Zillow iBuying 실패로 보는 AI 금융시대의 알고리즘 리스크

AI가 만든 숫자를 믿고 실제 자산을 사고팔 때 생기는 위험

 

AI금융시대의 알고리즘 리스크 내용 본문 대표 이미지입니다

---

 

요즘 AI 미래금융을 주제로 글을 계속 쓰고 있습니다.

 

AI가 금융을 어떻게 바꾸고 있는지, 투자분석과 자산관리, 대출심사, 금융상담이 앞으로 어떻게 달라질 수 있는지를 살펴보고 있습니다.

 

하지만 AI의 밝은 면만 볼 수는 없습니다. AI는 금융을 더 빠르고 편리하게 만들 수 있지만, 잘못 사용되면 금융위험을 더 빠르게 키울 수도 있습니다.

 

특히 AI가 단순한 정보검색 도구를 넘어 자산가격 평가, 대출한도 산정, 담보평가, 투자추천에 사용될 때는 이야기가 달라집니다.

 

이번 글에서는 미국 부동산 플랫폼 기업 Zillow의 iBuying 사업 실패를 통해 AI 금융시대의 알고리즘 함정을 살펴보겠습니다.

---

 

Zillow는 무엇을 하려 했나

 

Zillow는 미국의 대표적인 부동산 플랫폼 기업입니다.

부동산 매물 정보와 주택가격 추정 서비스를 제공하던 Zillow는 한때 Zillow Offers라는 사업을 추진했습니다.

그러나 Zillow는 2021년 3분기 보유 주택 재고에 대해 3억400만 달러 평가손실을 인식했고, Zillow Offers 사업 중단 및 약 25% 인력 감축 계획을 발표했습니다. 

 

이 사업은 iBuying, 즉 instant buying 방식이었습니다.

집을 팔고 싶은 사람이 온라인으로 정보를 입력하면 Zillow가 알고리즘으로 주택가격을 산정합니다. 이후 매도자에게 즉시 매입가격을 제시하고, 매도자가 동의하면 Zillow가 집을 직접 사들입니다. 그리고 수리와 정비를 거쳐 다시 시장에 판매하는 방식입니다.

 

겉으로 보면 매우 혁신적인 사업입니다. 매도자는 복잡한 중개 절차를 줄일 수 있고, Zillow는 방대한 부동산 데이터와 알고리즘을 활용해 주택을 사고팔며 수익을 얻을 수 있습니다.

 

하지만 여기에는 결정적인 차이가 있습니다. 기존 플랫폼은 거래를 연결하고 수수료를 받습니다. 반면 iBuying사업은 회사가 직접 주택을 매입합니다. 즉, 정보서비스가 아니라 재고를 보유하는 사업입니다.

 

가격을 잘못 산정하면 손실은 회사가 직접 부담해야 합니다.

 

이 차이가 Zillow 실패의 출발점입니다.

 

 

zillow의 iBuying 사업구조와 숨겨진 리스크 이미지입니다

 

---

 

가격을 추정하는 것과 가격위험을 부담하는 것은 다르다

 

 

Zillow는 Zestimate라는 주택가격 추정 서비스를 운영했습니다. 많은 거래 데이터와 주택 정보를 기반으로 특정 주택의 예상가격을 보여주는 기능입니다.

 

문제는 가격을 참고자료로 보여주는 것과 그 가격을 기준으로 실제 주택을 매입하는 것은 전혀 다르다는 점입니다.

 

AI가 어떤 주택의 현재가치를 추정하는 것은 정보제공일 수 있습니다. 하지만 그 주택을 실제로 매입한 뒤 3개월 또는 6개월 후 더 높은 가격에 팔 수 있는지는 별개의 문제입니다.

 

Zillow Offers가 필요로 한 것은 단순한 현재가격 추정이 아니었습니다. 실제로 필요한 것은 미래 매각가격 예측이었습니다.

 

▶ 앞으로 몇 개월 뒤 이 집을 얼마에 팔 수 있을까.

▶ 수리비는 얼마나 들까.

▶ 수리기간은 얼마나 걸릴까.

▶ 그 사이 금리와 주택수요는 어떻게 바뀔까.

▶ 비슷한 매물이 한꺼번에 늘어나지는 않을까.

 

이 질문들에 답해야 했습니다. AI가 현재 시세를 추정하는 것과 미래 가격, 수리비, 보유기간, 매각속도까지 예측하는 것은 난이도가 완전히 다릅니다.

---

 

AI는 과거 데이터를 학습하지만 시장은 변한다

 

AI 알고리즘은 과거 데이터를 학습합니다. 과거 거래가격, 지역별 시세, 주택 특성, 면적, 연식, 주변 환경 등을 분석해 가격을 추정합니다.

 

평상시에는 이런 방식이 유용할 수 있습니다.

그러나 시장이 급변하면 문제가 생깁니다.

 

팬데믹 이후 미국 주택시장은 초저금리, 재택근무 확산, 지역 간 이동, 공급 부족, 건자재 가격 상승, 수리 인력 부족이 동시에 발생한 특수한 환경이었습니다. 이후 금리상승 가능성과 주택가격 둔화 우려도 커졌습니다.

 

이런 시장에서는 과거 가격 패턴이 미래에도 그대로 이어진다고 보기 어렵습니다.

AI가 과거 데이터를 바탕으로 높은 가격을 제시했더라도, 몇 개월 뒤 시장 분위기가 바뀌면 그 가격은 더 이상 유효하지 않을 수 있습니다.

 

이것을 모델 드리프트라고 합니다. 모델이 처음에는 잘 작동했지만, 시간이 지나 시장환경이 바뀌면서 성능이 떨어지는 현상입니다.

 

금융에서도 같은 일이 발생합니다. 경기 좋을 때 잘 맞던 신용평가모형이 경기침체기에는 틀릴 수 있습니다. 부동산 상승기에 잘 맞던 담보평가모형이 하락기에는 담보가치를 과대평가할 수 있습니다. 상승장에서 성과가 좋았던 투자 알고리즘이 금리상승기에는 손실을 키울 수 있습니다.

 

AI의 위험은 평상시보다 시장이 바뀌는 순간에 더 크게 나타납니다.

---

 

작은 예측오차도 큰 손실이 될 수 있다

 

AI의 가격예측 오차가 2~3%라고 하면 작아 보일 수 있습니다. 하지만 주택은 고가 자산입니다. 여기에 취득비용, 수리비, 보유비용, 세금, 보험료, 금융비용, 재판매 비용이 붙습니다.

 

한 채에서는 감당 가능한 오차처럼 보여도 수천 채의 주택을 보유하면 손실 규모는 빠르게 커집니다.

 

Zillow는 2021년 3분기 보유 주택 재고와 관련해 대규모 평가손실을 인식했습니다. 회사는 향후 매각 가능 가격보다 높은 가격에 주택을 매입한 것이 주요 원인이라고 설명했습니다.

 

여기서 중요한 것은 AI가 단순히 틀렸다는 사실이 아닙니다.

AI의 판단이 실제 자산 매입으로 연결되었기 때문에 손실이 발생했다는 점입니다.

 

AI가 글을 잘못 요약하면 다시 고치면 됩니다. AI가 자료를 잘못 정리하면 출처를 확인하면 됩니다.

그러나 AI가 잘못 산정한 가격을 기준으로 대규모 자산을 매입하면 그 결과는 재무제표 손실로 나타납니다.

 

금융기관도 마찬가지입니다. AI가 대출한도를 과도하게 산정하면 부실위험이 커집니다. AI가 담보가치를 높게 평가하면 회수위험이 커집니다. AI가 투자상품을 부적합하게 추천하면 소비자 손실과 민원, 평판위험이 발생할 수 있습니다.

AI의 오류는 실제 집행과 연결되는 순간 단순 오류가 아니라 금융위험이 됩니다.

---

 

국제기구와 국내 연구자료도 같은 위험을 지적한다

 

국제기구와 국내 연구기관도 AI 금융의 위험을 단순한 기술 문제가 아니라 금융안정과 소비자보호의 문제로 보고 있습니다.

 

FSB와 IMF는 AI 활용이 금융회사의 업무 효율성과 분석능력을 높일 수 있지만, 동시에 모델리스크, 데이터 품질 문제, 제3자 기술 의존, 시장 쏠림을 키울 수 있다고 지적합니다.

 

국내에서도 금융위원회의 금융분야 AI 가이드라인과 자본시장연구원 자료를 통해 책임성, 투명성, 데이터 관리, 모델 검증, 금융소비자 보호의 중요성이 강조되고 있습니다.

 

결국 AI 금융의 핵심은 “AI를 쓰느냐, 쓰지 않느냐”가 아닙니다. 더 중요한 것은 “AI를 어디까지 믿고, 어떤 통제장치를 둘 것인가”입니다.

 

금융위원회 금융분야 인공지능 가이드라인 핵심요약 인포그래픽입니다

 

 

---

 

AI 금융시대에는 어디에서 위험이 생길까

 

 

첫째, 신용평가 AI입니다.

 

AI 신용평가는 금융이력이 부족한 청년층, 프리랜서, 플랫폼 노동자, 개인사업자의 상환능력을 더 세밀하게 볼 수 있습니다. 그러나 과거 상환패턴이 미래를 보장하지는 않습니다. 금리상승, 경기침체, 매출감소, 비용상승이 발생하면 평상시에는 양호해 보이던 차주도 상환부담이 커질 수 있습니다.

 

 

둘째, 담보평가 AI입니다.

 

아파트처럼 거래가 많고 비교가 쉬운 자산에는 AI 평가가 유용할 수 있습니다. 그러나 상가, 토지, 공장, 숙박시설, 특수물건, 개발사업 담보는 다릅니다. 권리관계, 임대차 조건, 하자, 주변 개발계획, 매수심리까지 함께 봐야 합니다.

담보평가 AI는 심사 속도를 높이는 도구이지, 담보위험을 없애는 도구가 아닙니다.

 

 

셋째, 투자추천 AI입니다.

 

AI 투자모델은 기업 실적, 뉴스, 공시, 수급, 밸류에이션, 차트, 거시경제지표를 빠르게 분석할 수 있습니다. 그러나 과거 수익률 패턴이 미래를 보장하지는 않습니다. 여러 투자 AI가 비슷한 데이터를 사용하면 비슷한 매수·매도 신호를 낼 수 있고, 시장 쏠림이 커질 수도 있습니다.

 

 

넷째, 금융상품 추천 AI입니다.

 

생성형 AI는 연금저축, IRP, ISA, ETF, 대출상환 방식 등을 쉽게 설명할 수 있습니다. 그러나 자연스러운 문장이 곧 정확한 판단을 의미하지는 않습니다. 고객의 나이, 소득, 세율, 투자경험, 손실감내능력, 현금흐름, 중도해지 가능성을 함께 봐야 합니다.

---

 

AI시대의 진짜 함정은 숫자의 객관성이다

 

 

AI가 제시하는 숫자는 객관적으로 보입니다. 예상가격, 신용점수, 부도확률, 기대수익률, 적정가치, 추천비중 같은 수치가 제시되면 사람은 쉽게 신뢰합니다.

 

하지만 AI가 만든 숫자도 결국 가정과 데이터의 산물입니다. 어떤 데이터를 사용했는지, 어떤 시장환경에서 학습했는지, 어떤 변수를 제외했는지에 따라 결과는 달라집니다.

 

더 큰 문제는 조직 내부에서 발생합니다. AI가 숫자를 제시하면 사람은 스스로 판단하기보다 그 숫자에 기대기 쉽습니다. 빠른 의사결정과 조직의 성장지향적 경영 목표가 결합되면 AI 결과는 참고자료가 아니라 사실상 승인도장처럼 사용될 수 있습니다.

 

Zillow 사례는 이 지점을 보여줍니다. 알고리즘이 가격을 산정하고, 그 가격을 기준으로 주택을 매입하고, 사업은 빠르게 확장되었습니다. 그러나 시장이 바뀌자 숫자의 객관성은 손실을 막아주지 못했습니다.

 

AI가 정교해질수록 사람의 검증이 줄어도 된다고 생각하기 쉽습니다. 그러나 실제로는 반대입니다.

AI가 금융 의사결정 깊숙이 들어올수록 검증과 통제는 더 강해져야 합니다.

---

 

금융소비자와 투자자가 기억해야 할 질문

 

AI 금융시대에 우리는 AI를 무조건 불신할 필요는 없습니다.

AI는 금융정보를 정리하고, 대안을 비교하고, 위험요인을 점검하는 데 매우 유용합니다.

 

다만 AI가 제시한 결과를 그대로 결론으로 받아들이면 안 됩니다.

 

최소한 다음 질문은 던져야 합니다.

 

첫째, 이 AI 결과는 참고자료인가, 실제 의사결정 기준인가.

둘째, 이 판단은 과거 데이터에 근거한 것인가, 현재 시장변화도 반영한 것인가.

셋째, AI가 놓친 세금, 수수료, 중도해지, 유동성 위험은 없는가.

넷째, 시장이 바뀌면 이 판단도 달라질 수 있는가.

다섯째, AI가 틀렸을 때 손실은 누가 부담하는가.

 

이 질문은 대출, 투자, 보험, 연금, 자산관리 상담에서 모두 중요합니다.

---

 

핵심 정리

 

Zillow의 iBuying 실패는 AI 기술이 무의미하다는 사례가 아닙니다.

오히려 AI를 어디까지, 어떤 방식으로 사용해야 하는지를 보여주는 사례입니다.

 

AI는 많은 데이터를 빠르게 분석할 수 있습니다. 그러나 시장의 국면 전환을 완벽하게 예측하지는 못합니다.

AI는 현재가격을 추정할 수 있지만 미래 매각가격과 운영위험까지 보장하지는 않습니다.

AI는 의사결정을 도와줄 수 있지만 손실을 대신 부담하지 않습니다.

 

AI 금융시대의 핵심은 알고리즘을 얼마나 빨리 도입하느냐가 아닙니다.

중요한 것은 AI가 틀렸을 때 손실이 어디까지 확대될 수 있는지, 누가 그 위험을 통제하는지, 소비자에게 어떤 설명이 제공되는지입니다.

 

AI는 금융을 더 밝게 만들 수 있습니다. 그러나 통제되지 않은 AI는 금융위험을 더 조용히, 더 빠르게, 더 크게 누적시킬 수도 있습니다.

 

앞으로의 금융소비자는 AI를 잘 활용하는 능력과 함께 AI 결과를 의심하고 검증하는 능력도 함께 가져야 합니다.

---

☞ 함께 읽으면 좋은 글 : 같은 AI인데 왜 답변 수준이 다를까 

같은 AI인데 왜 답변 수준이 다를까

 

☞ 함께 읽으면 좋은 글 : AI 금융문맹자가 되지 않으려면 지금 배워야 할 5가지 능력 

AI 금융문맹자가 되지 않으려면 지금 배워야 할 5가지 능력

 

---

 

참고자료

 

국외자료

• Zillow Group, Q3 2021 Shareholder Letter, 2021
• Financial Stability Board, The Financial Stability Implications of Artificial Intelligence, 2024
• IMF, Global Financial Stability Report: Steadying the Course — Uncertainty, Artificial Intelligence, and Financial Stability, 2024

국내자료

• 금융위원회, 「금융분야 인공지능(AI) 가이드라인」, 2021
• 자본시장연구원, 「생성형 AI 확산에 따른 금융산업 지형변화 및 대응 과제」, 2024
• 자본시장연구원, 「금융 AI 가이드라인의 국제 비교 및 대응 과제」, 2025

---

안내사항

이 글은 AI 금융과 알고리즘 리스크에 대한 이해를 돕기 위한 교육 목적의 글입니다.

 

특정 기업, 금융상품, 투자전략, 대출상품에 대한 추천이나 매수·매도 의견이 아닙니다.

 

금융상품, 대출, 투자 의사결정은 개인의 재무상황, 위험감내수준, 시장상황, 세금과 비용을 함께 고려해 신중하게

판단해야 합니다.

 

필자는 금융기관 재직 이력과 현직 금융교육 강의 경험을 바탕으로 이 글의 주제 선정, 내용 구성, 해석과 판단을 직접 수행하였습니다.

---