Theo một báo cáo nghiên cứu mới của fintech Saturn của Anh đã thử nghiệm 18 mô hình AI phổ biến nhất và tìm thấy tỷ lệ lỗi trung bình là 57%, Financial Times đưa tin hôm thứ Hai, các chatbot AI hàng đầu thường xuyên đưa ra câu trả lời sai cho các câu hỏi tài chính.

Báo cáo có tiêu đề “Quyền lực nhân tạo” được đưa ra khi hàng triệu người tiêu dùng ngày càng chuyển sang sử dụng chatbot để được hướng dẫn về lương hưu, thuế, nợ và tiết kiệm – những câu hỏi mà một câu trả lời sai có thể gây ra hậu quả tài chính thực sự. Khi các trợ lý có mục đích chung được đưa vào lãnh thổ được quản lý, các nghiên cứu như thế này đang trở thành một bài kiểm tra căng thẳng định kỳ về những lời hứa của người tiêu dùng trong ngành và chúng tôi sẽ tiếp tục theo dõi những phát triển AI mới nhất khi các cơ quan quản lý phản hồi.

Bài kiểm tra diễn ra như thế nào

Nhóm miền của Saturn đã đưa 18 mô hình AI được sử dụng rộng rãi nhất vào 121 câu hỏi về lương hưu, thuế, nợ và tiết kiệm — những lĩnh vực cốt lõi mà người tiêu dùng bán lẻ thường tìm kiếm lời khuyên nhất. Theo bản tóm tắt được công bố của báo cáo, các mô hình được thử nghiệm bao gồm ChatGPT, Gemini, Claude và Copilot của Microsoft.

Saturn cho biết trung bình, các mô hình mắc lỗi 57% thời gian. Công ty đóng khung các phát hiện này bao gồm "những sai lầm liên quan đến thất bại trong bảo vệ người tiêu dùng" và sử dụng chúng để lập luận rằng khoảng cách tư vấn của Vương quốc Anh – khoảng cách giữa những người có thể tiếp cận lời khuyên tài chính được quản lý và những người không thể – sẽ không bị thu hẹp chỉ bởi các chatbot không được kiểm soát.

Ngay cả người mẫu giỏi nhất cũng thường xuyên mắc lỗi

Kết quả không đồng nhất, nhưng ngay cả người có thành tích mạnh nhất cũng thường xuyên thất bại. Theo báo cáo của FT, mô hình hoạt động tốt nhất là Claude Opus 5 của Anthropic đang chạy ở chế độ lý luận - và nó vẫn mắc lỗi trong 39% câu trả lời.

Chi tiết đó có thể là phát hiện quan trọng nhất của báo cáo. Các phương thức suy luận, cho phép các mô hình cân nhắc trước khi trả lời, là câu trả lời hàng đầu của ngành đối với ảo giác và sai sót, đồng thời các mô hình biên giới thường xuyên đăng kết quả cao trong các kỳ thi chuyên môn về tài chính và luật. Tỷ lệ lỗi 39% đối với các câu hỏi tài chính thực tế cho thấy rằng điểm chuẩn kiểu kỳ thi và truy vấn của người tiêu dùng trong thế giới thực đo lường những thứ rất khác nhau.

Những phát hiện này cũng đã thu hút sự phản đối. Những người bình luận trên Hacker News đã đặt câu hỏi về phương pháp luận và lựa chọn mô hình, lưu ý rằng một số lỗi mẫu của báo cáo đến từ các mô hình cấp miễn phí nhỏ hơn. Nhưng con số trung bình 57% và con số tốt nhất 39% là những tuyên bố đã được công bố từ Saturn và FT, cũng như cảnh báo trọng tâm của báo cáo – rằng người tiêu dùng không nên coi đầu ra của chatbot như lời khuyên được quy định – không bị tranh cãi.

Một cảnh báo mà các cơ quan quản lý đã từng nghe trước đây

Báo cáo được đưa ra trong bối cảnh các quan chức ngày càng tỏ ra lo lắng về chatbot liên quan đến vấn đề tiền bạc. Người tiêu dùng Vương quốc Anh đã được cảnh báo về việc các chatbot AI đưa ra lời khuyên tài chính không chính xác trong một cảnh báo được đưa tin rộng rãi do The Guardian công bố vào cuối năm 2025, và các cơ quan quản lý tài chính trên khắp Châu Âu và Hoa Kỳ kể từ đó đã gắn cờ lời khuyên do AI tạo ra là một lĩnh vực rủi ro mới nổi đối với người tiêu dùng.

Quan điểm riêng của Saturn mang lại cho báo cáo một lợi thế cụ thể: công ty phát triển các công cụ AI để tư vấn tài chính và công bố những phát hiện này không phải nhằm bác bỏ AI trong lĩnh vực tài chính mà là một trường hợp để đưa ra các biện pháp bảo vệ đúng đắn. Lập luận của nó là các chatbot được quản lý kém theo mặc định đã lấp đầy khoảng trống tư vấn và sự lựa chọn mà các cơ quan quản lý phải đối mặt là giữa hướng dẫn AI được giám sát và hướng dẫn AI không được giám sát - không phải giữa AI và lời khuyên của con người.

Đóng góp của Saturn cho cuộc tranh luận đó là một lập luận về thiết kế chính sách: công ty cho biết việc chuyển từ cái mà họ gọi là quy định quá mức sang việc đặt các rào cản thực tế trên các mô hình ngôn ngữ lớn sẽ thu hẹp khoảng cách tư vấn nhanh hơn đồng thời bảo vệ mọi người khỏi sự hướng dẫn AI không được kiểm soát. Nói cách khác, thay vì loại bỏ hoàn toàn AI khỏi tư vấn tài chính, hãy xây dựng các triển khai có giám sát, có giới hạn để có thể phục vụ những khách hàng một cách an toàn mà chi phí cố vấn con người quá cao để tiếp cận.

Việc đóng khung đó rất quan trọng vì khoảng cách về lời khuyên là lời biện minh mạnh mẽ nhất của ngành cho việc tham gia vào không gian này. Ở Anh, hầu hết các hộ gia đình đều nằm ngoài ngưỡng mà lời khuyên tài chính được quản lý được coi là hiệu quả về mặt kinh tế, đó chính là điều mà người dân hiện đang hỏi chatbot về lương hưu và nợ.

Người tiêu dùng nên mang theo những gì

Cho đến khi các mô hình được cải thiện hoặc các cơ quan quản lý can thiệp, hướng dẫn thực tế từ nghiên cứu này rất đơn giản:

  • Hãy coi các câu trả lời của chatbot về thuế, lương hưu, nợ và tiết kiệm là điểm khởi đầu cho nghiên cứu chứ không phải là lời khuyên.
  • Xác minh bất kỳ con số cụ thể nào - ngưỡng, tỷ lệ, phụ cấp - dựa trên nguồn chính thức trước khi hành động.
  • Đặc biệt thận trọng với các mẫu miễn phí, có thể cũ hơn hoặc nhỏ hơn phiên bản hàng đầu mà phòng thí nghiệm quảng cáo.
  • Đối với các quyết định mang tính hệ quả, cố vấn con người được quản lý vẫn là kênh duy nhất có trách nhiệm pháp lý kèm theo.

Câu hỏi rộng hơn mà báo cáo đặt ra là một trong những ngành mà ngành AI sẽ phải đối mặt nhiều lần vào năm 2026: khả năng gây ấn tượng trong các bản demo và điểm chuẩn vẫn có thể không đạt được tiêu chuẩn độ tin cậy quy định nhu cầu về miền. Tư vấn tài chính chỉ đơn giản là lĩnh vực đầu tiên mà khoảng cách đó được lượng hóa một cách rõ ràng như thế này.

Đi trước AI

Theo dõi cách AI đang định hình lại tài chính, nghiên cứu và quy định? Đọc thêm tin tức về AI trên AI Buzz Wire — đưa tin về AI độc lập hàng ngày.

---

Đi trước AI

Nhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.

Đọc thêm tin tức về AI →