MIT Sloan: финансовые советы нейросетей хороши, но необъективны

Группа исследователей из MIT Sloan во главе с доцентом финансов Тахой Шукманом (Taha Choukhmane) вместе с Вэйдуном Линем и Мэтью Акузавой из MIT Sloan и Тимом де Силвой из Высшей школы бизнеса Стэнфорда изучила качество финансовых советов, которые дают большие языковые модели. Работа «AI Financial Advice: Supply, Demand, and Life Cycle Implications» получила премию Swiss Finance Institute Outstanding Paper Award 2026 как лучшая работа года.

Сначала авторы построили модель, отражающую то, как у людей обычно меняются доход, работа, инвестиции и налоги на протяжении жизни, это дало эталон того, как выглядят «правильные» финансовые решения. Затем 1000 взрослых сами написали промпты с просьбой о советах по тратам и инвестициям для GPT-5.2, GPT-5.6 и Gemini 3 Flash. Далее исследователи смоделировали, что произошло бы, если бы люди в возрасте с 22 до 89 лет следовали этим советам, регулярно задавая ИИ те же вопросы. Наконец, эксперимент повторили с подробными «академическими» промптами, где были прописаны возраст, статус занятости, доход, накопления и допущения об экономической среде. Результаты сравнили с тем, как люди распоряжаются деньгами без ИИ, и с итогами по академическим промптам.

Главный вывод: советы ИИ оказались лучше, чем ожидали сами исследователи. Модели последовательно советовали копить в трудоспособном возрасте, тратить накопления на пенсии, вкладываться в диверсифицированные фондовые портфели и снижать долю акций после 45 лет; следование советам ИИ создаёт заметный сберегательный буфер практически для всех, кому больше 30 лет. «Нас несколько удивило, насколько хорошими были эти советы», сказал Шукман.

При этом ИИ хуже справляется с тонкостями: он опирается на простые правила и слабо подстраивается под изменившиеся обстоятельства. Например, людям, потерявшим работу, ИИ советовал слишком резко урезать траты даже при наличии сбережений, и вместо активной ребалансировки портфеля обычно позволял ему просто «дрейфовать». Качество советов улучшалось при более структурированных промптах, но и тогда ИИ редко советовал активно перебалансировать портфель.

Советы ИИ также зависят от того, кто спрашивает. Следование советам, полученным в ответ на промпты мужчин, более финансово грамотных людей и тех, кто уже имел опыт общения с ИИ, приносило к пенсии примерно на 5% больше капитала. В частности: ИИ рекомендовал более высокую долю акций в ответ на промпты мужчин и финансово грамотных пользователей, за жизненный цикл эта разница обернулась примерно $50 000 (4%) меньшим капиталом к 60 годам для женщин и менее грамотных пользователей. А тем, кто раньше не пользовался ИИ для финансовых советов, ИИ советовал более низкую норму сбережений, из-за этого к 60 годам они теряли почти $100 000 (6%) капитала по сравнению с пользователями, уже имевшими опыт общения с ИИ.

По словам Шукмана, эти различия имеют два источника. Во-первых, разные пользователи задают разные вопросы: женщины чаще использовали в промптах слова вроде «семья», «продукты», «платёж», а мужчины, «стратегия», «крипто», «рост». Во-вторых, модель может давать разные советы даже на одинаковый вопрос: около двух третей гендерного разрыва в итоговом капитале объясняется тем, как по-разному мужчины и женщины формулируют промпты, а оставшаяся треть, тем, что модель меняла совет, когда один и тот же промпт был подписан как женский, а не мужской.

Отдельно исследование показало: ИИ нередко рекомендует конкретные финансовые продукты и провайдеров, которых пользователь вообще не упоминал. Продукты Vanguard встретились в 6% ответов ИИ, продукты iShares, в 3,4%, хотя ту или другую компанию по имени называли менее 0,4% промптов. Авторы считают, что это может менять то, как компании привлекают клиентов: значение приобретает не столько традиционный маркетинг, сколько то, как продукт описывают сами языковые модели.

Шукман подчёркивает: у оценки качества финансовых советов ИИ пока нет чётких эталонов, и прогресс возможен только тогда, когда появится общепринятая рамка того, как совет должен меняться в зависимости от демографии человека. При этом не всякое различие в советах, проблема: по его словам, отчасти правильно, что ИИ даёт разные советы мужчинам и женщинам, поскольку у них разные ожидаемая продолжительность жизни и риски по доходу.

Ключевые факты

Исследователи MIT Sloan во главе с Тахой Шукманом смоделировали, что произошло бы с финансами 1000 взрослых людей в возрасте с 22 до 89 лет, если бы они годами следовали советам GPT-5.2, GPT-5.6 и Gemini 3 Flash по своим же промптам
Советы ИИ в целом оказались разумными: подталкивают копить, диверсифицировать вложения и снижать риск после 45 лет, создавая заметный сберегательный буфер практически всем, кому больше 30 лет
Слабое место, реакция на потрясения: при потере работы ИИ советовал слишком резко урезать траты даже при наличии сбережений, а портфели вместо активной ребалансировки обычно просто предоставлял самим себе
Советы зависят от того, кто спрашивает: мужчины, финансово грамотные пользователи и люди с опытом общения с ИИ получают на ~5% больше капитала к пенсии; гендерный разрыв на две трети объясняется разными формулировками промптов, а на треть, тем, что модель сама меняет совет по указанному полу
ИИ нередко продвигает конкретные продукты, которых пользователь не называл: Vanguard встретился в 6% ответов, iShares, в 3,4%, хотя эти компании по имени упоминали менее 0,4% промптов

Почему это важно

Это одно из первых крупных эмпирических исследований, которое не просто спрашивает у ИИ финансовый совет разово, а строит эталонную модель жизненного цикла доходов и трат и симулирует, что происходит с капиталом человека, если он годами следует советам ИИ. Учитывая, что, по словам Шукмана, половина американцев уже используют ИИ для финансовых советов, а данных о том, насколько эти советы хороши, почти не было, работа закрывает конкретный пробел: советы оказались лучше, чем ожидали сами исследователи, но с системными слабостями.

Кому это важно

Прежде всего рядовым пользователям, которые уже спрашивают ChatGPT, Gemini и подобные сервисы о сбережениях и инвестициях, особенно женщинам, менее финансово грамотным людям и тем, кто раньше не пользовался ИИ: именно они систематически получают советы похуже. Важно это и финансовым компаниям, чьи продукты ИИ упоминает без явного запроса пользователя, а также исследователям и регуляторам, которым, по словам Шукмана, ещё предстоит выработать эталоны того, каким должен быть «хороший» ИИ-совет.

Как это применить

Качество совета заметно росло, когда промпт был подробным и структурированным по образцу академического, с указанием возраста, статуса занятости, дохода, накоплений, ожидаемой продолжительности жизни и допущений об экономике и налогах, а не короткого вопроса вроде «куда вложить $50 с довложением по $25 в месяц». Шукман советует использовать ИИ скорее как инструмент для того, чтобы разобраться в собственных финансах, чем как источник советов, которым слепо следуют, и по возможности сочетать его с периодическими консультациями у человека-советника.

Можно ли доверять

Работа построена на явной эталонной модели жизненного цикла и симуляции на выборке из 1000 реальных промптов к трём актуальным моделям (GPT-5.2, GPT-5.6, Gemini 3 Flash), а не на единичных примерах; она удостоена премии Swiss Finance Institute Outstanding Paper Award 2026. Из ограничений: в материале не приведены дата публикации работы, разбивка выборки из 1000 человек по полу, возрасту и уровню грамотности, а также не сказано, сравнивали ли авторы три модели между собой отдельно.

Риски и подводные камни

ИИ плохо реагирует на жизненные потрясения, например, советует слишком резко урезать расходы после потери работы даже при наличии сбережений, и не подталкивает к активной ребалансировке портфеля. Советы систематически хуже для женщин, менее финансово грамотных и менее опытных с ИИ пользователей, что оборачивается разницей в капитале к 60 годам в $50 000, $100 000. Отдельный риск для рынка, то, что модели продвигают конкретные бренды и продукты (Vanguard, iShares), которых пользователь не называл: это создаёт непрозрачный канал влияния на финансовые решения людей.

«Нас несколько удивило, насколько хорошими были эти советы.»

— Таха Шукман, MIT Sloan