MIT Sloan-ի ուսումնասիրություն. արհեստական բանականության ֆինանսական խորհուրդները զարմանալիորեն լավ են

Ամերիկացիների մոտ կեսն ասում է, որ ֆինանսական խորհրդի համար դիմում է արհեստական բանականությանը, սակայն այդ խորհուրդների որակը գրեթե չէր ուսումնասիրվել։ MIT Sloan-ի հետազոտողները չափել են այն ուղղակիորեն։ «AI Financial Advice: Supply, Demand, and Life Cycle Implications» աշխատանքը գրել են MIT Sloan-ի հետազոտողներ Թահա Չուխմանը, Վեյդուն Լինը և Մեթյու Ակուզավան և Ստենֆորդի բիզնեսի դպրոցի Թիմ դե Սիլվան. այն արժանացել է Swiss Finance Institute-ի 2026 թվականի լավագույն աշխատանքի մրցանակին։

Ինչպես է անցկացվել ուսումնասիրությունը

Սկզբում հետազոտողները կառուցել են կյանքի ցիկլի մոդել, որը նկարագրում է, թե ինչպես են եկամուտը, աշխատանքը, ներդրումները և հարկերը սովորաբար փոխվում ողջ կյանքի ընթացքում, և այն օգտագործել որպես ճիշտ որոշումների չափանիշ։ Այնուհետև 1000 մեծահասակների խնդրել են ինքնուրույն գրել ծախսերի և ներդրումների վերաբերյալ հարցումներ GPT-5.2-ին, GPT-5.6-ին կամ Gemini 3 Flash-ին, և մոդելավորել են, թե ինչ կլիներ, եթե 22-89 տարեկան մարդիկ մշտապես հետևեին այդ խորհուրդներին։ Վերջում նույնը կրկնել են մանրամասն, «ակադեմիական» հարցումներով, որոնք ներառում էին տարիքը, աշխատանքային կարգավիճակը, եկամուտը և խնայողությունները։

Լավ խորհուրդներ, բաց թողնված նրբություններ

«Մի փոքր զարմացանք, թե որքան լավը եղան խորհուրդները»,— ասում է Չուխմանը։ Մոդելները խորհուրդ էին տալիս ավելի շատ խնայել աշխատանքային տարիներին, ծախսել խնայողությունները թոշակի ժամանակ, ներդրումներ կատարել դիվերսիֆիկացված բաժնետիրական ֆոնդերում և 45 տարեկանից հետո նվազեցնել բաժնետոմսերի մասնաբաժինը։ Սակայն նրանք հենվում էին պարզ կանոնների վրա և վատ էին արձագանքում ցնցումներին. աշխատանքը կորցնելուց հետո արհեստական բանականությունը չափից կտրուկ ծախսերի կրճատում էր խորհուրդ տալիս անգամ նրանց, ովքեր խնայողություններ ունեին։ Պորտֆելները նաև ակտիվ վերահավասարակշռման չէին ենթարկվում։ Մանրամասն ակադեմիական հարցումները բարելավեցին արդյունքները։

Տարբեր հարցեր՝ տարբեր հարստություն

Խորհուրդները կախված էին նրանից, թե ով էր հարցնում։ Տղամարդկանց, ֆինանսապես գրագետ օգտատերերի և արհեստական բանականության հետ նախկին փորձ ունեցող մարդկանց հարցումներին հետևելը թոշակի մոտ ապահովում էր մոտ 5%-ով ավելի հարստություն։ Կանանց և պակաս գրագետ օգտատերերի հարցումներով առաջնորդվելը 60 տարեկանում տալիս էր մոտ 50 000 դոլար (4%) պակաս հարստություն, իսկ առանց արհեստական բանականության փորձի՝ գրեթե 100 000 դոլար (6%) պակաս։ Սեռային տարբերության երկու երրորդը պայմանավորված է հարցադրման ձևով, իսկ մեկ երրորդը՝ նրանով, որ մոդելը նույն հարցմանը տարբեր խորհուրդ է տալիս։

Ինչ է սա նշանակում օգտատերերի համար

Ուսումնասիրությունը նաև ցույց տվեց, որ մոդելները հաճախ խորհուրդ էին տալիս ապրանքներ, որոնք օգտատերերը չէին նշել. Vanguard-ը հայտնվել է պատասխանների 6%-ում, iShares-ը՝ 3,4%-ում, չնայած հարցումների 0,4%-ից պակասն էր նշում այդ ընկերություններին։ Գլխավոր դասը հարցերը ֆինանսական պլանավորողի նման ձևակերպելն է՝ հենվելով կյանքի ցիկլի պլանավորման և պորտֆելի տեսության վրա։ Չուխմանը խորհուրդ է տալիս սկզբում արհեստական բանականությունն օգտագործել ֆինանսական ըմբռնում կառուցելու համար, ապա՝ որպես մարդ խորհրդատուի էժան լրացում, հատկապես նրանց համար, ովքեր չեն կարող իրեն թույլ տալ մասնագետ։