카드 내역 분류, AI가 잘하는 일과 틀리는 일
AI는 카드 내역의 가맹점명을 카테고리로 분류하고 구독 결제를 찾아내며 월별 지출 패턴을 요약하는 데 강하지만, 합계 같은 산술에서는 종종 틀린다. 내역을 올리기 전에 카드번호·이름 같은 민감정보를 지우고, ChatGPT나 Claude의 학습 사용 설정을 꺼 두는 것이 먼저다. 분류는 AI에게 맡기되 합계는 스프레드시트로 다시 계산하고 결과를 표본 점검해야 믿을 수 있다.
올리기 전에 가릴 것부터
카드 내역을 AI에게 맡기면 분류와 요약이 빨라지는 건 분명하다. 다만 순서가 중요하다. 내역을 붙여넣기 전에 민감한 정보부터 지워야 한다.
카드번호, 계좌번호, 주민등록번호, 승인번호, 이름과 주소는 분류에 전혀 필요 없다. AI에게 필요한 건 상호명, 금액, 날짜 세 가지뿐이다. 카드사 앱이나 홈페이지에서 이용내역을 CSV나 엑셀로 내려받은 뒤, 이 세 열만 남기고 나머지를 삭제하면 된다.
설정도 손봐 두는 게 좋다. ChatGPT는 설정의 데이터 제어에서 '모두를 위한 모델 개선'을 끄면 대화가 학습에 쓰이지 않는다. Claude는 2025년부터 소비자 요금제의 대화가 기본적으로 학습에 사용되도록 바뀌었기 때문에, 설정의 개인정보 항목에서 'Claude 개선에 도움 주기' 같은 토글을 직접 꺼야 한다. 다만 설정을 끄더라도 민감정보를 애초에 올리지 않는 것이 원칙이다. 학습에서 빠진다고 보관까지 사라지는 건 아니기 때문이다.
내역을 AI에 넘기는 방법
Tima Miroshnichenko
준비가 끝났다면 작업은 단순하다. 정리한 내역을 복사해 붙여넣고, 분류 기준을 함께 알려 주면 된다.
예를 들어 "아래 카드 내역을 식비, 교통, 쇼핑, 구독, 공과금, 기타로 분류하고 가맹점명을 그대로 둔 채 카테고리 열만 추가해 줘"라고 요청하는 식이다. 분류 기준을 직접 정해 줄수록 결과가 일관된다. 기준을 주지 않으면 AI가 임의로 항목을 나눠 매달 다른 분류가 나올 수 있다.
AI가 잘하는 일
AI가 가장 잘하는 건 반복적인 판단이다. 수백 건의 가맹점명을 훑어 '스타벅스는 카페, 이마트는 장보기' 식으로 분류하는 작업은 사람이 하면 지루하지만 AI에게는 몇 초 거리다.
특히 유용한 건 구독 서비스 탐지다. "매달 같은 날 같은 금액이 빠져나가는 항목을 찾아 줘"라고 하면, 잊고 있던 정기 결제를 추려 낸다. 월별 지출 흐름을 "식비가 지난달보다 늘었다"처럼 문장으로 요약해 달라고 하면 패턴을 읽는 데 도움이 된다. 숫자만 들여다볼 때보다 어디서 돈이 새는지 눈에 잘 들어온다.
AI가 틀리는 지점
반대로 믿어선 안 되는 영역이 있다. 가장 조심할 것은 계산이다. AI는 언어를 다루는 도구라 긴 표의 합계를 구하는 산술에서 종종 틀린다. "식비 총액"을 물으면 그럴듯한 숫자를 내놓지만 실제 합과 어긋날 수 있다.
그래서 역할을 나누는 편이 안전하다. 분류는 AI에게 맡기고, 합계는 스프레드시트의 함수나 피벗테이블로 직접 계산하는 것이다. 분류가 모호한 항목도 있다. '(주)○○' 같은 법인명은 업종이 드러나지 않아 엉뚱한 카테고리로 묶일 수 있고, 할부나 취소·환불 건도 잘못 처리되기 쉽다.
결과를 점검하는 체크리스트
AI가 돌려준 결과는 초안으로 보고 한 번 걸러야 한다.
- 분류 결과에서 20~30건을 표본으로 뽑아 카테고리가 맞는지 직접 확인한다.
- 카테고리별 합계는 AI 숫자를 쓰지 말고 스프레드시트로 다시 계산한다.
- 구독·정기결제 목록은 실제 명세와 대조해 누락이나 중복이 없는지 본다.
- '기타'로 몰린 항목을 열어 보고, 알아볼 수 있는 것은 수동으로 재분류한다.
- 할부, 취소, 환불처럼 금액이 왜곡되기 쉬운 건을 따로 점검한다.
정리하면, AI는 분류와 요약을 대신해 주는 조수에 가깝다. 판단의 뼈대를 빠르게 세워 주지만, 숫자의 정확성과 민감정보 관리는 여전히 쓰는 사람의 몫이다. 이 경계를 알고 쓰면 가계부 정리에 드는 품을 크게 줄일 수 있다.