비어 있다.

가장 치명적인 것은 AI가 숫자를 다루는 데 아직 서투르다는 부분이다. 전용 계량 모델과 비교하면 가격과 거래량의 미세한 패턴, 시장 분위기가 뒤집히는 전환점을 잡아내는 능력이 떨어진다. 밸류에이션을 직접 계산하라고 시키면 그럴듯한 허구를 지어내기 쉬운 까닭이다. 

감성 분석에도 함정이 있다. AI가 읽는 건 문장의 언어적 뉘앙스일 뿐 시장의 실제 반응이 아니다. "실적이 좋았다"는 문장이 곧 주가 상승을 뜻하지는 않는다. 이미 투자자들이 그 기대를 미리 주가에 반영했거나 거시 여건과 업종 흐름이 따로 움직이기 때문이다.

그러면 AI는 뭘 잘하나. 대량의 텍스트를 압축하고 구조를 잡아내는 일이다. 수백 쪽짜리 사업보고서에서 각주에 파묻힌 위험 신호를 끄집어내거나 분기마다 경영진의 말투와 강조점이 어떻게 달라졌는지 추적하고, 회사가 홍보로 내세운 말과 실제 공시 숫자가 어긋나는 대목을 잡아내는 데 강하다. 

반대로 미래 주가나 매수 타이밍을 맞히는 일, 실시간 시세를 반영하는 일은 애초에 기대하면 안 된다.

핵심은 프롬프트, 곧 AI에게 던지는 지시문을 어떻게 짜느냐다. 원칙은 세 가지다. 첫째, 원문을 직접 붙여넣어야 한다. 회사가 공시한 사업보고서나 실적 발표 녹취록을 프롬프트에 그대로 넣으면 AI가 사실을 지어내는 이른바 환각 위험이 크게 줄어든다. 

둘째, 숫자마다 출처를 대게 만들고 AI가 뱉은 수치는 반드시 원본과 대조한 뒤에만 쓴다. 

셋째, "요약해줘"가 아니라 "허점을 찾아라"로 방향을 뒤집어야 한다. 요약을 시키면 무난한 답변만 나오지만 반증을 시키면 신호가 나올 수 있다.

구체적으로 어떻게 쓰는지 예시를 보자. 공시 분석은 역할과 과제를 잘게 쪼개 지시할 때 효과가 크다. 가령 이렇게 프롬프트를 짜볼 수 있다. 

"너는 회계 감식 담당 애널리스트다. 첨부한 이 회사 사업보고서를 분석해라. 좋은 점 요약은 하지 마라. 대신 ①지난 분기엔 있었는데 이번엔 사라지거나 축소된 위험 문구, ②각주에 숨어 있는 회계 처리 방식 변경, ③보도자료 홍보 문구와 각주 실제 숫자가 어긋나는 부분을 찾아 표로 정리하되 각 항목마다 원문 몇 쪽 몇 번째 문장인지 밝혀라." 

좋은 점을 금지하는 한 줄이 핵심이다. 이 제약이 없으면 AI는 다시 무난한 요약으로 돌아간다.

시장 심리, 곧 경영진의 속내를 읽는 작업은 실적 발표 녹취록에서 이뤄질 수 있다. '행동 신호'를 뽑아야 한다. 실전에서 검증된 프롬프트는 이런 식이다. 

"이 회사의 최근 3개 분기 실적 발표 녹취록을 붙인다. 강세 시나리오는 요약하지 마라. 네 임무는 누락과 회피, 말 바꾸기를 찾는 것이다." 그 다음 단계도 이어 지정한다. 

"①이전 발표에서 자주 언급되다가 최근 슬그머니 사라진 지표를 언급 횟수와 함께 표로 뽑아라. ②CEO가 대본대로 읽은 준비 발언과 즉석에서 답한 질의응답의 말투 차이를 분석해라. ③마진을 물었는데 물량으로 답하는 식으로 질문을 딴 데로 돌리거나, 출시된 지 반년이 넘은 제품을 두고 '아직 판단하기 이르다'고 미루는 식의 답변을 골라 질문과 답을 그대로 인용해라. ④각 발표 직후 열흘간 주가를 붙일 테니 답변이 얼마나 회피적이었는지와 실제 주가 흐름을 연결지어 설명하라."

재무 상태를 볼 때도 마찬가지다. "이 회사의 최근 4개 분기 재무제표를 첨부한다. 전분기 대비 매출총이익률, 영업현금흐름, 재고자산의 변화 방향을 짚고 숫자는 좋아졌는데 경영진 설명은 나빠졌거나 그 반대인 '숫자와 말의 불일치' 지점을 찾아라"고 시키는 식이다. 여기서도 계산 자체를 믿기보다 변화의 방향과 서술의 엇박자를 잡는 데 AI를 쓴다.

전체 흐름을 정리하면 이렇다. 검색형 AI로 회사 기초를 파악하고, 사업보고서 원문으로 감식 분석을 돌리고, 실적 발표 녹취록으로 논조를 뜯어본 뒤 밸류에이션 계산과 최종 판단은 사람이 직접 한다. 

AI에게 종목을 던지며 "어때?"라고 묻는 대신 원문을 안기고 "여기서 거짓말과 누락, 말 바꾸기를 찾아내라"고 시키는 것이다. 숫자와 결론은 사람 몫으로 남긴다. AI는 투자 자문가가 아니라 리서치 보조원으로 사용할 때 가장 좋은 효율을 보여줄 수 있다.