MIT Sloan: ИИ даёт хорошие финансовые советы, если правильно формулировать вопросы

كشفت دراسة أجرتها MIT Sloan Management Review أن روبوتات الدردشة المدعومة بالذكاء الاصطناعي (AI) قادرة على تقديم مشورات مالية بمستوى المستشارين المحترفين، شريطة أن يطرح المستخدم أسئلة محددة ومفصّلة. نُشر البحث عام 2026 على منصة «Ideas Made to Matter» وأثار نقاشاً واسعاً في الأوساط المهنية.

ما كشفته الدراسة

aختبرت MIT Sloan نماذج اللغة (LLM) على مهام نموذجية في الاستشارة المالية: التخطيط للتقاعد، وقرارات الاستثمار، والميزنة، والمسائل الضريبية. جاءت النتائج مفاجئة — إذ تفوّقت أنظمة AI بشكل ملحوظ على توقعات المؤلفين.

الاستنتاج الرئيسي: يُظهر الذكاء الاصطناعي مستويات استجابة مختلفة جوهرياً بحسب درجة تفصيل الاستعلام. فالسؤال المبهم («كيف أدّخر للتقاعد؟») يُفضي إلى توصيات عامة لا تختلف عن أي مقال مالي. أما الاستعلام المفصّل الذي يحدد العمر والدخل والأصول الحالية والهدف المالي المحدد، فهو حديثٌ مختلف تماماً. وفقاً لـ MIT Sloan، فإن جودة السؤال هي التي تحدد جودة المشورة.

لماذا فاق الذكاء الاصطناعي التوقعات؟

أبدت نماذج اللغة قوةً استثنائية في مهمتين: تحليل متغيرات متعددة في وقت واحد، وحساب سيناريوهات «ماذا لو». كثيراً ما يعتمد المستشار البشري على نموذج قياسي لعميل مشابه، في حين يعالج الذكاء الاصطناعي جميع شروط الاستعلام بصورة منهجية دون أي تبسيط.

«مشورات الذكاء الاصطناعي المالية جيدة بشكل مدهش — إذا طرحتَ الأسئلة الصحيحة»، هكذا صاغ باحثو MIT

Sloan Management Review استنتاجهم الرئيسي.

وفقاً لـ MIT Sloan، تتسم أدوات AI بفعالية خاصة في عدة سيناريوهات:

• التقييم الأولي للخيارات قبل الاجتماع بمستشار مهني
• المهام التعليمية — فهم آلية عمل أداة مالية محددة
• مقارنة السيناريوهات بمعاملات رقمية (معدلات مختلفة، آفاق زمنية مختلفة)
• اختبار الفرضيات الشخصية المتعلقة بالتخطيط الاستثماري أو التقاعدي

غير أن المؤلفين يحذّرون: يُصبح الذكاء الاصطناعي أقل موثوقية حين تكون التفسيرات الدقيقة للتشريعات الضريبية، أو الفروق القانونية الدقيقة للمنتجات المالية في ولاية قضائية محددة، أمراً بالغ الأهمية.

كيف تصوغ الأسئلة بشكل صحيح؟

المبدأ الرئيسي الذي تُبرزه MIT Sloan: تزويد النموذج بأكبر قدر ممكن من السياق. العمر، والدخل، والحالة الاجتماعية، وأفق الاستثمار، والهدف المحدد — كلما كانت البيانات المُدخلة أدق، كانت الإجابة أكثر عمقاً.

يوصي المؤلفون أيضاً بطرح سؤال حول قرار محدد لا حول استراتيجية عامة؛ وطلب مقارنة عدة سيناريوهات بأرقام؛ والإشارة إلى البلد، إذ تختلف التشريعات في كل مكان. يُغيّر هذا النهج طبيعة التفاعل جوهرياً: يتوقف النموذج عن كونه مُولِّداً للحكم المبتذلة، ويتحوّل إلى أداة تحليل حقيقي مُراعٍ لظروفك الخاصة.

ما الذي يعنيه هذا؟

تُحوّل دراسة MIT Sloan السؤال من «هل سيحلّ الذكاء الاصطناعي محل المستشار المالي؟» إلى «كيف نستخدمه بذكاء الآن؟». الصياغة الصحيحة للسؤال هي الفارق بين مشورة لا قيمة لها وتحليل يُضاهي الاستشارة المهنية. بالنسبة لمعظم المستخدمين، تتمثل الاستراتيجية المثلى في استخدام الذكاء الاصطناعي لإعداد الخيارات واختبار الفرضيات، مع الاستعانة بمستشار مهني للقرارات النهائية.

أسئلة متكررة

هل يستطيع الذكاء الاصطناعي أن يحلّ محل المستشار المالي؟

لا يقترح مؤلفو MIT Sloan الذكاءَ الاصطناعي بديلاً كاملاً: تتميز الأداة بقوة خاصة في تحليل السيناريوهات والمهام التعليمية، لكنها تقصر عن المهني حين تكون التفسيرات الدقيقة لتشريعات دولة بعينها، أو المسؤولية الشخصية عن خطة مالية طويلة الأمد، أمراً مطلوباً.

في أيّ المسائل المالية يكون الذكاء الاصطناعي الأكثر فائدة؟

وفقاً لـ MIT Sloan، تُحقق نماذج اللغة أفضل النتائج عند مقارنة الخيارات — التخطيط للتقاعد، وسيناريوهات الاستثمار، وتقييم الميزانية. وتُبدي أداءً أضعف في الحالات المعقدة قانونياً، حيث يكون التفسير الدقيق لتشريعات ولاية قضائية محددة أمراً بالغ الأهمية.