AI가 숫자를 틀리는 이유
계산·통계·재무 데이터를 다룰 때 알아야 할 것
① AI는 숫자를 계산하지 않는다 — 다른 모든 텍스트와 똑같이 "다음에 올 그럴듯한 토큰"을 고를 뿐이다. 자릿수가 많아질수록, 특히 곱셈·나눗셈·증감률처럼 자리올림이 발생하는 연산일수록 틀릴 확률이 올라간다.
② 코드 실행 기능이 붙으면 사칙연산 자체는 정확해진다. 실제 계산을 파이썬 같은 인터프리터가 하기 때문이다. 하지만 그 계산에 넣는 입력값을 모델이 잘못 기억해서 넣으면, "정확한 계산"이 "정확하게 틀린 답"으로 나온다.
③ 재무 데이터는 %, 배수, 환율 환산까지 겹쳐 오류 지점이 3중으로 늘어난다. 숫자는 AI가 아니라 원문 공시·거래소 데이터로 검증하는 게 유일하게 안전한 방법이다.
① 숫자는 계산되지 않는다 — 토큰 예측의 한계
LLM 작동 원리에서 봤듯, 모델이 하는 일은 오직 하나다. 지금까지 나온 토큰 다음에 올 확률이 가장 높은 토큰을 고르는 것. 이 원리는 글을 쓸 때나 숫자를 다룰 때나 똑같이 적용된다 — 모델 안에는 사칙연산을 수행하는 별도의 계산기가 없다.
숫자도 결국 텍스트이므로 토큰으로 쪼개져 학습된다. 문제는 이 쪼개지는 방식이 사람이 숫자를 다루는 방식과 다르다는 점이다. 토크나이저(글자를 토큰으로 나누는 규칙)에 따라 "1400"이 통째로 하나의 토큰이 되기도 하고, "14"와 "00"으로 나뉘기도 한다. 자릿수 경계가 사람의 직관(일의 자리·십의 자리…)과 맞지 않게 잘리는 경우가 흔하다.
두 자리 숫자끼리의 덧셈·곱셈은 학습 데이터에 워낙 많이 등장해서 패턴으로 거의 외워져 있다시피 하다. 하지만 자릿수가 늘어날수록 등장 빈도가 기하급수적으로 줄고, 자리올림(캐리)이 여러 번 겹치는 연산일수록 "그럴듯하지만 어긋난" 자릿수 조합이 나오기 쉽다. 세 자리 곱셈 정도만 돼도 오답률이 눈에 띄게 올라가는 경우가 흔하다. 자릿수는 맞는데 중간 숫자 하나가 틀리는 식이라, 얼핏 보면 맞는 것처럼 보인다는 게 더 위험하다.
② 퍼센트·증감률이 특히 위험한 이유
단순 사칙연산보다 실무에서 더 자주 마주치는 건 증감률이다. "지난달 50만 명에서 이번 달 65만 명이면 몇 % 증가했나" 같은 질문은 뺄셈·나눗셈·백분율 변환이 연쇄로 일어난다. 연산이 한 단계씩 늘어날 때마다 오차가 낄 자리도 함께 늘어난다.
재무·실적 서술에서는 이게 더 교묘한 형태로 나타난다. "전년 대비 18% 증가했다"는 문장은 문법적으로도, 형식적으로도 완벽하다. 실제 증가율이 18%든 13%든 문장 구조는 똑같이 자연스럽게 만들어진다. 숫자 하나만 슬쩍 바뀌어도 사람이 읽었을 때 이상함을 전혀 느끼지 못한다.
| 연산 유형 | 왜 오차가 커지나 | 실무 예시 |
|---|---|---|
| 단순 증감률 | 뺄셈+나눗셈+백분율 변환, 3단계 연쇄 | "전월 대비 몇 % 늘었나" |
| 역산 | 결과값에서 원래 값을 되짚어야 함 | "올해 X, 증가율 Y%면 작년은?" |
| 복합 지표 | 여러 계산이 겹쳐 오차가 누적 | PER·PBR처럼 서로 다른 두 숫자의 비율 |
| 통화 환산 | 환율이라는 세 번째 변수가 추가됨 | 달러 실적을 원화로 환산한 금액 |
실적 발표 시즌에 AI에게 "이번 분기 실적 요약해줘"라고 시키면 위 네 가지가 한 번에 겹친다. 매출 증가율, 컨센서스 대비 서프라이즈 %, EPS, 환율 환산 원화 금액까지 전부 숫자다. 빅테크 실적 해석 가이드처럼 원문 공시를 근거로 정리한 자료와 대조하지 않고 AI 요약만 믿고 투자 판단을 내리는 건 위험하다.
③ 코드 실행 기능이 붙으면 뭐가 달라지나
최근 AI 도구들은 답변 중간에 실제로 코드를 실행할 수 있다(ChatGPT의 Code Interpreter, Claude의 코드 실행 등). 이 경우 사칙연산 자체는 더 이상 토큰 예측이 아니라 진짜 계산이 된다. 파이썬 인터프리터가 정확히 더하고 곱하고 나누기 때문에, 코드가 실제로 실행됐다면 그 결과값은 사람이 계산기로 두드린 것과 똑같이 정확하다.
그런데도 최종 답이 여전히 틀리는 경우가 남는다. 이유는 세 가지다.
1. 입력값 자체가 틀리면 계산은 정확하게 틀린다
코드가 하는 일은 "주어진 숫자를 정확히 계산하는 것"이지 "맞는 숫자를 기억해내는 것"이 아니다. 모델이 매출액이나 성장률을 잘못 기억한 상태로 그 값을 코드에 넣으면, 계산 과정은 완벽해도 결과는 틀린다. Garbage in, garbage out — 이 원칙은 AI에게도 그대로 적용된다.
2. 코드를 쓸지 말지는 모델이 스스로 판단한다
모델이 모든 계산에 코드를 쓰는 건 아니다. 간단해 보이는 계산은 코드 없이 암산(=토큰 예측)으로 바로 답해버리는 경우가 흔하다. "간단해 보인다"는 판단 기준이 사람의 기준과 다를 수 있어서, 정작 틀리기 쉬운 계산에서 코드를 안 쓰는 역설이 생기기도 한다.
3. 계산 결과를 문장으로 요약하는 단계에서 다시 어긋난다
코드가 정확한 숫자를 뱉어도, 그걸 "그래서 전년 대비 18% 증가했습니다"라는 문장으로 바꾸는 마지막 단계는 다시 토큰 예측이다. 이 단계에서 숫자가 미묘하게 바뀌어 서술되는 경우가 드물지 않다.
코드 실행 = "계산" 단계는 안전해진다. 하지만 "입력"과 "요약" 단계는 여전히 토큰 예측이라 취약하다. 코드 실행 기능이 있다고 숫자를 무조건 믿어도 되는 건 아니다.
④ 재무 데이터에서 특히 조심해야 할 패턴
투자 판단에 쓰는 숫자는 대부분 위에서 다룬 위험 요소를 두세 개씩 겹쳐 갖고 있다. 다음 패턴을 만나면 특히 주의한다.
- 컨센서스 대비 서프라이즈 % — 실제 발표치와 시장 예상치라는 두 숫자를 알아야 계산 가능한데, 둘 중 하나라도 모델이 부정확하게 기억하면 서프라이즈 %가 통째로 틀린다.
- YoY(전년 대비)·QoQ(전분기 대비) 증감률 — 비교 대상 시점을 착각하는 경우가 흔하다. 전년 동기가 아니라 직전 분기와 비교해놓고 "전년 대비"라고 서술하는 식.
- 환율 환산 금액 — 어느 시점 환율을 썼는지가 불명확한 채로 원화 환산액만 제시되면 검증이 아예 불가능하다.
- 배수(PER·PBR 등) — 분자·분모 중 하나가 최신 값이 아니라 학습 시점의 과거 값일 수 있다.
⑤ 그래도 AI가 숫자 다루는 데 유용한 지점
여기까지만 보면 "AI에게 숫자는 아예 맡기지 말라"는 결론으로 흐르기 쉽지만, 그건 과도하다. AI가 정말 취약한 건 "숫자를 정확히 기억하고 계산하는 일"이지, 숫자를 다루는 일 전체가 아니다.
- 어떤 지표를 봐야 하는지 판단하는 일은 잘한다. "이 회사 밸류에이션이 싼지 보려면 뭘 비교해야 해?" 같은 질문에는 유용한 답을 준다.
- 계산 공식을 세우는 일도 잘한다. "영업이익률은 어떻게 구하는 거야?" 같은 개념·수식 설명은 신뢰할 만하다.
- 코드 실행 기능을 명시적으로 요청하면 사칙연산 자체는 신뢰할 수 있다. 다만 입력값은 사용자가 직접 원문에서 가져와 넣어주는 게 안전하다.
결국 나눠야 할 경계선은 "AI를 쓸까 말까"가 아니라 "이 작업이 계산인가, 판단인가"다. 판단은 맡기고, 계산은 검증한다.
⑥ 마무리 — 실전 체크리스트
□ 세 자리 이상 곱셈·나눗셈인가 → 코드 실행 기능을 명시적으로 요청
□ 증감률·서프라이즈 %가 있는가 → 원문 공시에서 원래 두 숫자를 직접 확인
□ 전년/전분기 비교인가 → 비교 시점이 맞는지 재확인
□ 환율 환산 금액인가 → 어느 시점 환율인지 명시 요청
□ 계산에 쓸 입력값이 있는가 → AI가 기억한 값이 아니라 사용자가 직접 붙여넣기
정리하면 이렇다. AI에게 "무엇을 계산해야 하는지"는 물어도 좋다. 하지만 계산에 들어가는 숫자 자체는 항상 원문에서 가져온다. 이 원칙 하나만 지켜도 재무 데이터에서 AI로 인한 실수는 대부분 막을 수 있다.
※ 본 글은 2026년 8월 기준 정보이며 투자 권유가 아닙니다. AI 도구로 얻은 수치를 투자 판단에 사용할 경우 반드시 기업 IR·SEC 공시·거래소 데이터 등 1차 자료로 검증하시기 바랍니다. 투자 판단과 책임은 투자자 본인에게 있습니다.
※ 본 가이드는 일반 교육 목적의 참고 자료이며, 이해를 돕기 위해 기술적 세부사항을 단순화했습니다.
새 가이드가 나오면 알려드립니다
AI 리터러시 가이드는 주 2회 발행합니다. 구독하시면 다음 편을 메일로 보내드립니다. 무료이고 언제든 해지할 수 있습니다.