해외에서 벌고 집에서 쓰기: AI 금융 도구를 활용하는 방법

멕시코시티에 사는 한 디자이너는 뉴욕의 고객에게 달러로 청구서를 보내고, 디지털 지갑으로 대금을 받은 뒤, 페소로 집세를 냅니다. 얼마 전까지만 해도 한 달 동안 일한 대가가 실제로 얼마인지 돈이 입금되어 환전된 뒤에야 알 수 있었습니다. 그때쯤이면 이미 환율 변동으로 손해를 본 뒤였습니다.

1년이 지나면 그 불확실성이 쌓여 큰 부담이 됩니다. 한 통화로 견적을 내고 다른 통화로 예산을 세우는 계약직 근로자는 재무팀도 없이 소규모 자금 운용 업무를 도맡는 셈입니다. 언제 환전할지 결정하고, 고객은 다른 나라에 있는데 한 나라의 세무 당국에 낼 돈을 따로 마련해 두며, 입금이 매번 해외에서 들어오는 이유를 현지 은행에 설명해야 합니다. 예전에는 이런 결정을 모두 오래된 정보를 바탕으로 내렸습니다.

AI가 가장 빠르게 바꾼 것도 바로 이 부분입니다. 원격 계약직 근로자의 결제를 처리하는 Ontop의 최고 규정 준수·위험 책임자 스테판 차볼트는 “몇 년 전만 해도 미국 달러로 청구하고 디지털 지갑으로 대금을 받은 뒤 페소로 지출하는 계약직 근로자는 이 모든 거래가 어떤 의미인지 실시간으로 파악할 수 없었습니다”라고 말합니다. 사람들은 실제 구매력을 나중에야 알았습니다. 이제는 같은 근로자가 돈의 가치가 변하는 과정을 실시간으로 확인할 수 있습니다.

하지만 업계의 AI 투자가 주로 향하는 곳은 이 분야가 아닙니다. 차볼트에 따르면 대형 해외 송금·결제 업체들은 2026년 투자 대부분을 내부 운영에 집중하고 있으며, McKinsey에 따르면 그 목표는 운영 비용을 낮추고 제품을 더 빠르게 출시하는 것입니다. 그는 결제 업계 논의에서 점점 주목받는 한 가지 생각을 언급합니다. 국경 간 송금에서 AI의 진정한 역할은 이름과 음역 표기, 거래 의도를 대조해 기존의 신뢰 관계를 데이터로 처리할 수 있게 하는 것이며, 애초에 없던 신뢰를 만들어낼 수는 없다는 것입니다. 개인 근로자 입장에서 보면 휴대전화에 설치된 도구는 이제 기반 시스템을 바꾸기보다는 사용자의 상황을 파악하는 데 훨씬 능숙해졌습니다.

이런 방식으로 소득을 얻는 사람이 늘고 있지만, 그 결과는 분야마다 다릅니다. AI 기반 금융 도구는 어떤 영역에서는 큰 도움을 주지만 다른 영역에서는 거의 도움이 되지 않습니다. 차볼트는 현재 그 경계가 어디에 있는지 분명히 알고 있으며, 실천해 볼 만한 몇 가지 유용한 습관을 제시합니다.

상황을 파악하는 데 AI 활용하기

차볼트가 이 도구들의 가장 큰 강점으로 꼽는 것은 문제의 ‘파악’ 측면입니다. 현금 흐름 예측, 자동 지출 분류, 환전 시점을 알려주는 알림을 활용하면 여러 통화로 보유한 자금 현황을 실시간으로 확인할 수 있습니다. 그는 개인의 결제 패턴에 맞춘 세금 신고 준비 기능과 수수료 안내도 같은 범주에 포함합니다.

그는 “이런 기능은 지금 실제로 제공되고 있고, 정말 유용합니다”라고 말합니다. 계약직 근로자라면 플랫폼에서 제공하는 환율 알림과 예측 기능을 켜 두고, 통화 간 자금 이동 시점을 결정하기 전에 월간 예측을 확인하는 것이 실질적인 방법입니다.

국경을 넘나드는 거래 기록은 직접 관리하기

도구는 둘 이상의 법 체계가 얽힌 문제를 제대로 해결하지 못합니다. 차볼트는 “대부분의 AI 금융 도구는 한 나라에서 한 가지 통화, 한 세무 당국, 한 은행을 이용하는 사용자를 위해 만들어졌습니다”라고 말합니다.

“지능을 담당하는 계층이 인프라 계층보다 앞서 있습니다.” 앱은 소득에 어떤 변화가 생기는지 실시간으로 보여줄 수 있지만, 두 나라에 걸친 납세 의무를 대조하는 데는 아무런 도움도 주지 못할 수 있습니다.

사람들이 다른 곳으로 이주할 때도 같은 문제가 나타납니다. 5년 동안 꾸준히 소득을 얻고 이를 증명할 자료가 있는 사람도 새로 도착한 곳에서는 은행을 이용하지 못하는 사람이나 고위험 고객으로 취급될 수 있습니다. 소득 자료와 세금 기록, 신용 기록이 서로 연동되지 않는 별개의 시스템에 저장되어 있기 때문입니다. 차볼트는 휴대할 수 있는 금융 신원이 아직 누구도 실현하지 못한 가장 큰 기회라고 봅니다.

그런 금융 신원을 구축할 주체가 나서기 전까지는 근로자가 직접 관련 자료를 모아 두는 편이 좋습니다. 청구서와 세금 신고서, 플랫폼 결제 내역, 은행 거래 명세서를 한데 모아 새 나라의 대출 기관에 제출할 수 있는 형태로 보관하면 됩니다.

결제가 차단되는 이유 파악하기

기존의 규칙 기반 사기 탐지 시스템은 새로운 나라에서 결제가 이루어지거나 이례적인 시간대에 송금되는 등 익숙하지 않은 거래를 모두 차단했습니다. 차볼트의 말처럼 이는 “정상적인 계약직 근로자의 일상과 정확히 일치하는 모습”입니다. 그 결과 아무 잘못도 하지 않은 사람들이 수년간 결제 거절과 계좌 동결을 겪었습니다.

새로운 모델은 거래 빈도와 기기 데이터, 거래 관계의 이력, 행동 패턴의 일관성을 함께 고려하며, 이 모델을 사용하는 카드 발급사들은 오탐이 줄었다고 보고합니다. 따라서 가입하기 전에 서비스 제공업체에 결제 심사 방식을 문의해 볼 만합니다.

일관성을 유지하는 것도 도움이 됩니다. 같은 기기를 계속 사용하고 예측 가능한 주기로 청구서를 보내면 행동 패턴을 분석하는 모델이 의심할 만한 요소가 줄어듭니다. 또한 가입 단계에서 신원 확인이 더 엄격해질 수 있습니다. 국경 간 사기가 늘어나는 가운데 합성 신원 사기와 딥페이크 음성 사기도 함께 증가하고 있기 때문입니다.

이미 마련된 규정을 활용하기

다가오는 2월에는 고위험 시스템에 대한 EU AI Act의 의무 사항이 시행됩니다. 이 범주에는 사기 탐지와 자금세탁방지 모니터링, 신용 평가가 포함됩니다. 이제 해당 평가 결과는 설명할 수 있어야 하고 감사를 받을 수 있어야 하며 사람이 번복할 수 있어야 합니다. 모델을 도입한 기관이 법적 책임을 집니다. 모델이 계좌를 동결하거나 대출을 거절한 근로자는 그 이유를 설명해 달라고 요구하고 사람의 재검토를 요청할 근거가 있습니다.

다만 보호 수준은 고르지 않다. 승인된 지급지시 사기를 제공업체의 책임으로 돌리는 유럽의 개정 지급결제 규정은 2027년 말이 되어서야 전면 시행될 것으로 예상되며, 미국의 FinCEN은 아직 자금세탁방지(AML) 제안의 검토를 진행 중이다. Tschabold는 “같은 지급 경로에서 동일한 용도로 사용되더라도, 한 관할권에서는 근로자의 결제 관련 AI가 법적으로 고위험으로 분류되는 반면 다른 관할권에서는 사실상 규제받지 않을 수 있다”고 말한다. 독립 근로자는 자신의 입장을 대변해 줄 고용주나 담당 매니저가 없는 경우가 많으므로, 각 제공업체가 어떤 규제 체계의 적용을 받는지 알아두는 것이 중요하다.

중요한 결정에는 사람의 판단을 개입시켜라

Tschabold는 완전 자율형 AI 재무 상담사는 현재로서는 대부분 과장된 기대라고 본다. 패턴 인식 능력은 충분하지만, 알고리즘이 국경을 넘는 세금이나 투자 관련 판단을 잘못 내렸을 때 누가 책임지는지는 아직 정해지지 않았다. Visa, Mastercard, Alipay는 모두 에이전트 간 결제를 위한 인프라를 구축하고 있지만, 이들조차 대중적인 도입은 아직 갈 길이 멀다고 말한다.

당장은 환전하기 좋은 시점을 알려주거나 세금 납부 의무를 미리 파악해 주는 AI를 활용하되, 중요한 결과를 초래할 수 있는 조치는 근로자가 승인하는 것이 합리적이다. 제공업체를 선택할 때 겉으로 드러나는 세련됨을 기준으로 삼는 것은 바람직하지 않다. 그는 “더 근본적인 위험은 속도를 신뢰성으로 착각하는 것”이라고 말한다. 어떤 플랫폼이든 문제가 생겼을 때 누가 책임지는지 묻는 것이 더 유용한 질문이다. 그의 관점에서 ‘AI 기반’이라는 말은 여전히 사람이 책임을 진다는 뜻이어야 하기 때문이다.