MIT Sloan: الذكاء الاصطناعي يقدّم نصائح مالية جيدة إذا صيغت الأسئلة بالشكل الصحيح

أظهرت دراسة أجرتها MIT Sloan Management Review أن روبوتات الدردشة المعتمدة على الذكاء الاصطناعي قادرة على تقديم نصائح مالية بمستوى المستشارين المحترفين، شريطة أن يطرح المستخدم أسئلة محددة ومفصّلة. ونُشرت الدراسة في عام 2026 على منصة «Ideas Made to Matter»، وأثارت نقاشًا واسعًا في الأوساط المهنية.

ما الذي كشفته الدراسة

اختبر باحثو MIT Sloan نماذج لغوية على مهام نموذجية في الاستشارات المالية: التخطيط للتقاعد، والقرارات الاستثمارية، وإعداد الميزانية، والمسائل الضريبية. وجاءت النتائج غير متوقعة، إذ أدّت أنظمة الذكاء الاصطناعي أداءً أفضل بكثير مما توقّعه المؤلفون.

والخلاصة الرئيسية أن الذكاء الاصطناعي يقدّم إجابات يختلف مستواها اختلافًا جوهريًا بحسب درجة تفصيل الطلب. فالسؤال الغامض («كيف أدّخر للتقاعد؟») يعطي توصيات عامة لا تختلف عن أي مقال مالي. أما الطلب المفصّل الذي يحدد العمر والدخل والأصول الحالية وهدفًا ماليًا بعينه فهو أمر مختلف تمامًا. ووفق MIT Sloan، فإن جودة السؤال هي التي تحدد جودة النصيحة.

لماذا جاء أداء الذكاء الاصطناعي أفضل من المتوقع؟

أظهرت النماذج اللغوية قوة خاصة في مهمتين: تحليل عدة متغيرات في وقت واحد، وحساب سيناريوهات «ماذا لو». فالمستشار البشري كثيرًا ما يعتمد على نموذج جاهز لعميل مشابه، بينما يعالج الذكاء الاصطناعي جميع الشروط الواردة في الطلب بالتتابع ودون تبسيط.

«نصائح الذكاء الاصطناعي في المجال المالي جيدة بشكل مدهش — إذا طرحتَ الأسئلة الصحيحة»، هكذا صاغ باحثو MIT

Sloan Management Review خلاصتهم الرئيسية.

ووفق MIT Sloan، تتميز أدوات الذكاء الاصطناعي بفاعلية خاصة في عدة سيناريوهات:

• التقييم الأولي للخيارات قبل لقاء مستشار محترف
• المهام التعليمية، مثل فهم آلية عمل أداة مالية معينة
• مقارنة السيناريوهات ذات المعاملات الرقمية (أسعار فائدة مختلفة، وآفاق زمنية مختلفة)
• اختبار الفرضيات الشخصية المتعلقة بالتخطيط الاستثماري أو التقاعدي

ويحذّر المؤلفون في المقابل من أن المستشارين المعتمدين على الذكاء الاصطناعي أقل موثوقية حيث يكون التفسير الدقيق للتشريعات الضريبية أمرًا حاسمًا، أو حيث تبرز الفروق القانونية للمنتجات المالية في ولاية قضائية محددة.

كيف تصوغ الأسئلة بشكل صحيح؟

المبدأ الأساسي الذي تشدد عليه MIT Sloan هو تزويد النموذج بأكبر قدر ممكن من السياق: العمر، والدخل، والحالة الاجتماعية، والأفق الاستثماري، والهدف المحدد. وكلما كانت البيانات الأولية أدق، كانت الإجابة أغنى مضمونًا.

كما يوصي المؤلفون بالسؤال عن قرار محدد بدلًا من استراتيجية عامة، وبطلب مقارنة عدة سيناريوهات بالأرقام، وبذكر البلد، لأن التشريعات تختلف من مكان إلى آخر. ويغيّر هذا النهج طبيعة التفاعل جذريًا: فبدلًا من أن يكون النموذج مولّدًا للبديهيات، يتحول إلى أداة تحليل حقيقية تراعي ظروفك الخاصة.

ماذا يعني ذلك

تنقل دراسة MIT Sloan السؤال من «هل سيحل الذكاء الاصطناعي محل المستشار المالي» إلى «كيف نستخدمه بشكل سليم منذ الآن». فصياغة الطلب بشكل صحيح هي الفارق بين نصيحة عديمة الفائدة وتحليل يقارب الاستشارة المهنية. وبالنسبة لمعظم المستخدمين، تتمثل الاستراتيجية المثلى في استخدام الذكاء الاصطناعي لإعداد الخيارات واختبار الفرضيات، مع الاستعانة بمستشار محترف عند اتخاذ القرارات النهائية.

الأسئلة الشائعة

هل يمكن للذكاء الاصطناعي أن يحل محل المستشار المالي؟

لا يطرح مؤلفو MIT Sloan الذكاء الاصطناعي بديلًا كاملًا. فالأداة قوية بشكل خاص في تحليل السيناريوهات والمهام التعليمية، لكنها تتراجع أمام المحترف حيث يلزم تفسير دقيق لتشريعات بلد بعينه، أو مسؤولية شخصية عن خطة مالية طويلة الأمد.

في أي المسائل المالية يكون الذكاء الاصطناعي أكثر فائدة؟

وفق MIT Sloan، تحقق النماذج اللغوية أفضل النتائج عند مقارنة الخيارات: التخطيط للتقاعد، وسيناريوهات الاستثمار، وتقييم الميزانية. وتكون أضعف أداءً في الحالات المعقدة قانونيًا، حيث يكون التفسير الدقيق لتشريعات ولاية قضائية محددة أمرًا بالغ الأهمية.