재무 서비스 전문가의 62%가 AI 생성 오류가 이미 고객에게 전달된 적이 있다고 인정합니다. 초안도, 내부 실험도 아닌, 실제 고객에게 말이죠.
그럼 AI 어시스턴트가 4분 만에 만들어준 멋진 3-재무제표 모델을 보세요. 깔끔한 월별 칼럼, 자신감 넘치는 수익 성장 곡선, 요청하지도 않은 DCF 탭까지 — 그리고 중요한 질문을 스스로 던져보세요: 그 모델의 모든 숫자에 자사의 펀드레이징을 걸 수 있겠습니까? 그 스프레드시트를 투자자 이메일에 첨부하거나 은행 미팅에 가져가는 순간, 당신은 바로 그런 행동을 하고 있는 것입니다.
좋은 소식은 AI가 재무 모델링 분야에서 실제로 극적으로 개선되었다는 점입니다. 2026년 2월, Financial Modeling Institute가 "단계적 변화"라고 부른 사건이 있었습니다. AI 도구가 단순히 템플릿을 채우는 대신 광범위한 프롬프트에서 진정으로 견고한 모델을 구축할 수 있게 된 첫 번째 사례였습니다. 나쁜 소식은 '더 나은 것'이 '신뢰할 수 있는 것'과 같지 않다는 점입니다. AI 모델은 여전히 환각(hallucination)을 일으키고, 수식이 있어야 할 곳에 숫자를 하드코딩하고, 완전한 확신을 가지고 틀린 답을 말합니다. OpenAI 스스로도 대규모 언어 모델에서 환각은 수학적으로 불가피하다고 인정했습니다. 고쳐야 할 버그가 아니라 관리해야 할 속성이라는 것입니다.
이 글은 ICAEW(잉글랜드 및 웨일즈 공인회계사협회)와 Financial Modeling Institute의 지침에 기반한 실용적인 검토 체크리스트를 제공하며, 돈을 원하는 누구보다 먼저 AI 오류를 잡을 수 있도록 돕습니다.
AI 모델이 새로운 유형의 회의론을 요구하는 이유
인간이 만든 스프레드시트도 이미 신뢰할 수 없었습니다. 스프레드시트 위험에 대한 수십 년간의 연구는 실제 세계의 스프레드시트 대다수에 오류가 있다는 결론을 내렸습니다. 널리 인용된 한 조사에 따르면 약 90%였고, 신중하게 구축된 모델에서도 셀 수준 오류율은 몇 퍼센트에 달했습니다. AI는 이 위험을 없애지 않습니다. 다만 그 형태를 바꿉니다.
인간 모델러의 오류는 작업이 가장 어려웠던 곳, 즉 가장 복잡한 수식이나 늦은 밤의 복사-붙여넣기에서 발생하는 경향이 있습니다. AI 오류는 다릅니다. 고르게 분포되어 있고, 완벽하게 형식화되어 있으며, 불확실성의 기미 없이 전달됩니다. 실제로 균형이 맞지 않는 대차대조표나 3년차에 마이너스 잔액이 있는 부채 상환 일정을 자신 있게 보여주는 모델은 올바른 모델과 똑같이 정교해 보입니다. AI의 작업에는 어디를 봐야 할지 알려주는 커피 자국이 없습니다.
따라서 가장 중요한 사고방식 전환은 이것입니다: 모든 AI 생성 모델을 완성된 제품이 아닌 반드시 점검해야 할 초안으로 취급하십시오. Financial Modeling Institute의 Ian Schnoor가 말했듯이, AI로 모델을 만드는 것은 더 빠르게 직접 만드는 것과 같습니다. AI가 만든 결과물을 지시하고, 다듬고, 도전해야 합니다. 그리고 그것은 당신이 이미 좋은 모델이 무엇인지 이해하고 있을 때만 가능합니다. AI는 협력자이지, 권위자가 아닙니다.
AI가 반복해서 저지르는 7가지 오류 패턴
AI 생성 모델을 검토한 결과, 동일한 실패 패턴이 반복적으로 나타납니다. 패턴을 인식하는 법을 배우면 검토 속도가 훨씬 빨라집니다.
1. 누락된 부분
AI는 종종 완성된 것처럼 보이지만 핵심 섹션이 누락된 모델을 제공합니다: 표지 페이지 없음, 출력 요약 없음, 전용 가정 페이지 없음, 시나리오 관리자 없음, 또는 실제 계산이 아닌 스텁(stub) 상태의 일정 등. 때로는 프롬프트에서 명시적으로 요구하지 않아서 건너뛰고, 때로는 그냥… 멈춥니다.
숫자 하나를 확인하기 전에 목차를 확인하십시오. 명시적인 가정 페이지가 없는 모델은 가정이 수식 안에 묻혀 있어 아무도 감사할 수 없는 모델입니다. 그리고 투자자가 가정을 찾을 수 없다면, 당신에게 가정이 없다고 생각할 것입니다.
2. 숨겨진 함정: 숨겨진 행, 시트, 외부 링크
AI는 숨기는 것을 좋아합니다. 숨겨진 시트, 숨겨진 행, 숨겨진 열 — AI에게 직접 추가한 것이 있는지 물어보고, 그래도 수동으로 다시 확인하십시오. 검토자들은 AI에게 외부 파일 링크가 없는지 확인을 요청했고, 모든 것이 깨끗하다는 답변을 받은 후 수동 점검에서 다른 파일로의 링크를 발견했다고 보고합니다. AI는 심지어 이를 놓친 것에 대해 매력적으로 사과하기도 합니다. 사과가 당신의 모델을 고치지는 않습니다.
외부 링크는 특별한 주의가 필요합니다. 다른 사람의 노트북에 있는 다른 통합 문서에서 값을 조용히 가져오는 모델은 이메일로 보내는 순간 깨질 것입니다. 또는 더 나쁘게는, 살아있는 것처럼 보이는 오래된 캐시 값을 계속 표시할 수도 있습니다. 외부 링크가 의도적이고 문서화된 것이 아니라면 제거하십시오.
3. 죽은 숫자와 드리프트하는 수식
고전적인 AI의 징후는 "죽은 숫자(dead number)"입니다. 셀 참조가 있어야 할 수식 안에 하드코딩된 값이 들어 있는 것입니다. =B12*1.05라는 수식은 성장 로직처럼 보이지만, 5% 성장률이 수식에 박혀 있고 가정 셀은 다른 곳에서 사용되지 않고 놀려 있다는 것을 깨닫게 됩니다. 가정을 바꿔도 아무것도 움직이지 않습니다. 투자자들은 정확히 이것을 테스트합니다. 즉, 드라이버(driver)를 유연하게 조정하여 모델이 반응하는지 확인합니다. 죽은 숫자로 가득 찬 모델은 즉시 테스트에 실패합니다.
형제 문제는 수식 드리프트(formula drift)입니다. AI는 월 또는 연도에 걸쳐 채우면서 조용히 수식을 변경하는 것으로 악명 높습니다. F열은 한 방식으로 수익을 계산하는데 G열은 약간 다르게 계산합니다. 해결책은 기계적이지만 타협할 수 없습니다: 모든 행의 시작, 중간, 끝에서 수식을 스폿 체크하고 전체 예측 기간 동안 일관성이 있는지 확인하십시오.
4. 정중하게 거짓말하는 대차대조표
이것은 신뢰도를 가장 빠르게 떨어뜨리는 오류입니다. AI는 때때로 플러그(plug)로 대차대조표를 강제로 균형을 맞춥니다. 즉, 자산을 부채+자본과 같게 만들기 위해 숫자를 역계산합니다. 대차대조표는 균형이 맞습니다. 하지만 허구입니다.
관련된 대차대조표의 죄악을 찾아야 합니다:
- 마이너스 부채 잔액: 미래 현금 부족을 메우기 위해 모델이 사용할 때 단기 부채 라인이 0 아래로 내려가는 경우를 포함합니다.
- 과도한 감가상각: 수식이 언제 멈춰야 하는지 알려주지 않아 누적 감가상각이 자산 비용을 초과하는 경우.
- 주요 자산 또는 부채가 타당한 경제적 이유 없이 마이너스로 표류하는 경우.
각각은 1분이면 확인할 수 있으며, 매우 불편한 투자자 질문에서 당신을 구해줍니다.
5. 물리 법칙 위반
예측은 현실 세계에 대한 이야기이며, AI는 현실 세계에 살지 않습니다. 용량 제한과 운영 한계가 반영되었는지 확인하십시오: 무제한 수량을 제조한다는 수익, 사무실이나 급여세 영향이 없는 인력 계획, 현재 시설의 10배가 필요한 성장 등. 모델이 동일한 기계와 동일한 인력으로 생산량을 3배로 늘릴 수 있다고 말한다면, 그 모델은 비전 있는 것이 아니라 틀린 것입니다.
6. 아무것도 점검하지 않는 점검
좋은 모델에는 내부 오류 점검이 포함됩니다 — 대차대조표 연결, 현금 조정, 순환성 가드 등. AI 생성 모델에도 종종 이런 것들이 포함되는데, 좋은 점이지만 종종 첫 번째 예측 기간에만 작동한다는 문제가 있습니다. 1년 차를 검증하고 2~5년 차를 조용히 무시하는 점검은 점검이 전혀 없는 것보다 나쁩니다. 위안이 되는 초록색 "OK"를 표시하면서 화면 밖에서 오류가 쌓이게 하기 때문입니다. 모든 점검을 전체 기간으로 확장하고 의도적으로 무언가를 고장 내어 점검이 실제로 잡아내는지 확인하십시오.
7. 자신감 있는 넌센스
마지막으로, 순수한 형태의 환각 문제: 모델이 잘못된 정보를 자신 있게 진술하고, 해서는 안 될 곳에서 지나치게 단순화하며, 업데이트하기 어려운 취약한 수식을 만들거나, 같은 질문을 두 번 했을 때 다른 답변을 제공합니다. 마지막 행동은 실제로 유용한 진단 도구입니다 — 같은 질문을 약간 다른 표현으로 다시 물어보고 출력을 비교하십시오. 숫자가 움직이면 적어도 하나의 버전이 틀린 것이며, 이제 어떤 영역을 수동으로 검증해야 하는지 알게 됩니다.
투자자 제출 전 검토 체크리스트
모델이 당신의 손을 떠나기 전에 실행하는 단일 프로세스로 위의 모든 것을 요약합니다:
- 구조부터 확인. 표지, 요약, 가정, 시나리오 관리자, 그리고 모든 보조 일정이 존재하고 채워져 있는지 확인합니다.
- 모든 것을 숨김 해제. 숨겨진 시트, 행, 열을 표시하고 각각을 검토합니다.
- 외부 링크 제거. 외부 통합 문서 참조를 검색하고 의도적이지 않은 링크는 모두 제거합니다.
- 입력과 출력 분리. 가정은 명확하게 표시된 한 곳에 있어야 하며, 계산된 셀과 시각적으로 구별(색상 코딩 또는 서식)되어야 합니다.
- 죽은 숫자 사냥. 셀 참조가 되어야 할 하드코딩된 상수를 수식에서 검색합니다.
- 수식 일관성 확인. 각 행의 논리가 모든 월 또는 연도에서 동일한지 확인합니다.
- 괴물 수식 단순화. 핵심 재무제표의 지나치게 긴 수식을 읽기 쉬운 단계로 분해합니다.
- 대차대조표 스트레스 테스트. 플러그 수치 없이 정직하게 균형이 맞는지 확인합니다.
- 부채 및 감가상각 감사. 마이너스 부채 잔액, 과도하게 감가상각된 자산, 설명할 수 없는 마이너스 포지션이 없는지 확인합니다.
- 운영 현실성 점검. 용량, 인력, 시설이 수익 스토리를 뒷받침해야 합니다.
- 모든 점검 확장. 모든 내부 검증이 전체 예측 기간에 걸쳐 실행되어야 하며, 각각이 실제로 작동하는지 테스트해야 합니다.
- 다시 질문하고 비교. AI에게 핵심 질문을 다른 방식으로 다시 하고 불일치를 조사합니다.
이 목록을 실행하면 AI 오류의 대부분을 잡을 수 있습니다. 더 중요한 것은, 미팅에 들어가기 전에 진정으로 자신의 숫자를 이해하게 된다는 점입니다. Schnoor가 지적했듯이, 결국 인간 투자자는 당신의 챗봇이 아니라 당신에게 질문할 것입니다.
다음에 더 나은 프롬프트
검토는 안전망입니다. 더 나은 프롬프트는 그 필요성을 줄여줍니다. 지속적으로 더 강력한 AI 제작 모델을 만드는 몇 가지 습관:
- 프롬프트 전에 재료를 알라. 좋은 모델이 무엇을 포함하는지(가정, 출력, 시나리오) 설명할 수 없다면, AI에게 좋은 모델을 만들라고 지시할 수 없습니다. 먼저 구조를 배우십시오.
- 위임하지 말고 지시하라. 반복적으로 작업하십시오: 수익을 어떻게 만들지 알려주고, 마음에 들지 않는 것을 거부하고, 여러 번에 걸쳐 수정하십시오. "역사적 데이터를 보고 모델을 만들어 줘"는 모델을 만들지만, 좋은 모델을 만들지는 않습니다.
- 감사 가능성을 요구하라. 프롬프트에서 가정 페이지, 일관된 서식, 모든 외부 입력의 문서화된 출처, 모든 탭의 점검을 요구하십시오. 사후에 요구하지 마십시오.
- 출력에 도전하라. 왜 특정 방법을 선택했는지, 무엇이 잘못될 수 있는지, 회의적인 검토자가 무엇을 공격할지 물어보십시오. "이 모델의 가장 약한 점은 무엇인가?"에 대한 AI의 답변은 종종 놀라울 정도로 정직합니다.
깨끗한 장부가 들어가야 신뢰할 수 있는 모델이 나온다
아무도 듣고 싶어 하지 않는 부분입니다: 완벽한 검토도 지저분한 과거 데이터 위에 세운 모델을 구원할 수 없습니다. AI에게 분류되지 않은 거래 3년치, 개인 비용이 섞인 거래, 그리고 확실하지 않은 수익 수치를 주면, AI는 기꺼이 정확하고, 정교하며, 아름답게 형식화된 쓰레기 프로젝션을 만들어 줄 것입니다. 투자자도 과거 데이터를 실사합니다. "실적"이 당신의 장부와 일치하지 않으면 예측은 처음부터 죽은 것입니다.
그것이 모든 AI 모델링 워크플로우가 기반하는 화려하지 않은 토대입니다: 정확하고, 분류되고, 조정 가능한 장부. 수익을 스트림별로 추적하고, 비용을 깨끗하게 분리하며, 월별로 조정하여 데이터룸에서 방어할 수 있는 과거 데이터를 만드십시오. 숫자를 diff하고, 버전 관리하고, 복사-붙여넣기 룰렛 없이 AI에 전달할 수 있는 형식으로 원한다면, 일반 텍스트 회계가 정확히 그것을 제공합니다. 그리고 Fava와 같은 시각화 도구는 모델에 도달하기 전에 추세를 사전 점검할 수 있게 해줍니다.
재무 관리를 단순화하세요
AI가 미래를 예측하게 하기 전에, 현재가 정확하게 기록되어 있는지 확인하십시오. 깨끗한 장부가 AI 초안을 방어할 수 있는 모델로 만듭니다. Beancount.io는 완전한 투명성과 재무 데이터에 대한 통제권을 제공하는 일반 텍스트 회계를 제공하며, 모든 거래가 버전 관리되고 분석 준비가 되어 있습니다. 무료로 시작하기 그리고 실제로 신뢰하는 숫자 위에 다음 예측을 세우십시오.
