人们越来越多地转向人工智能寻求财务建议，但遵循这些建议是否会改善他们的财务状况？麻省理工学院斯隆管理学院的金融助理教授塔哈·朱克曼（Taha Choukhmane）表示：“一半的美国人表示他们正在使用人工智能获取财务建议，但我们对他们获得的建议类型以及他们是否采取行动知之甚少。”朱克曼与合著者的一项新论文测量并分析了大型语言模型提供的财务建议的质量。朱克曼和合著者的研究表明，遵循人工智能的建议几乎可以为所有30岁以上的人带来可观的储蓄缓冲。人工智能始终建议人们在工作期间存钱，在退休后使用储蓄，重仓投资多样化的股票基金，并在45岁后减少股票风险。然而，人工智能聊天机器人在调整失业等突发情况时成功率较低，且允许投资组合漂移，而不是主动重新平衡它们。随着研究人员引入更结构化的提示，LLMs提供的财务建议质量有所提高，但人工智能仍然经常生成过少的主动投资组合再平衡。研究是如何进行的研究人员建立了一个模型，反映人们的收入、工作、投资和税收在其生活中的典型演变情况，这为“良好”财务决策的标准提供了基准。然后，他们要求1000名成人样本编写自己的提示，寻求来自GPT-5.2、GPT-5.6或Gemini 3 Flash的支出和投资建议。接下来，他们模拟了22至89岁的人随着时间推移如果遵循这些建议会发生什么，反复询问人工智能相同类型的问题，并遵循其在支出、储蓄和投资方面的建议。最终，他们使用包括完整财务信息和清晰假设的写得好的学术提示重复了这个练习。这些更详细的提示包含了个人的年龄、工作状态、收入和储蓄余额的信息，以及对经济环境的假设。作者将模拟的建议（如果普通人遵循他们给出的提示中的人工智能建议会发生什么）与人们在没有人工智能帮助下已经做的财务决策进行了比较。他们还将模拟建议与学术提示进行了比较。结果显示，LLMs可以提供一种经济实惠、广泛可获取的财务指导来源，帮助用户克服传统人类财务顾问相关的重大成本、偏见和利益冲突。研究结果分析总体而言，研究人员发现，LLMs随着时间推移所提供的财务建议是好的，但在以学术方式提问时会更好，并且模型具有强项和弱点。1. 人工智能鼓励聪明的财务行为。无论提示是由普通用户还是学术界人士编写，LLM的建议都超出了学者们的预期。它引导人们增加储蓄、增加在股市的参与，并促进良好多样化配置和适龄风险承担。“我们对建议的质量感到有些惊讶，”朱克曼说。“尤其是当你阅读人们提出的问题时，并不能保证建议会与学者认为的良好财务原则相符。”2. 人工智能忽视重要的细微差别。更好的提示可能会有所帮助。LLMs的建议在良好财务规划的更微妙方面存在不足。它往往依赖于简单的经验法则用于储蓄和支出，当情况发生变化时的调整不够充分。例如，它建议经历失业的人过于剧烈地削减支出，即使他们有储蓄。人们提问的方式是问题的一部分。一个典型的提示可能是：“我应该从50美元开始投资，并每月稳定添加25美元吗？”当使用更详细、结构化的“学术”提示时，LLM的表现更好。例如，一个学术提示可能会告诉聊天机器人假定正常的预期寿命、生活支出、退休年龄、就业风险和收入风险，并假设目前的美国税法和社会保障规则不会改变。“普通人的提示写得不如一个金融教授，”朱克曼说。3. 人工智能建议因用户而异，这可能导致财富差距。作者发现，LLMs的建议因提问者的性别、金融素养和经验而有所不同，导致退休财富产生显著差距。回应男性、金融素养更高用户或具有先前人工智能经验的用户写出的提示时，遵循该建议的用户在接近退休时获得的财富大约多出5%。具体来说，LLM在回应男性和金融素养较高个体的提示时，建议更高的股票配置。在生命周期中...