AI는 자산 관리 분야를 확장하고 있으며, 고문을 대체하고 있지는 않습니다

거의 모든 산업에서 전문가들은 AI가 특히 백색칼라·지식 기반 분야에서 일자리를 빼앗을까 우려하고 있습니다.

이는 물론 프로그래밍, 글쓰기 등 현대 AI가 LLM(대규모 언어 모델) 기반으로 특히 능숙한 작업에도 해당됩니다. 하지만 금융 전문가들에게도 마찬가지로, AI와 이른바 로보 어드바이저가 전통적인 인간 기반 자산 관리의 잠재적 경쟁자로 점점 더 인식되고 있습니다.

상하이 대학의 두 중국 연구자가 수행한 새로운 연구가 이러한 생각에 도전합니다. LLM이 중국 자산 관리 기업에 미치는 영향을 분석한 결과, 대체 예측과는 달리 LLM 도입이 고문 인원을 크게 증가시켰습니다. 이 효과는 자산 관리 기업 내 인적 자원의 강력한 재구조화에 의해 촉진되었으며, LLM이 특히 주니어 및 지원 역할의 채용을 자극한 것으로 나타났습니다.

그들은 International Review of Economics& Finance¹에 “Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms”라는 제목으로 연구 결과를 발표했습니다.

일상 노동에서 고급 작업으로

LLM이 근본적으로 다른 유형의 자동화인 이유는 자동화할 수 있는 작업의 종류에 있습니다. 이전에는 자동화가 주로 일상적인 수작업을 대체했지만, LLM은 비구조화된 정보를 처리하고 논리적 추론을 수행하며 복잡한 텍스트를 생성할 수 있습니다.

따라서 LLM은 단순하고 반복적인 기계보다 생산 라인에서 복잡하고 유연한 로봇에 더 가깝습니다. 물리적 세계에서 이러한 능력은 제조업에서 인력 감축을 크게 촉진했습니다. 따라서 지식 노동자들이 이러한 기술에 의해 일자리를 잃을까 두려워하는 것은 비합리적이지 않습니다: 완전히 인간을 대체하지는 않더라도 특정 작업에 필요한 인력이 크게 줄어들 수 있기 때문입니다.

하지만 기술의 유일한 효과가 작업을 완전히 자동화하는 것만은 아닙니다.

또 다른 가능성은 이전에 복잡하고 훈련된 전문가만 수행할 수 있던 작업을 더 쉽게 만들 수 있다는 점입니다. 이런 맥락에서 LLM은 산업 혁명의 초기 기계처럼, 전문가의 숙련이 요구되던 복잡한 작업을 덜 훈련된 인력이 수행할 수 있는 간단한 제조 공정으로 전환시킬 수 있습니다.

“독립적인 작업 수행에 필요한 지식 장벽을 낮춤으로써, 이러한 기술은 주니어 직원이 자율적으로 처리할 수 있는 작업 범위를 확대할 수 있습니다.”

그렇다면 LLM의 실질적인 도입은 고용에만 영향을 미치는 것이 아니라 이를 활용하는 기업의 구조에도 영향을 미쳐야 합니다.

“기술은 지식 습득 비용을 낮추고, 생산 노동자는 문제 해결 자율성을 확대하며, 일상적인 문제는 상위로 전달되는 빈도가 줄고, 고위 전문가의 관리 범위가 확대되어 계층 구조를 평평하게 만듭니다.”

자산 관리, AI & 경쟁 우위

AI와 돈은 신뢰 문제를 안고 있다

일상적으로, 자산 관리 직원들은 시장 정보 수집, 보고서 초안 작성, 규정 준수 문서화 등 많은 일상 업무를 수행합니다. 이러한 작업은 모두 코딩 가능한 인지 작업이며, AI가 명확한 비교 우위를 가지고 있습니다.

하지만 산업의 핵심 가치 제안은 신뢰, 수탁 의무, 관계 관리에 기반합니다. 이는 암묵적 지식과 사회적 지능을 요구하는 대인 관계 작업으로, 현재 AI가 복제하기 어려운 영역입니다.

이 격차 때문에 AI 어드바이저에 대한 신뢰는 여전히 낮은 편입니다.

AI는 자산 관리 성장에 도움을 줄 수 있다

동시에, AI가 재무 조언 비용을 낮추면 고액 자산가에게만 국한된 맞춤형 서비스가 보다 넓은 대중에게 확산될 수 있어 산업 성장에 크게 기여할 수 있습니다. 현재 대다수의 중산층 부유층은 자산 관리 조언을 충분히 받지 못하고 있습니다.

“LLM이 일상 서비스의 한계 비용을 충분히 낮춘다면, 기업은 이 롱테일 시장을 수익성 있게 침투할 수 있게 되고, 이는 서비스 확대와 고용 증가를 촉진하는 AI 기반 확장을 일으킬 것입니다.”

이러한 맥락에서, 중국 시장은 LLM이 산업에 미치는 영향을 분석하기에 특히 흥미롭습니다:

• 빠르게 확대되는 가계 부가가치가 중산층 부유층 부문에 상당한 잠재 수요를 창출하고 있습니다.
• 중국의 CSRC와 SAC는 인간이 개입하는 엄격한 요구사항을 적용하여 알고리즘이 완전한 재량권을 행사하지 못하도록 하고, 모든 맞춤형 권고에 대해 라이선스가 있는 어드바이저의 감독을 의무화합니다.
  • 이러한 규제는 AI 도입을 인간‑기계 하이브리드 모델로 유도하여 완전 대체보다 보완적 활용에 유리한 조건을 만듭니다.
• 디지털 기반 금융 생태계와 광범위한 핀테크 인프라가 LLM 도입에 기업 간 의미 있는 변화를 만들어 인과 관계 식별을 가능하게 합니다.

AI가 자산 관리에 미치는 영향

LLM은 자산 관리에서 무엇을 할 수 있는가?

연구진은 LLM이 영향을 미칠 수 있는 자산 관리 작업을 대체 가능성 수준에 따라 세 가지 범주로 구분합니다.

첫 번째 범주는 시장 데이터 분석, 포트폴리오 구성, 투자 연구 종합, 규정 준수 문서화 등 기술적 분석 작업입니다. 명시적 규칙, 구조화된 데이터 입력, 표준화된 출력 덕분에 이러한 작업은 LLM이 인간 노동을 대체하기에 최적입니다.

두 번째 범주는 위험 평가, 시나리오 분석, 맞춤형 솔루션 설계 등 판단 및 의사결정 작업입니다. 이러한 작업은 암묵적 지식과 상황 인식을 통합해야 하므로 LLM은 인간 노동을 중간 정도만 대체할 수 있습니다.

마지막으로 관계 관리 작업이 있습니다. 여기에는 신뢰 구축, 시장 변동성 시 정서적 지원, 장기 관계 육성이 포함됩니다. 이러한 작업은 대인 감수성, 상황 판단, 진정한 인간적 연결을 필요로 하므로 LLM은 대부분 부적합합니다.

데이터 수집

연구진은 규제 데이터베이스, 기업 공시, 시장 데이터를 종합하여 2019‑2024년 동안 7,795개의 관측치를 포함하는 포괄적인 패널 데이터를 구축했습니다.

기업 수준의 LLM 도입 여부를 파악하기 위해 주요 채용 플랫폼에서 구인 공고와 직원 프로필 정보를 수집했습니다.

자산 관리 인력을 주니어 어드바이저(경력 ≤3년), 중견 어드바이저(경력 4‑10년), 시니어 어드바이저(경력 >10년)로 구분했습니다.

마지막으로, 고객 수준 분석에는 투자 수익률, 자산 배분, 수수료 구조, 고객 유지 현황이 포함되었습니다.

가장 큰 영향을 받는 대상

이전 연구에서는 직장 내 LLM 도입이 14‑56%의 생산성 향상을 가져왔지만, 주로 경험이 적고 기술 수준이 낮은 직원에게 혜택이 집중된 것으로 나타났습니다. 결과적으로 기업은 LLM 도입 후 대인 및 고객 대면 능력에 더 큰 비중을 두게 되었습니다. 반면 전통적인 기술 역량에 대한 수요는 크게 감소하지 않아, AI가 기업이 중시하는 인간 역량을 보완하는 방향으로 변화했음을 시사합니다.

“AI가 낮은 숙련도의 일을 보완하는 패턴은 이전 IT 도입 물결이 고숙련 노동자를 보완했던 것과 크게 다릅니다.”

그 결과 LLM 도입은 커뮤니케이션 능력, 감성 지능, 고객 관계 관리 등 소프트 스킬에 대한 강조와 긍정적으로 연관됩니다.

LLM 활용 현황

기업‑연도 관측치 중 17.8%만이 LLM을 도입했으며, 이는 LLM 사용이 아직 비교적 드물지만 의미 있는 비율의 자산 관리 기업이 해당 기술을 통합하고 있음을 보여줍니다.

기술 허브 지역은 비허브 지역보다 더 큰 효과를 보였습니다. 이는 AI 인재 접근성, 기술 인프라, AI 기반 서비스를 중시하는 고객 기반이 더 풍부한 점을 반영합니다.

LLM 사용은 주니어 어드바이저와 가장 강하게 연관되고, 중견 어드바이저와는 중간 정도, 시니어 어드바이저와는 가장 약하게 연관됩니다. 이는 자산 관리 산업에서 기대되는 AI 배치 프로파일과 일치합니다.

LLM이 주로 활용되는 역할을 살펴보면, 연구는 지원 역할과 LLM 사용이 강하게 동조하고 고객 대면 직무와는 거의 연관성이 없음을 보여줍니다.

더 나은 서비스, 동일한 가격

연구에 따르면 LLM 사용은 포트폴리오 수익률, 위험 조정 수익률, 고객 유지, AUM 성장 등 모든 서비스 품질 지표와 유의하게 양의 상관관계를 가집니다. 또한 불만 비율과 규제 조치 감소와도 연관됩니다.

LLM 사용은 평균 포트폴리오 수익률을 11.5% 향상시켰으며, 유지율 2.5% 포인트 상승은 고객 이탈을 23.8% 감소시켰습니다.

하지만 LLM 사용과 자문 수수료 사이에는 상관관계가 없습니다.

이는 경쟁 압력이 기업이 더 높은 수수료를 추출하는 것을 억제하고, 서비스 개선 효과가 주로 고객에게 돌아가며, 서비스 품질이 관찰 가능하고 성과 기반 경쟁이 이루어지는 산업에서 특히 나타날 가능성이 높다는 것을 의미합니다.

AI는 대체가 아니라 인간 노동을 재구조화한다

전반적으로, 연구 결과는 AI가 자산 관리 업무를 재구조화하지만 순수한 대체 효과는 없음을 보여줍니다.

LLM이 일상적인 분석 업무를 담당함에 따라, 기업은 판단력(인지 역량), AI 도구와의 효율적 협업(효율성 역량), 고객과의 효과적 소통(사회적 역량), 강력한 고객 관계 유지(고객 역량)를 갖춘 직원을 더욱 중시하게 됩니다.

이러한 결과는 기술 역량이 불필요해진다는 의미가 아니라, AI가 일상적인 분석 업무의 비중을 차지함에 따라 기술 역량과 병행하여 인간 고유의 능력이 더욱 가치 있게 된다는 것을 시사합니다.

기술이 기술 업무 비용을 낮추면, AI는 단순한 생산성 도구를 넘어 자산 관리 산업을 규모 확대할 수 있는 강력한 촉진제가 될 수 있으며, 이를 통해 더 넓은 인구층을 대상으로 시장을 확장할 수 있습니다.

이러한 발견은 미해결 잠재 수요, 인간‑인‑루프 규제, 관계 기반 서비스 모델이라는 유사한 조건을 가진 다른 산업에도 적용될 수 있습니다.

AI 기반 자산 관리에 투자하기

이 연구는 Morgan Stanley (MS )를 조사하지 않았으며, 동일한 결과가 중국 외에서도 발생한다는 보장은 없습니다. 그러나 AI 지원 자산 관리가 성공적으로 규모화될 수 있는 조건을 제시합니다. Morgan Stanley는 방대한 어드바이저 네트워크, 자체 투자 플랫폼, 직장 서비스, 그리고 점점 정교해지는 AI 역량을 결합한 비즈니스에 투자자들이 노출될 수 있게 합니다.

Morgan Stanley

Morgan Stanley는 2025년 기준 총 고객 자산 $9.3조를 보유한 오래된 은행·대출·자산 관리 대기업이며, 그 중 약 3/4은 자산 관리 부문에서 발생합니다. 또한 2020년 이후 고객 자산이 매우 빠르게 성장하고 있다는 점도 주목할 만합니다.

출처: Morgan Stanley

Morgan Stanley의 주요 로보 어드바이저 플랫폼은 연간 약 0.30%의 자문 수수료를 부과하는 E*TRADE 브랜드입니다.

순수 로보 어드바이저 외에도 Morgan Stanley는 다음과 같은 자산 관리 서비스를 제공합니다:

• Virtual Advisors: 전용 인간 브로커 없이 구조화된 플랜을 위해 원격 어드바이저 팀에 전화로 접근할 수 있는 서비스.
• Full-Service Financial Advisors: 복잡한 자산 관리 요구에 대한 전통적인 1:1 전담 플랜 서비스.

출처: Morgan Stanley

이 구조는 연구에서 살펴본 인간‑기계 혼합 모델과 밀접하게 유사합니다: AI가 정보 검색, 회의 문서화, 일상 준비를 담당하고, 라이선스가 있는 어드바이저가 고객 관계와 권고에 대한 책임을 유지합니다.

AI 역량이 성장함에 따라 Morgan Stanley는 기술 인력 비용을 점진적으로 낮추고, 보다 직접적이고 개인적인 조언에 필요한 인간 접촉을 확대하는 방향으로 인력을 재배치할 수 있을 것입니다.

Morgan Stanley의 규모와 평판은 모든 고객층에 걸쳐 AI를 효율적으로 수백만 명의 고객에게 배포하고 자산 관리 시장을 확대하는 데 도움이 될 것입니다.

AI가 이미 고객을 더 높은 수준의 자산 관리로 유도하는 진입점으로 활용되고 있음을 주목할 가치가 있습니다. 2020년 이후 700만 개의 신규 고객 관계가 형성되었으며, 대부분은 E‑TRADE와 Workplace를 통해 유입되었습니다.

출처: Morgan Stanley

“Morgan Stanley at Work는 직장 금융 솔루션 사업을 통해 약 1.2조 달러 규모의 자산을 관리하고 있습니다. 이 회사는 기업 고객이 궁극적으로 플랫폼을 순수하게 에이전시 방식으로, 즉 ShareWorks나 Equity Edge에 직접 로그인하지 않고 AI 기반 도구를 사용해 접근하기를 기대하고 있습니다.”

따라서 AI는 다음과 같은 다양한 메커니즘을 통해 Morgan Stanley에 경쟁 우위를 제공할 수 있습니다:

• 각 어드바이저가 지원할 수 있는 고객 수 증가
• 맞춤형 서비스를 대중 부유층 시장까지 확대
• 서비스 품질을 유지하면서 어드바이저 생산성 향상
• 보다 빈번하고 개인화된 상호작용을 통한 고객 유지 강화
• 관리 비용 증가 없이 자산 관리 수익 규모 확대

이는 AI가 반드시 Morgan Stanley의 수익을 향상시킨다는 의미는 아니며, 연구가 보여주듯 이러한 개선과 이익은 주로 고객에게 돌아갈 가능성이 높습니다. 그러나 AI는 업계 내 리더십 위치를 공고히 하고, AI 덕분에 전 세계적으로 확대되는 자산 관리 시장이 전체 산업에 혜택을 줄 것으로 예상됩니다.

최신 Morgan Stanley (MS) 주식 뉴스 및 개발 사항

참조 연구

^{1. Lina Song and Huaili Lyu. 대형 언어 모델이 투자 어드바이저를 대체하거나 보완하는가? 중국 자산 관리 기업의 증거10.1016/j.iref.2026.105636} in Korean. Do not translate brand names,company names,personal names,URLs,HTML tags,shortcode names,or shortcode attribute keys. Preserve WordPress shortcode syntax,but translate human-visible quoted shortcode values. AUTHOR PROFILE USER_META RULE: If a Last_name field appears in this payload,treat it as the author title and company field,not as a personal name. Translate only role,title,and connective words in that value. Preserve every company,brand,product,website,and personal name exactly as written. Do not translate or alter First_name,display_name,nickname,username,or other personal-name values. AUTHOR PROFILE USER_META OUTPUT RULE: Return only the translated field value. Never include completion markers,explanations,completion-marker instructions,or statements that no additional text needs translation. If the value does not need translation,return the original value only. You are an expert content translator; your tone should be professional and SEO optimized.