লিডিং এআই চ্যাটবটগুলি প্রায়শই আর্থিক প্রশ্নের ভুল উত্তর দেয় না, ইউকে ফিনটেক স্যাটার্নের একটি নতুন গবেষণা প্রতিবেদন অনুসারে যা 18টি জনপ্রিয় এআই মডেলের পরীক্ষা করেছে এবং গড় ত্রুটির হার 57% পেয়েছে, ফিনান্সিয়াল টাইমস সোমবার রিপোর্ট করেছে।

"কৃত্রিম কর্তৃপক্ষ" শিরোনামের প্রতিবেদনটি আসে যখন লক্ষ লক্ষ ভোক্তা পেনশন, ট্যাক্স, ঋণ এবং সঞ্চয় সংক্রান্ত নির্দেশনার জন্য ক্রমবর্ধমানভাবে চ্যাটবটের দিকে ঝুঁকছে — প্রশ্ন যেখানে একটি ভুল উত্তর প্রকৃত আর্থিক পরিণতি বহন করতে পারে। যেহেতু সাধারণ-উদ্দেশ্য সহকারীকে নিয়ন্ত্রিত অঞ্চলে ঠেলে দেওয়া হয়, এই ধরনের অধ্যয়নগুলি শিল্পের ভোক্তাদের প্রতিশ্রুতির পুনরাবৃত্তিমূলক চাপের পরীক্ষা হয়ে উঠছে এবং নিয়ন্ত্রকদের প্রতিক্রিয়া হিসাবে আমরা সর্বশেষ AI উন্নয়নগুলি ট্র্যাক করতে থাকব।

পরীক্ষাটি কীভাবে কাজ করেছে

শনির ডোমেইন টিম পেনশন, ট্যাক্স, ঋণ এবং সঞ্চয় নিয়ে 121টি প্রশ্নের মাধ্যমে 18টি বহুল ব্যবহৃত AI মডেলের মধ্যে তুলে ধরেছে — মূল ক্ষেত্র যেখানে খুচরা গ্রাহকরা প্রায়শই পরামর্শ চান। রিপোর্টের প্রকাশিত সারাংশ অনুসারে পরীক্ষা করা মডেলগুলির মধ্যে ChatGPT, Gemini, Claude এবং Microsoft এর Copilot অন্তর্ভুক্ত রয়েছে।

গড়ে, মডেলগুলি ভুল করেছে 57% সময়, শনি বলেছে। কোম্পানী ফলাফলগুলিকে "ভোক্তা সুরক্ষা ব্যর্থতার বিষয়ে ভুল সম্পর্কিত" হিসাবে বিস্তৃত হিসাবে তৈরি করেছে এবং সেগুলিকে যুক্তি দিতে ব্যবহার করেছে যে যুক্তরাজ্যের পরামর্শের ব্যবধান - যারা নিয়ন্ত্রিত আর্থিক পরামর্শ অ্যাক্সেস করতে পারে এবং যারা পারে না - শুধুমাত্র অনিয়ন্ত্রিত চ্যাটবট দ্বারা বন্ধ করা হবে না।

এমনকি সেরা মডেলও প্রায়শই ভুল করে

ফলাফল অভিন্ন ছিল না, কিন্তু এমনকি শক্তিশালী অভিনয়কারী প্রায়ই ব্যর্থ হয়. FT-এর রিপোর্ট অনুসারে, সেরা-পারফর্মিং মডেল ছিল অ্যানথ্রপিকের ক্লাউড ওপাস 5 যুক্তি মোডে চলমান — এবং এটি এখনও 39% উত্তরে ভুল করেছে।

সেই বিশদটি রিপোর্টের সবচেয়ে ফলপ্রসূ অনুসন্ধান হতে পারে। যুক্তি মোড, যা উত্তর দেওয়ার আগে মডেলগুলিকে ইচ্ছাকৃত করতে দেয়, হল হ্যালুসিনেশন এবং ত্রুটির জন্য শিল্পের প্রধান উত্তর, এবং ফ্রন্টিয়ার মডেলগুলি নিয়মিতভাবে অর্থ ও আইনের পেশাদার পরীক্ষায় শক্তিশালী ফলাফল পোস্ট করে। ব্যবহারিক আর্থিক প্রশ্নে একটি 39% ত্রুটির হার পরামর্শ দেয় যে পরীক্ষার-স্টাইল বেঞ্চমার্ক এবং বাস্তব-বিশ্বের ভোক্তা প্রশ্নগুলি খুব আলাদা জিনিস পরিমাপ করে।

ফলাফল এছাড়াও pushback আঁকা. হ্যাকার নিউজের মন্তব্যকারীরা পদ্ধতি এবং মডেল নির্বাচন নিয়ে প্রশ্ন তুলেছেন, উল্লেখ করেছেন যে প্রতিবেদনের উদাহরণের কয়েকটি ত্রুটি ছোট ফ্রি-টায়ার মডেল থেকে এসেছে। কিন্তু 57% গড় এবং 39% সেরা-শ্রেণীর চিত্রটি শনি এবং এফটি থেকে প্রকাশিত দাবি হিসাবে দাঁড়িয়েছে এবং প্রতিবেদনের কেন্দ্রীয় সতর্কতা - যে গ্রাহকদের চ্যাটবট আউটপুটকে নিয়ন্ত্রিত পরামর্শ হিসাবে বিবেচনা করা উচিত নয় - বিতর্কিত ছিল না।

একটি সতর্কতা নিয়ন্ত্রকরা আগে শুনেছেন

অর্থ সংক্রান্ত বিষয়ে চ্যাটবট সম্পর্কে ক্রমবর্ধমান সরকারী অস্বস্তির মধ্যে প্রতিবেদনটি এসেছে। 2025 সালের শেষের দিকে দ্য গার্ডিয়ান দ্বারা প্রকাশিত একটি ব্যাপকভাবে আচ্ছাদিত সতর্কতায় AI চ্যাটবটগুলিকে ভুল আর্থিক পরামর্শ দেওয়ার বিষয়ে যুক্তরাজ্যের গ্রাহকদের ইতিমধ্যেই সতর্ক করা হয়েছিল এবং ইউরোপ এবং মার্কিন যুক্তরাষ্ট্র জুড়ে আর্থিক নিয়ন্ত্রকরা তখন থেকে AI-উত্পাদিত পরামর্শকে একটি উদীয়মান ভোক্তা-ঝুঁকির এলাকা হিসাবে চিহ্নিত করেছে।

শনির নিজস্ব অবস্থান প্রতিবেদনটিকে একটি বিশেষ প্রান্ত দেয়: কোম্পানিটি আর্থিক পরামর্শের জন্য AI সরঞ্জামগুলি তৈরি করে এবং এটি ফাইন্যান্সে AI-এর প্রত্যাখ্যান হিসাবে নয় বরং পাহারা ঠিক করার জন্য একটি মামলা হিসাবে ফলাফল প্রকাশ করেছে। এর যুক্তি হল যে দুর্বলভাবে শাসিত চ্যাটবটগুলি ইতিমধ্যেই ডিফল্টভাবে পরামর্শের ফাঁক পূরণ করছে এবং নিয়ন্ত্রকদের মুখোমুখি হওয়া পছন্দটি তত্ত্বাবধানে থাকা এআই নির্দেশিকা এবং তত্ত্বাবধানহীন এআই নির্দেশিকা - এআই এবং মানুষের পরামর্শের মধ্যে নয়।

সেই বিতর্কে শনির অবদান হল পলিসি ডিজাইন সম্পর্কে একটি যুক্তি: কোম্পানি বলেছে যে বৃহৎ ভাষার মডেলগুলিতে ব্যবহারিক রেললাইন স্থাপনের দিকে অত্যধিক নিয়ন্ত্রন যাকে বলা হয় তা থেকে একটি স্থানান্তর যা মানুষকে অনিয়ন্ত্রিত AI নির্দেশিকা থেকে রক্ষা করার পাশাপাশি পরামর্শের ব্যবধানকে দ্রুত সংকুচিত করবে। অন্য কথায়, এআইকে সম্পূর্ণরূপে আর্থিক পরামর্শের বাইরে রাখার পরিবর্তে, তত্ত্বাবধানে, সীমাবদ্ধ স্থাপনাগুলি তৈরি করুন যা নিরাপদে গ্রাহকদের পরিষেবা দিতে পারে যাদের কাছে মানব উপদেষ্টারা পৌঁছানো খুব ব্যয়বহুল।

এই কাঠামোটি গুরুত্বপূর্ণ কারণ পরামর্শের ব্যবধানটি এই স্থানটিতে থাকার জন্য শিল্পের সবচেয়ে শক্তিশালী ন্যায্যতা। যুক্তরাজ্যে, বেশিরভাগ পরিবারই সেই থ্রেশহোল্ডের বাইরে পড়ে যেখানে নিয়ন্ত্রিত আর্থিক পরামর্শ অর্থনৈতিকভাবে কার্যকর বলে বিবেচিত হয়, যা সঠিকভাবে জনসংখ্যা এখন পেনশন এবং ঋণ সম্পর্কে চ্যাটবটকে জিজ্ঞাসা করছে।

ভোক্তাদের কি নিয়ে যাওয়া উচিত

মডেলগুলি উন্নত না হওয়া পর্যন্ত বা নিয়ন্ত্রকদের হস্তক্ষেপ না হওয়া পর্যন্ত, গবেষণা থেকে ব্যবহারিক দিকনির্দেশনা সোজা:

  • ট্যাক্স, পেনশন, ঋণ এবং সঞ্চয় সম্পর্কিত চ্যাটবট উত্তরগুলিকে পরামর্শ হিসাবে নয়, গবেষণার শুরুর পয়েন্ট হিসাবে বিবেচনা করুন।
  • কোনো নির্দিষ্ট চিত্র - থ্রেশহোল্ড, হার, ভাতা - এটিতে কাজ করার আগে একটি অফিসিয়াল উত্সের বিরুদ্ধে যাচাই করুন৷
  • মুক্ত-স্তরের মডেলগুলির সাথে বিশেষভাবে সতর্ক থাকুন, যা একটি ল্যাব প্রচার করে এমন ফ্ল্যাগশিপ সংস্করণগুলির চেয়ে পুরানো বা ছোট হতে পারে৷
  • আনুষঙ্গিক সিদ্ধান্তের জন্য, একজন নিয়ন্ত্রিত মানব উপদেষ্টা আইনী জবাবদিহিতার সাথে সংযুক্ত একমাত্র চ্যানেল।

প্রতিবেদনটি যে বিস্তৃত প্রশ্নটি উত্থাপন করেছে তা হল 2026 সালে এআই শিল্প বারবার মুখোমুখি হবে: ডেমো এবং বেঞ্চমার্কে প্রভাবিত করার ক্ষমতা এখনও ডোমেনের চাহিদা নিয়ন্ত্রিত নির্ভরযোগ্যতার বারের কম হতে পারে। আর্থিক পরামর্শ হল প্রথম ক্ষেত্র যেখানে এই ব্যবধানটি এইভাবে পরিমাপ করা হয়েছে।

এআই থেকে এগিয়ে থাকুন

ট্র্যাকিং কিভাবে AI অর্থ, গবেষণা এবং নিয়ন্ত্রণকে পুনর্নির্মাণ করছে? এআই বাজ ওয়্যারে আরও এআই খবর পড়ুন — স্বাধীন এআই কভারেজ, প্রতিদিন।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →