AI 가계부 정리 한 달 실험기 — 편한 점과 못 믿을 점

 

지난달 어느 밤이었어요. 카드 앱에서 한 달 치 내역을 긁어다 챗GPT(ChatGPT)에 붙여넣으니 10초 만에 항목별 분류 표가 떴습니다. 40분 걸리던 일이 끝났다고 좋아했는데, 합계가 어긋나 있더라고요.

 

그 어긋난 합계를 알아챈 건 일주일 뒤였어요. 표가 워낙 깔끔하니까 의심을 안 했던 거죠. 그래서 한 달을 더 굴려봤습니다. 어디까지 맡길 만하고 어디서부터는 못 믿겠는지, 직접 선을 그어보고 싶었거든요.

 

AI 가계부 정리, 분류 노동은 진짜 줄어듭니다

카드 명세서 한 달 치, 그러니까 80건 정도를 통째로 붙여넣었어요. 80건이 어느 정도냐면, 손으로 엑셀에 한 줄씩 옮기면 점심시간을 통째로 날리는 분량입니다. 그걸 10초 만에 식비·교통·구독·쇼핑으로 갈라주더군요.

 

특히 흩어진 소액 구독을 묶어주는 게 인상적이었습니다. 여기서 4,900원, 저기서 1만 2천 원씩 빠져나가던 걸 "월 3만 4천 원 구독 지출"로 합산해줬어요. 따로 보면 푼돈인데 모으니까 부담이 확 보이네요.

 

다만 솔직히 말하면, 카드사 앱에서 내역을 긁어오는 그 첫 단계는 여전히 제 손으로 했어요. AI가 줄여준 건 '분류'라는 단순 반복 노동이지, 데이터를 가져오는 수고까지 없애주진 않았습니다.

 

 

AI 지출 분석이 자꾸 틀리는 지점

문제는 분류 정확도였어요. '스타벅스'처럼 이름이 명확한 가맹점은 식비로 잘 잡았는데, '쿠팡'이나 간편결제 대행으로 찍힌 내역은 실제로 뭘 샀는지 가려져서 엉뚱하게 분류했습니다. 생필품을 산 쿠팡 결제를 '쇼핑·사치'로 몰아넣는 식이죠.

 

더 무서운 건 합계 오류였어요. 존재하지 않는 내역을 슬쩍 만들어내거나, 멀쩡한 숫자를 더하다 틀리는 일이 생기더군요. 이게 AI의 '그럴듯한 거짓말'이라고 불리는 현상입니다.

 

근데 결과물이 표로 너무 단정하게 나오니까, 오히려 틀린 걸 잡아내기가 어려워요. 손으로 쓴 가계부는 삐뚤빼뚤해도 제가 다 아는데, AI 표는 완벽해 보여서 검산을 건너뛰게 됩니다. 깔끔함이 함정이었던 거죠.

 

 

절약 코칭은 쓸 만한데, 죄책감이 따라옵니다

코칭은 의외로 쓸 만했어요. "배달비 12만 원 중 점심을 도시락으로 바꾸면 5만 원 절감 가능"처럼 구체적인 숫자로 짚어주니까 실천 목표가 또렷해지더라고요.

 

근데 직설적인 피드백은 양날의 칼이었습니다. "외식 비중이 또래 평균보다 높다"는 한 줄을 보고 동기부여가 되기도 했는데, 동시에 묘하게 기분이 상하기도 했어요. AI는 사람 눈치를 안 보니까 팩트만 던지는데, 그게 가계부를 아예 안 열고 싶게 만드는 회피 심리로 이어질 수도 있겠더라고요.

 

그리고 한 가지 더. 미국 데이터를 기반으로 학습한 AI라 그런지, 한국의 연말정산이나 통신비 구조, 카드사 할인 혜택 같은 건 잘 못 읽었어요. "통신비가 높다"고 지적하면서 정작 거기 묶인 결합 할인은 못 보는 식이었습니다.

 

AI 재무 추천, 신뢰의 역설과 개인정보 문제

여기서 흥미로운 조사가 하나 있어요. 미국인의 약 78%가 AI 도구를 일상에서 쓰고, 재무 관리에 활용하는 사람은 55%인데, AI의 단독 재무 추천을 믿는다는 사람은 18%뿐이라고 합니다(TD Bank, 2026). 쓰긴 다 쓰는데 그대로 믿진 않는다는 얘기죠.

 

저도 한 달 굴려보니 이 18%라는 숫자가 이해가 갔어요. 보조 도구로는 훌륭한데, 판단을 통째로 맡길 상대는 아니었습니다.

 

개인정보도 짚고 넘어가야 합니다. 공개 챗봇에 입력한 금융 데이터는 금융 프라이버시법의 보호를 받지 못하고, 모델 학습에 쓰일 수 있다고 해요(Washington Post 보도, 2026). 카드번호나 계좌번호를 그대로 붙여넣으면 안 되는 이유입니다.

 

 

AI 가계부 안전하게 쓰는 세 가지 원칙

한 달 써보고 제가 정리한 사용법은 이렇습니다.

 

1. AI가 계산한 총액은 반드시 직접 재검산하세요. 표가 깔끔할수록 더 의심해야 합니다.
2. 카드번호·계좌번호 같은 민감 정보는 지우고, 가맹점 이름과 금액만 넣으세요. 입력한 내역이 학습에 쓰일 수 있으니까요.
3. AI는 '분류 초안' 작성용으로만 쓰고, 자동 연동이 필요한 작업은 보안 앱에 맡기세요.

 

세 번째가 특히 중요한데요. 개인적으로는 민감 데이터를 직접 연동해야 하는 일은 뱅크샐러드나 토스(Toss) 같은 앱에 맡기는 게 낫다고 봅니다. 이런 앱은 자동으로 내역을 끌어오니까 입력 노동도 줄고, 금융사 수준의 보안 절차도 갖추고 있어서요. AI한테는 "이 분류 좀 정리해줘" 정도의 초안 작업만 던지는 거죠.

 

참고로 저는 토스로 자동 연동을 돌려두고, 월말에 패턴 분석이 궁금할 때만 가맹점·금액만 추려서 AI한테 물어보는 식으로 역할을 갈라뒀어요. 이렇게 하니까 입력 수고도 줄고, 민감 정보를 흘릴 일도 없더군요.

 

결국 AI는 제 돈을 책임져주는 재무 설계사가 아니라, 옆에서 표 정리를 거들어주는 조수였습니다. 법적으로 제 이익을 지킬 의무가 있는 것도 아니고, 가계부 습관 자체를 만들어주지도 못하니까요.

 

이번 달 말, 카드 내역을 긁어다 AI한테 던지고 표를 받으실 거예요. 그때 딱 한 가지, 표 맨 아래 합계에 계산기를 한 번 두드려보세요. 그 10초가, 일주일 뒤 '내가 왜 이걸 안 봤지' 하며 머리를 긁적이는 순간을 막아줄 겁니다.