دراسة من MIT Sloan: نصائح الذكاء الاصطناعي المالية جيدة بشكل مفاجئ

يقول نحو نصف الأمريكيين إنهم يستعينون بالذكاء الاصطناعي للحصول على نصائح مالية، لكن جودة هذه النصائح لم تكن مدروسة إلا قليلاً. وقد قاسها باحثو MIT Sloan بشكل مباشر. كتب الورقة البحثية "AI Financial Advice: Supply, Demand, and Life Cycle Implications" كل من طه شخمان وويدونغ لين وماثيو أكوزاوا من MIT Sloan وتيم دي سيلفا من كلية ستانفورد للدراسات العليا في إدارة الأعمال، وفازت بجائزة Swiss Finance Institute Outstanding Paper Award 2026.

كيف أُجريت الدراسة

بنى الباحثون أولاً نموذجًا لدورة الحياة يصف كيف يتطور الدخل والوظيفة والاستثمارات والضرائب عادةً، واتخذوه معيارًا للقرارات المالية السليمة. ثم طلبوا من 1000 بالغ كتابة طلباتهم الخاصة للحصول على نصائح في الإنفاق والاستثمار من GPT-5.2 أو GPT-5.6 أو Gemini 3 Flash، وحاكوا ما سيحدث لو التزم أشخاص بين 22 و89 عامًا بهذه النصائح باستمرار. وأخيرًا أعادوا التجربة بطلبات "أكاديمية" مفصلة تضمنت العمر والحالة الوظيفية والدخل والمدخرات وافتراضات صريحة عن الاقتصاد.

نصائح جيدة وتفاصيل غائبة

يقول شخمان: "فوجئنا بعض الشيء بمدى جودة النصائح". وجّهت النماذج المستخدمين إلى مزيد من الادخار خلال سنوات العمل، وإنفاق المدخرات عند التقاعد، والاستثمار في صناديق أسهم متنوعة، وتقليل التعرض للأسهم بعد سن 45. لكنها اعتمدت على قواعد عامة بسيطة وضعُفت في التعامل مع الصدمات: بعد فقدان الوظيفة نصحت بخفض الإنفاق بحدّة مفرطة حتى لمن يملك مدخرات. كما تركت المحافظ تنحرف بدل إعادة موازنتها بفعالية. وقد حسّنت الطلبات الأكاديمية المفصلة النتائج.

أسئلة مختلفة وثروة مختلفة

اختلفت النصائح بحسب السائل. فاتباع إجابات طلبات كتبها رجال أو مستخدمون ذوو معرفة مالية عالية أو خبرة سابقة بالذكاء الاصطناعي أنتج ثروة أكبر بنحو 5% قرب التقاعد. أما الطلبات التي كتبتها نساء أو مستخدمون بمعرفة مالية أقل فقد أدت إلى نحو 50 ألف دولار (4%) أقل من الثروة في سن الستين، وانتهى من لا خبرة لهم بالذكاء الاصطناعي بأقل بنحو 100 ألف دولار (6%). ويعود نحو ثلثي الفارق بين الجنسين إلى صياغة الأسئلة، والثلث إلى تغيّر نصيحة النموذج للطلب نفسه.

ماذا يعني ذلك للمستهلكين

وجدت الدراسة أيضًا أن النماذج توصي بمنتجات لم يذكرها المستخدمون: ظهرت Vanguard في 6% من الردود وiShares في 3.4%، مع أن أقل من 0.4% من الطلبات ذكرت هاتين الشركتين. والدرس الأساسي هو صياغة الأسئلة بطريقة المخطط المالي، بالاستناد إلى تخطيط دورة الحياة ونظرية المحافظ والافتراضات الواقعية. وينصح شخمان باستخدام الذكاء الاصطناعي أولاً لبناء الفهم المالي، ثم كمكمل رخيص لمستشار بشري، خصوصًا لمن لا يستطيع تحمّل تكلفة الأخير.