یک پژوهش جدید از پژوهشگران MIT Sloan و Stanford، با عنوان «AI Financial Advice: Supply, Demand, and Life Cycle Implications»، پرسش مهمی را بررسی کرده است: اگر افراد توصیه‌های مالی تولیدشده توسط مدل‌های زبانی بزرگ (LLM) را در طول زندگی خود دنبال کنند، چه اتفاقی برای وضعیت مالی آنها خواهد افتاد؟
پژوهشگران با مشارکت حدود ۱۰۰۰ نفر، پرسش‌هایی واقعی درباره پس‌انداز، مصرف و سرمایه‌گذاری دریافت کردند و سپس پیامدهای پیروی از توصیه‌های مدل‌های هوش مصنوعی را در یک شبیه‌سازی بلندمدت بررسی کردند.
سه یافته اصلی پژوهش:
۱. توصیه‌های AI در اصول کلی، بهتر از انتظار پژوهشگران بود.
مدل‌ها عموماً کاربران را به پس‌انداز بیشتر، مشارکت بیشتر در بازار سهام، تنوع‌بخشی به سرمایه‌گذاری و کاهش تدریجی ریسک با افزایش سن هدایت کردند.
۲. کیفیت توصیه به کیفیت پرسش وابسته بود.
پرسش‌های ساختاریافته و مبتنی بر برنامه‌ریزی چرخه زندگی، نظریه پرتفوی و شرایط واقعی مالی، پاسخ‌های بهتری ایجاد کردند. در مقابل، AI در مواجهه با تغییرات مهم زندگی ــ مانند از دست دادن شغل ــ یا ضرورت بازتنظیم فعال پرتفوی، محدودیت‌هایی داشت.
۳. همه کاربران از AI به یک اندازه بهره نمی‌برند.
توصیه‌ها با عواملی مانند سواد مالی، تجربه قبلی با AI و جنسیت کاربران تغییر می‌کرد و این تفاوت‌ها در شبیه‌سازی بلندمدت به تفاوت حدود ۴ تا ۵ درصدی در ثروت نزدیک زمان بازنشستگی میان برخی گروه‌ها منجر شد.
اما پرسش مهم برای بازار مالی ایران چیست؟
این یافته‌ها را نمی‌توان مستقیماً به ایران تعمیم داد. محیط مالی ایران از نظر ساختار بازار، تورم، دسترسی به دارایی‌ها، مقررات، محدودیت‌های اطلاعاتی و کیفیت افشا با بازار مورد مطالعه تفاوت دارد.
با این حال، می‌توان همین مطالعه را نقطه شروع مجموعه‌ای از پرسش‌های مهم برای مشاوره مالی، مدیریت دارایی، شرکت‌های سرمایه‌گذاری، کارگزاری‌ها و فین‌تک‌های ایرانی قرار داد:
- اگر یک LLM با داده‌های واقعی بازار ایران آموزش یا به داده‌های آن متصل شود، آیا توصیه‌های مالی آن از توصیه‌های عمومی اینترنتی بهتر خواهد بود؟
- در بازاری که شفافیت اطلاعاتی و کیفیت افشا با چالش‌هایی مواجه است، AI چگونه می‌تواند بین «اطلاعات موجود» و «اطلاعات قابل اتکا» تمایز بگذارد؟
- آیا ضعف حاکمیت شرکتی، تمرکز مالکیت و تعارض منافع می‌تواند کیفیت توصیه‌های AI درباره سهام و شرکت‌های ایرانی را تحت تأثیر قرار دهد؟
- اگر اطلاعات ورودی ناقص یا غیرشفاف باشد، آیا AI می‌تواند عدم‌قطعیت را به‌درستی به سرمایه‌گذار منتقل کند؟
- آیا شرکت‌های مشاوره سرمایه‌گذاری و مدیریت دارایی در ایران باید AI را جایگزین بخشی از فرایند مشاوره بدانند یا آن را به‌عنوان «دستیار تحلیل و تصمیم‌گیری مشاور» به کار گیرند؟
- آیا مزیت رقابتی آینده شرکت‌های مالی بیشتر از «دسترسی به اطلاعات»، به کیفیت داده، حاکمیت داده، مدل‌های تحلیلی و نحوه ارائه اطلاعات به AI وابسته خواهد شد؟
- در صورت توصیه اشتباه AI، مسئولیت میان پلتفرم، شرکت مالی، مشاور و مشتری چگونه باید تعریف شود؟
- آیا AI می‌تواند به کاهش شکاف سواد مالی کمک کند یا، برعکس، تفاوت میان کاربران حرفه‌ای و کم‌تجربه را بیشتر خواهد کرد؟
- شرکت‌های ایرانی چگونه می‌توانند از AI برای Investment Intelligence، Portfolio Intelligence و Financial Due Diligence استفاده کنند، بدون آنکه ضعف‌های ساختاری بازار را به‌صورت خودکار وارد فرایند تصمیم‌گیری کنند؟
- و در نهایت: آیا آینده مشاوره مالی، رقابت میان «مشاور انسانی» و «AI» است، یا ترکیب «قضاوت انسانی + تحلیل AI + داده قابل اتکا + حاکمیت مناسب»؟
منبع:
Choukhmane, T., de Silva, T., Lin, W., & Akuzawa, M. (2026). AI Financial Advice: Supply, Demand, and Life Cycle Implications. MIT Sloan Working Paper 7377-26.
