Τα κορυφαία chatbot AI δίνουν λανθασμένες απαντήσεις σε οικονομικά ερωτήματα τις περισσότερες φορές, σύμφωνα με μια νέα έκθεση έρευνας του βρετανικού fintech Saturn που εξέτασε 18 από τα πιο δημοφιλή μοντέλα AI και βρήκε μέσο ποσοστό σφάλματος 57%, ανέφεραν τη Δευτέρα οι Financial Times.
Η έκθεση, με τίτλο «Τεχνητή Αρχή», φτάνει καθώς εκατομμύρια καταναλωτές στρέφονται ολοένα και περισσότερο στα chatbots για καθοδήγηση σχετικά με τις συντάξεις, τους φόρους, τα χρέη και τις αποταμιεύσεις – ερωτήσεις όπου μια και μόνο λάθος απάντηση μπορεί να έχει πραγματικές οικονομικές συνέπειες. Καθώς οι βοηθοί γενικής χρήσης ωθούνται σε ελεγχόμενη περιοχή, μελέτες όπως αυτή γίνονται ένα επαναλαμβανόμενο stress test για τις υποσχέσεις των καταναλωτών του κλάδου και θα συνεχίσουμε να παρακολουθούμε τις τελευταίες εξελίξεις της τεχνητής νοημοσύνης καθώς ανταποκρίνονται οι ρυθμιστικές αρχές.
Πώς λειτούργησε το τεστ
Η ομάδα τομέα του Saturn έθεσε 18 από τα πιο ευρέως χρησιμοποιούμενα μοντέλα τεχνητής νοημοσύνης μέσω 121 ερωτήσεων που καλύπτουν συντάξεις, φόρους, χρέη και αποταμιεύσεις - τους βασικούς τομείς στους οποίους οι καταναλωτές λιανικής αναζητούν συχνότερα συμβουλές. Τα μοντέλα που δοκιμάστηκαν περιελάμβαναν ChatGPT, Gemini, Claude και Copilot της Microsoft, σύμφωνα με τη δημοσιευμένη περίληψη της έκθεσης.
Κατά μέσο όρο, τα μοντέλα έκαναν λάθη στο 57% των περιπτώσεων, είπε ο Κρόνος. Η εταιρεία πλαισίωνε τα ευρήματα ως «σχετικά με λάθη στην αποτυχία προστασίας των καταναλωτών» και τα χρησιμοποίησε για να υποστηρίξει ότι το χάσμα στις συμβουλές του Ηνωμένου Βασιλείου - το χάσμα μεταξύ των ανθρώπων που έχουν πρόσβαση σε ρυθμιζόμενες οικονομικές συμβουλές και εκείνων που δεν μπορούν - δεν θα καλυφθεί μόνο από μη ρυθμιζόμενα chatbot.
Ακόμα και το καλύτερο μοντέλο έκανε λάθος συχνά
Τα αποτελέσματα δεν ήταν ομοιόμορφα, αλλά ακόμη και ο πιο δυνατός παίκτης απέτυχε συχνά. Σύμφωνα με την έκθεση των FT, το μοντέλο με τις καλύτερες επιδόσεις ήταν το Claude Opus 5 της Anthropic που έτρεχε σε λειτουργία συλλογισμού — και παρόλα αυτά έκανε λάθη στο 39% των απαντήσεων.
Αυτή η λεπτομέρεια μπορεί να αποδειχθεί το πιο συνεπές εύρημα της έκθεσης. Οι τρόποι συλλογιστικής, που επιτρέπουν στα μοντέλα να συλλογιστούν πριν απαντήσουν, είναι η κορυφαία απάντηση του κλάδου στις παραισθήσεις και τα σφάλματα, και τα συνοριακά μοντέλα δημοσιεύουν συνήθως ισχυρά αποτελέσματα σε επαγγελματικές εξετάσεις στα οικονομικά και τη νομική. Ένα ποσοστό σφάλματος 39% σε πρακτικά οικονομικά ερωτήματα υποδηλώνει ότι τα κριτήρια αναφοράς τύπου εξετάσεων και τα ερωτήματα των καταναλωτών στον πραγματικό κόσμο μετρούν πολύ διαφορετικά πράγματα.
Τα ευρήματα προκάλεσαν επίσης αντιδράσεις. Οι σχολιαστές στο Hacker News αμφισβήτησαν τη μεθοδολογία και την επιλογή μοντέλων, σημειώνοντας ότι αρκετά από τα παραδείγματα σφαλμάτων της αναφοράς προέρχονταν από μικρότερα μοντέλα ελεύθερης βαθμίδας. Ωστόσο, ο μέσος όρος του 57% και το ποσοστό του 39% του καλύτερου στην κατηγορία είναι σύμφωνα με τους δημοσιευμένους ισχυρισμούς από τον Saturn και τους FT, και η κεντρική προειδοποίηση της έκθεσης - ότι οι καταναλωτές δεν πρέπει να αντιμετωπίζουν την παραγωγή chatbot ως ρυθμιζόμενη συμβουλή - δεν αμφισβητήθηκε.
Μια προειδοποίηση που έχουν ξανακούσει οι ρυθμιστικές αρχές
Η έκθεση προσγειώνεται εν μέσω αυξανόμενης επίσημης ανησυχίας σχετικά με τα chatbots σε θέματα χρημάτων. Οι καταναλωτές του Ηνωμένου Βασιλείου είχαν ήδη προειδοποιηθεί για τα chatbots AI που δίνουν ανακριβείς οικονομικές συμβουλές σε μια ευρέως καλυμμένη ειδοποίηση που δημοσιεύτηκε από τον The Guardian στα τέλη του 2025 και οι χρηματοοικονομικές ρυθμιστικές αρχές σε όλη την Ευρώπη και τις Ηνωμένες Πολιτείες έχουν επισημάνει από τότε τις συμβουλές που δημιουργούνται από την τεχνητή νοημοσύνη ως αναδυόμενο τομέα κινδύνου για τους καταναλωτές.
Η θέση του ίδιου του Κρόνου δίνει στην έκθεση ένα ιδιαίτερο πλεονέκτημα: η εταιρεία αναπτύσσει εργαλεία τεχνητής νοημοσύνης για οικονομικές συμβουλές και δημοσίευσε τα ευρήματα όχι ως απόρριψη της τεχνητής νοημοσύνης στα οικονομικά, αλλά ως μια περίπτωση για να γίνουν σωστά τα προστατευτικά κιγκλιδώματα. Το επιχείρημά του είναι ότι τα chatbot με κακή διαχείριση καλύπτουν ήδη το κενό συμβουλών από προεπιλογή και ότι η επιλογή που αντιμετωπίζουν οι ρυθμιστικές αρχές είναι μεταξύ εποπτευόμενης καθοδήγησης τεχνητής νοημοσύνης και μη εποπτευόμενης καθοδήγησης τεχνητής νοημοσύνης — όχι μεταξύ τεχνητής νοημοσύνης και ανθρώπινης συμβουλής.
Η συνεισφορά του Κρόνου σε αυτή τη συζήτηση είναι ένα επιχείρημα σχετικά με το σχεδιασμό πολιτικής: η εταιρεία λέει ότι μια μετατόπιση από αυτό που αποκαλεί υπερβολική ρύθμιση προς την τοποθέτηση πρακτικών προστατευτικών κιγκλιδωμάτων σε μεγάλα γλωσσικά μοντέλα θα μείωνε πιο γρήγορα το χάσμα των συμβουλών προστατεύοντας παράλληλα τους ανθρώπους από ανεξέλεγκτη καθοδήγηση τεχνητής νοημοσύνης. Με άλλα λόγια, αντί να κρατάτε την τεχνητή νοημοσύνη εντελώς μακριά από οικονομικές συμβουλές, δημιουργήστε εποπτευόμενες, περιορισμένες αναπτύξεις που μπορούν να εξυπηρετήσουν με ασφάλεια πελάτες τους οποίους οι ανθρώπινοι σύμβουλοι είναι πολύ ακριβοί για να προσεγγίσουν.
Αυτό το πλαίσιο έχει σημασία επειδή το κενό συμβουλών είναι η ισχυρότερη δικαιολογία του κλάδου για να βρίσκεται σε αυτόν τον χώρο. Στο Ηνωμένο Βασίλειο, τα περισσότερα νοικοκυριά ξεφεύγουν από το όριο στο οποίο οι ρυθμιζόμενες χρηματοοικονομικές συμβουλές θεωρούνται οικονομικά βιώσιμες, το οποίο είναι ακριβώς ο πληθυσμός που ρωτά τώρα chatbots σχετικά με τις συντάξεις και το χρέος.
Τι πρέπει να αφαιρέσουν οι καταναλωτές
Μέχρι να βελτιωθούν τα μοντέλα ή να επέμβουν οι ρυθμιστές, η πρακτική καθοδήγηση από την έρευνα είναι απλή:
- Αντιμετωπίστε τις απαντήσεις chatbot σχετικά με τους φόρους, τις συντάξεις, το χρέος και τις αποταμιεύσεις ως σημείο εκκίνησης για έρευνα, όχι ως συμβουλή.
- Επαληθεύστε οποιοδήποτε συγκεκριμένο ποσό — κατώτατα όρια, ποσοστά, επιδόματα — έναντι επίσημης πηγής προτού ενεργήσετε βάσει αυτού.
- Να είστε ιδιαίτερα προσεκτικοί με τα μοντέλα ελεύθερης βαθμίδας, τα οποία μπορεί να είναι παλαιότερα ή μικρότερα από τις κορυφαίες εκδόσεις που προωθεί ένα εργαστήριο.
- Για επακόλουθες αποφάσεις, ένας ρυθμισμένος ανθρώπινος σύμβουλος παραμένει ο μόνος δίαυλος με συνημμένη νομική ευθύνη.
Το ευρύτερο ερώτημα που εγείρει η έκθεση είναι αυτό που θα αντιμετωπίσει επανειλημμένα ο κλάδος της τεχνητής νοημοσύνης το 2026: η ικανότητα που εντυπωσιάζει σε επιδείξεις και σημεία αναφοράς μπορεί να υπολείπεται της γραμμής αξιοπιστίας που απαιτούν οι ελεγχόμενοι τομείς. Οι οικονομικές συμβουλές είναι απλώς το πρώτο πεδίο όπου αυτό το χάσμα έχει ποσοτικοποιηθεί τόσο έντονα.
Μείνετε μπροστά από την τεχνητή νοημοσύνη
Παρακολουθείτε πώς η τεχνητή νοημοσύνη αναδιαμορφώνει τη χρηματοδότηση, την έρευνα και τους κανονισμούς; Διαβάστε περισσότερες ειδήσεις AI στο AI Buzz Wire — ανεξάρτητη κάλυψη AI, κάθε μέρα.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
