증시 뉴스 AI로 정리할 때 걸러낼 세 가지
AI 투자 수익성에 대한 의구심이 번지면서 최근 한 달 사이 SK하이닉스가 31% 넘게 빠지는 등 'AI 거품론'이 국내 증시를 흔들고 있다. 이런 시장 심리 이슈는 AI 챗봇이 양측 논리를 정리하는 데는 유용하지만 실시간 수치와 전망에서는 틀리기 쉽다. 숫자와 최신 사실은 거래소·공시 같은 공식 자료로 직접 확인하고, AI 답변에는 시점과 출처를 되묻는 검증 질문을 던지는 습관이 필요하다.
지금 거품론은 '정답이 없는' 뉴스다
최근 한 달 사이 국내 증시는 'AI 거품론'에 크게 출렁였다. 한 증권 데이터에 따르면 코스피는 약 한 달 만에 16% 넘게 내렸고, SK하이닉스는 31% 넘게 빠졌다. 지난주 삼성전자와 SK하이닉스의 주간 낙폭은 2008년 금융위기 이후 가장 컸다. AI 투자가 돈을 벌어줄지에 대한 의심, 그리고 데이터센터 자금조달 비용 우려가 방아쇠로 꼽힌다.
그런데 같은 기간 반대 신호도 있었다. 9월 한국 반도체 수출은 사상 처음 600억 달러를 넘었고, 마이크론과 ASML은 내년 투자를 대폭 늘리겠다고 밝혔다. 즉 거품이라는 쪽과 성장의 초입이라는 쪽이 팽팽하다. 정답이 정해져 있지 않은 이런 주제일수록, AI 챗봇에 요약을 맡길 때 무엇을 믿고 무엇을 거를지가 중요해진다.
AI가 잘하는 일과 틀리기 쉬운 일
Photo by Maxim Hopman on Unsplash
AI 챗봇은 분명히 쓸모가 있다. 길고 복잡한 뉴스를 짧게 줄이고, '벤더 파이낸싱'이나 '순환 투자' 같은 용어를 풀어 설명하고, 거품론과 낙관론 양쪽의 논리를 나란히 정리하는 일은 잘한다. 흩어진 기사에서 쟁점의 뼈대를 추리는 작업에 특히 강하다.
문제는 숫자와 시점이다. 대부분의 언어모델은 학습 시점 이후의 사실을 모르고, 실시간 검색 도구와 연결되지 않으면 오늘의 주가나 수익률을 알지 못한다. 그런데도 질문을 받으면 그럴듯한 수치를 만들어내는 경향이 있다. 존재하지 않는 숫자나 날짜를 자신 있게 제시하는 것이다. 또 하나, 챗봇은 사용자의 전제에 동조하기 쉽다. '지금 거품 맞지?'라고 물으면 거품론 쪽으로 기운 답을, 반대로 물으면 반대쪽 답을 내놓을 수 있다. 질문의 방향이 답을 끌고 가는 셈이다.
가장 중요한 한계는 예측이다. 시장이 앞으로 오를지 내릴지는 AI도 알지 못한다. 언어모델은 확률적으로 다음 문장을 생성하는 도구이지 미래를 내다보는 장치가 아니다.
숫자는 공식 자료에서 직접 확인한다
그래서 핵심 사실은 순서를 정해 원본에서 확인하는 편이 안전하다. 먼저 주가와 지수는 한국거래소 시세로 본다. 기업의 실적이나 투자 계획은 전자공시시스템(DART)과 회사의 IR 자료가 1차 출처다. 수출 같은 거시 숫자는 산업통상자원부와 한국은행 통계를 본다. 엔비디아나 오픈AI, 마이크론처럼 당사자가 직접 낸 발표가 있다면 그 원문이 가장 앞선다. 언론 보도는 이 숫자들의 맥락과 시장 반응을 보완하는 용도로 두면 된다.
AI가 정리해 준 숫자가 있다면, 그 숫자 하나하나를 위 순서의 공식 자료와 맞춰 보는 과정을 빠뜨리지 않는 게 좋다.
AI 답변에 던질 검증 질문
챗봇의 요약을 받아들이기 전에 아래 다섯 가지를 되물어 보면 오류를 상당히 걸러낼 수 있다.
- 이 수치의 기준 시점은 언제인가. 실시간 값인가, 학습 데이터에 남은 과거 값인가.
- 이 숫자의 출처를 공식 발표나 공시로 제시할 수 있는가.
- 내 질문의 전제에 맞춰 한쪽으로 기운 답은 아닌가. 반대 논리도 같은 비중으로 정리해 달라.
- '전망'이나 '가능성'을 '확정된 사실'처럼 말하고 있지는 않은가.
- 판단의 근거가 된 핵심 숫자 두 개를 서로 다른 원문에서 교차 확인했는가.
AI는 거품론 뉴스를 이해하는 좋은 출발점이지만 결론을 대신 내려 주는 도구는 아니다. 요약은 AI에게 맡기되, 숫자와 판단은 직접 챙기는 역할 분담이 지금 같은 변동기에 가장 현실적이다.