Principalii chatboți AI oferă răspunsuri greșite la întrebările financiare de cele mai multe ori, potrivit unui nou raport de cercetare al fintech-ului britanic Saturn, care a testat 18 dintre cele mai populare modele de AI și a găsit o rată medie de eroare de 57%, a raportat luni Financial Times.

Raportul, intitulat „Autoritate artificială”, vine în timp ce milioane de consumatori apelează din ce în ce mai mult la chatbot pentru îndrumări cu privire la pensii, impozite, datorii și economii - întrebări în care un singur răspuns greșit poate avea consecințe financiare reale. Pe măsură ce asistenții de uz general sunt împinși pe teritoriul reglementat, studii ca acesta devin un test de stres recurent al promisiunilor consumatorilor din industrie și vom continua să urmărim cele mai recente evoluții ale AI pe măsură ce autoritățile de reglementare răspund.

Cum a funcționat testul

Echipa de domeniu a lui Saturn a pus 18 dintre cele mai utilizate modele de inteligență artificială prin intermediul a 121 de întrebări care acoperă pensii, impozite, datorii și economii - domeniile de bază în care consumatorii cu amănuntul caută cel mai adesea sfaturi. Modelele testate au inclus ChatGPT, Gemini, Claude și Copilot de la Microsoft, conform rezumatului publicat al raportului.

În medie, modelele au făcut greșeli în 57% din timp, a spus Saturn. Compania a încadrat concluziile ca fiind „referitor la greșelile la eșecul protecției consumatorilor” și le-a folosit pentru a argumenta că decalajul de consiliere al Regatului Unit - decalajul dintre oamenii care pot accesa consiliere financiară reglementată și cei care nu pot - nu va fi acoperit doar de chatbot-uri nereglementați.

Chiar și cel mai bun model a rătăcit frecvent

Rezultatele nu au fost uniforme, dar chiar și cel mai puternic performer a eșuat des. Potrivit raportului FT, cel mai performant model a fost Claude Opus 5 de la Anthropic care rulează în modul de raționament - și a făcut greșeli în continuare în 39% dintre răspunsuri.

Acest detaliu se poate dovedi a fi cea mai importantă constatare a raportului. Modurile de raționament, care permit modelelor să delibereze înainte de a răspunde, sunt răspunsul principal al industriei la halucinații și erori, iar modelele de frontieră afișează în mod obișnuit rezultate puternice la examenele profesionale în finanțe și drept. O rată de eroare de 39% la întrebările financiare practice sugerează că criteriile de referință în stilul examenului și interogările consumatorilor din lumea reală măsoară lucruri foarte diferite.

Descoperirile au atras, de asemenea, respingeri. Comentatorii de la Hacker News au pus la îndoială metodologia și selecția modelului, observând că mai multe dintre exemplele de erori ale raportului provin de la modele mai mici de nivel gratuit. Dar media de 57% și cea mai bună cifră de 39% din clasă sunt afirmații publicate de Saturn și FT, iar avertismentul central al raportului - că consumatorii nu ar trebui să trateze producția de chatbot ca un sfat reglementat - nu a fost contestat.

Un avertisment pe care autoritățile de reglementare au auzit-o înainte

Raportul ajunge pe fondul neliniștii oficiale din ce în ce mai mari cu privire la chatbot în chestiuni financiare. Consumatorii din Marea Britanie au fost deja avertizați despre chatbot-urile AI care oferă sfaturi financiare inexacte într-o alertă larg acoperită publicată de The Guardian la sfârșitul anului 2025, iar autoritățile de reglementare financiare din Europa și Statele Unite au semnalat de atunci sfaturile generate de AI drept o zonă emergentă de risc pentru consumatori.

Poziția proprie a lui Saturn conferă raportului un avantaj deosebit: compania dezvoltă instrumente de inteligență artificială pentru consiliere financiară și a publicat concluziile nu ca o respingere a inteligenței artificiale în finanțe, ci ca un caz pentru corectarea balustradelor. Argumentul său este că chatboții prost guvernați umple deja golul de consiliere în mod implicit și că alegerea cu care se confruntă autoritățile de reglementare este între îndrumarea AI supravegheată și îndrumarea AI nesupravegheată - nu între AI și sfatul uman.

Contribuția lui Saturn la această dezbatere este un argument cu privire la proiectarea politicilor: compania spune că o trecere de la ceea ce numește reglementare excesivă la punerea unor balustrade practice pe modelele lingvistice mari ar reduce decalajul de consiliere mai rapid, protejând în același timp oamenii de îndrumările nereglementate ale AI. Cu alte cuvinte, mai degrabă decât să țină AI departe de sfaturile financiare, construiește implementări supravegheate și restrânse, care pot servi în siguranță clienții cărora consilierii umani sunt prea scumpi pentru a le ajunge.

Această încadrare contează, deoarece lipsa de consiliere este cea mai puternică justificare a industriei pentru a fi în acest spațiu. În Marea Britanie, majoritatea gospodăriilor se încadrează în afara pragului la care consilierea financiară reglementată este considerată viabilă din punct de vedere economic, adică tocmai populația care întreabă acum chatboții despre pensii și datorii.

Ce ar trebui să ia consumatorii

Până când modelele se îmbunătățesc sau până când autoritățile de reglementare intervin, îndrumările practice din cercetare sunt simple:

  • Tratează răspunsurile chatbot cu privire la impozite, pensii, datorii și economii ca un punct de plecare pentru cercetare, nu ca un sfat.
  • Verificați orice cifră specifică - praguri, rate, cote - față de o sursă oficială înainte de a acționa asupra acesteia.
  • Fiți deosebit de precaut cu modelele de nivel gratuit, care pot fi mai vechi sau mai mici decât versiunile emblematice pe care le promovează un laborator.
  • Pentru deciziile în consecință, un consilier uman reglementat rămâne singurul canal cu responsabilitate legală atașată.

Întrebarea mai largă pe care o ridică raportul este una cu care industria AI se va confrunta în mod repetat în 2026: capacitatea care impresionează în demonstrații și benchmark-uri poate încă nu atinge bara de fiabilitate pe care o cer domeniile reglementate. Sfaturile financiare sunt pur și simplu prima arena în care acest decalaj a fost cuantificat atât de clar.

Rămâi înaintea AI

Urmăriți modul în care AI remodelează finanțele, cercetarea și reglementarea? Citiți mai multe știri AI pe AI Buzz Wire — acoperire independentă AI, în fiecare zi.

---

Rămâneți înaintea AI

Obțineți cele mai recente știri, analize și descoperiri despre AI - toate într-un singur loc.

Citiți mai multe știri AI →