Financial Times'ın Pazartesi günü bildirdiğine göre, Birleşik Krallık fintech Saturn'ün en popüler 18 yapay zeka modelini test eden ve ortalama %57'lik bir hata oranı bulan yeni bir araştırma raporuna göre, önde gelen yapay zeka sohbet robotları finansal sorulara çoğu zaman yanlış yanıtlar veriyor.
"Yapay Otorite" başlıklı rapor, milyonlarca tüketicinin emeklilik, vergi, borç ve tasarruf konularında rehberlik almak için giderek daha fazla chatbot'lara yönelmesiyle ortaya çıktı; bu sorular tek bir yanlış cevabın gerçek finansal sonuçlar doğurabileceği sorular. Genel amaçlı asistanlar düzenlemelerin kapsamına girdikçe, bunun gibi çalışmalar sektörün tüketici vaatleri açısından tekrarlanan bir stres testi haline geliyor ve düzenleyiciler yanıt verdikçe en son yapay zeka gelişmelerini takip etmeye devam edeceğiz.
Test Nasıl Çalıştı?
Saturn'ün etki alanı ekibi, en yaygın kullanılan yapay zeka modellerinden 18'ini emeklilik, vergi, borç ve tasarrufları kapsayan 121 soruyla yanıtladı; bunlar perakende tüketicilerin en sık tavsiye aradığı temel alanlar. Raporun yayınlanan özetine göre test edilen modeller arasında ChatGPT, Gemini, Claude ve Microsoft'un Copilot'u yer alıyordu.
Saturn, ortalama olarak modellerin %57 oranında hata yaptığını söyledi. Şirket, bulguları "hatalarla ilgili hatalardan tüketici koruma başarısızlığına" kadar uzanan bir çerçeveye oturttu ve bunları, Birleşik Krallık'taki tavsiye açığının (düzenlenmiş mali tavsiyelere erişebilen kişilerle erişemeyenler arasındaki fark) yalnızca düzenlemeye tabi olmayan sohbet robotları tarafından kapatılmayacağını savunmak için kullandı.
En İyi Model Bile Sık Sık Hata Yapar
Sonuçlar tekdüze değildi, ancak en güçlü performans sergileyenler bile sıklıkla başarısız oldu. FT'nin raporuna göre en iyi performans gösteren model, Anthropic'in muhakeme modunda çalışan Claude Opus 5'iydi ve cevapların %39'unda hâlâ hata yapıyordu.
Bu ayrıntı, raporun en önemli bulgusu olabilir. Modellerin yanıt vermeden önce düşünmesine olanak tanıyan muhakeme modları, halüsinasyon ve hatalara karşı sektörün önde gelen yanıtıdır ve öncü modeller, finans ve hukuk alanındaki profesyonel sınavlarda rutin olarak güçlü sonuçlar verir. Pratik finansal sorulardaki %39'luk hata oranı, sınav tarzı kıyaslamaların ve gerçek dünyadaki tüketici sorgularının çok farklı şeyleri ölçtüğünü gösteriyor.
Bulgular aynı zamanda tepkilere de yol açtı. Hacker News'e yorum yapanlar metodolojiyi ve model seçimini sorguladılar ve rapordaki örnek hataların birçoğunun daha küçük ücretsiz katmanlı modellerden kaynaklandığını belirttiler. Ancak yüzde 57'lik ortalama ve yüzde 39'luk sınıfının en iyisi rakamı, Saturn ve FT'nin yayınlanmış iddialarıyla örtüşüyor ve raporun temel uyarısı - tüketicilerin chatbot çıktılarını düzenlenmiş tavsiye olarak değerlendirmemesi gerektiği - tartışılmadı.
Düzenleyicilerin Daha Önce Duyduğu Bir Uyarı
Rapor, para meselelerinde chatbotlara ilişkin resmi tedirginliğin arttığı bir dönemde geldi. Birleşik Krallık'taki tüketiciler, The Guardian tarafından 2025'in sonlarında yayınlanan geniş kapsamlı bir uyarıda yapay zeka sohbet robotlarının yanlış mali tavsiyeler verdiği konusunda zaten uyarılmıştı ve o zamandan beri Avrupa ve Amerika Birleşik Devletleri'ndeki mali düzenleyiciler, yapay zeka tarafından oluşturulan tavsiyeleri yeni ortaya çıkan tüketici riski alanı olarak işaretledi.
Saturn'ün kendi konumu rapora özel bir avantaj sağlıyor: Şirket finansal tavsiye için yapay zeka araçları geliştiriyor ve bulguları finansta yapay zekanın reddedilmesi olarak değil, korkulukların doğru şekilde alınmasına yönelik bir örnek olarak yayınladı. Onun argümanı, kötü yönetilen sohbet robotlarının zaten varsayılan olarak tavsiye boşluğunu doldurduğu ve düzenleyicilerin karşı karşıya olduğu seçimin, yapay zeka ile insan tavsiyesi arasında değil, denetlenen yapay zeka rehberliği ile denetlenmeyen yapay zeka rehberliği arasında olduğu yönünde.
Saturn'ün bu tartışmaya katkısı, politika tasarımıyla ilgili bir tartışmadır: Şirket, aşırı düzenleme olarak adlandırdığı şeyden büyük dil modellerine pratik korkuluklar koymaya doğru bir geçişin, insanları düzenlenmemiş yapay zeka rehberliğinden korurken tavsiye açığını daha hızlı daraltacağını söylüyor. Başka bir deyişle, yapay zekayı finansal danışmanlığın tamamen dışında tutmak yerine, insan danışmanların ulaşmasının çok pahalı olduğu müşterilere güvenli bir şekilde hizmet verebilecek denetimli, kısıtlı dağıtımlar oluşturun.
Bu çerçeve önemlidir, çünkü tavsiye eksikliği sektörün bu alanda yer almasının en güçlü gerekçesidir. Birleşik Krallık'ta çoğu hane, düzenlenmiş mali tavsiyelerin ekonomik olarak uygun kabul edildiği eşiğin dışında kalıyor; bu da artık tam olarak nüfusun emekli maaşları ve borçlar hakkında chatbot'lara soru sorması anlamına geliyor.
Tüketicilerin Yanına Almaları Gerekenler
Modeller gelişene veya düzenleyiciler müdahale edene kadar araştırmanın pratik yönlendirmesi basittir:
- Vergi, emekli maaşı, borç ve tasarruflarla ilgili chatbot yanıtlarını tavsiye olarak değil, araştırma için bir başlangıç noktası olarak değerlendirin.
- Herhangi bir spesifik rakamı (eşikler, oranlar, ödenekler) harekete geçmeden önce resmi bir kaynaktan doğrulayın.
- Bir laboratuvarın tanıttığı amiral gemisi sürümlerden daha eski veya daha küçük olabilecek ücretsiz katmanlı modellere özellikle dikkat edin.
- Sonuç niteliğindeki kararlar için, denetime tabi bir insan danışman, yasal sorumluluğun eklendiği tek kanal olmaya devam etmektedir.
Raporun gündeme getirdiği daha kapsamlı soru, yapay zeka sektörünün 2026'da tekrar tekrar karşılaşacağı bir soru: Demolarda ve kıyaslamalarda etkileyici yetenekler, düzenlemeye tabi alanların talep ettiği güvenilirlik çıtasının hala altında kalabiliyor. Finansal danışmanlık, bu açığın bu kadar net bir şekilde ölçüldüğü ilk alandır.
Yapay Zekanın Önünde Olun
Yapay zekanın finansı, araştırmayı ve düzenlemeyi nasıl yeniden şekillendirdiğini mi takip ediyorsunuz? AI Buzz Wire'da daha fazla AI haberini okuyun — her gün bağımsız AI yayını.
---
Yapay Zekanın Önünde OlunEn son yapay zeka haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
