研究显示：主流 AI 聊天机器人在金融问答中“大多数时候”都会答错

研究发现，使用人工智能聊天机器人解答财务问题可能带来巨额损失，因为多家供应商的模型在大多数情况下都会给出错误答案。

据科技公司Saturn的研究，ChatGPT、Claude、Copilot、Grok和Gemini等最受欢迎的人工智能模型，在回答财务相关问题时平均有57%的概率给出错误答案。

当被问及涉及多重计算等更复杂的问题时，这些AI模型的错误率平均高达88%。其中，部分模型在处理这类难题时甚至高达99%的错误率。

该研究通过ChatGPT、Gemini、Claude和Copilot等服务商的免费及付费AI模型，提出了超过100个与金钱相关的不同问题。每个问题最多重复提问五次，共计向18种不同的AI模型提出了逾1万道题目。

研究显示，这些模型的回答中存在计算错误、遗漏了即将实施的税改内容，甚至会“凭空捏造”规则。

最严重的情况下，如果依赖AI对税务问题的答复，可能会导致严重的经济损失。Saturn首席执行官Amal Jolly表示：“数百万人正信赖AI模型获取理财建议，但它们却给出了可能导致用户蒙受损失的错误答案。”

研究发现，去年发布的Claude Haiku 4.5（一款免费模型）曾在养老金税收规则上出现重大失误，致使一名养老金储户面临英国税务海关总署高达1.75万英镑的罚款风险。

另一起案例中，当被问及学生贷款问题时，Claude竟“杜撰”了一条规则，声称毕业生若移居海外即可停止还款。

研究还表明，付费版模型的准确性普遍高于免费版，且较新的版本表现优于旧版本。

总体而言，表现最佳的模型是处于“推理”模式下的克洛德作品5，但其仍有39%的回答存在错误。

投资平台AJ Bell个人理财主管Sarah Coles表示：“有时理财顾问会接到客户的咨询，因为客户按照AI的建议采取了令人费解的行动，而他们希望确认是否已付诸实施。这恰恰说明，需要支持的人群应当寻求正规的专业建议，而非盲目信任AI。”

不过，Coles补充称，聊天机器人在预算规划和信息检索方面仍有一定价值，例如可根据个人收入与支出情况，提示可能存在超支的领域。