미국인의 절반이 AI에 금융 상담을 구하고 있다. 실제 질문은 정답이 맞는지가 아니라…

인공지능은 많은 사람들에게 삶의 질문에 대한 첫 번째 해결책이 되었습니다. 사람들은 이메일을 작성하기 위해, 기사를 요약하기 위해, 휴가를 계획하기 위해, 주요 구매를 연구하기 위해 인공지능을 사용합니다. 또한 그들은 돈에 대한 결정도 인공지능을 사용합니다.

最近의 MIT 슬론 연구에 따르면, 거의 절반의 미국人が 이미 금융 상담을 위해 인공지능을 사용했습니다. 그들은 예산, 투자, 부채 상환, 은퇴 계획 등과 같은 금융 주제에 대해 질문을 하고 있습니다. 이러한 추세는 미국인의 금융 지식이 10년 만에 가장 낮은 수준에 도달한 시기에 발생했습니다.同时, 그들이 직면하는 결정은 점점 더 복잡해지고難해졌습니다.

인공지능 도구의 매력은 명확합니다. 인공지능 도구는 빠르고, 접근성이 좋으며, 언제든지 질문이 생길 때 사용할 수 있습니다. 많은 소비자들에게 인공지능 도구는 온라인 연구나 금융 전문가와 일하는 비용을 대체하는 즉각적인 대안을 제공합니다.

인공지능과 금융 상담에 대한 논의는 종종 정답의 정확성에 초점을 맞추고 있습니다. 하지만 이는 더 큰 문제를 놓치고 있습니다. 인공지능 금융 상담은 정답의 정확성으로 실패하거나 성공하지 않습니다. 그것은 결정 시스템의 전체적인 기능에 따라 실패하거나 성공합니다.

금융 상담은 단순한 추천이 아닙니다. 그것은 발견, 가정, 제약, 계산, 최적화, 설명, 거래 평가, 행동, 모니터링, 수정과 같은 과정입니다. 추천의 질은 전체 과정의 기능에 따라 결정됩니다. 이것이 인공지능과 금융 지침에 대한 대화가 더 흥미롭고 복잡해지는 이유입니다.

인공지능을 사용하여 금융 결정에 대한 이유

인공지능 기반 금융 지침의 성장은 금융 결정이 평균 소비자에게 어려운 현실을 반영합니다.

오늘날의 근로자들은 최근 기억에 가장 금융적으로 복잡한 환경을 탐색하고 있습니다. 인플레이션에 의한 비용 압력, 시장 변동성, 증가하는 의료 비용, 변화하는 은퇴 책임, 경제 불확실성 등이 모두同時에 발생했습니다.同時에, 소비자들은 점점 더 복잡한 결정들을 내리기 위해 요청되고 있습니다.福利, 세금, 저축, 보험, 부채 관리, 장기 투자 등에 걸쳐서, 많은 소비자들이 경쟁하는 금융 우선순위를 압도당하고 있습니다.

최근 SAVVI 금융 연구에 따르면, 근로자의 절반 이상이 지난해보다 더 높은 금융 스트레스를 보고했습니다. 거의 3분의 2가 주요 생활 사건으로 인해 금융에 영향을 받았지만, 약 3분의 1만이 그에 따라 금융 할당을 조정했습니다. 아마도 가장 중요한 것은 95%가 부채, 저축, 보험,福利, 은퇴 계획 등에 걸쳐 결정에 도움이 되는 지침을 원한다는 것입니다.

이러한 발견은 중요한 현실을 가리킵니다. 대부분의 사람들은 금융 정보가 부족해서가 아닙니다. 그들은 정보를 일관된 결정으로 전환하는 과제에 압도당하고 있습니다. 이것이 인공지능이 इतन 매력적으로 느껴지는 이유입니다. 소비자들은 더 많은 콘텐츠를 찾고 있지 않습니다. 그들은 명확성을 찾고 있습니다.

가장 큰 위험은 부정확성이 아니다

인공지능 생성 금융 상담에 대한 공공 논의는 정답의 정확성에 초점을 맞추고 있습니다. 모델이 헛소리하거나 세금 규칙을 잘못 이해하거나 부적절한 투자 전략을 추천할 수 있을까요?

이러한 우려는 정당하지만, 더 큰 문제를 놓치고 있습니다. 많은 상황에서 인공지능은 기술적으로 올바른 정답을 생성할 수 있지만, 여전히 나쁜 금융 지침을 제공할 수 있습니다. 누군가가 인공지능 시스템에 401(k) 기부를 증가시켜야 하는지 묻는다고 가정해 보겠습니다. 인공지능은 은퇴 저축의 세금 혜택, 복리 증가의 중요성,雇用주 匹配 기부의 가치를 올바르게 설명할 수 있습니다. 모든 사실이 정확할 수 있습니다. 하지만 그 사람이 높은 이자 신용 카드 부채를 지고 있다면? 비상금이 부족하다면? 자녀 양육이나 주택 비용으로 인해 월간 비용을 다 покры하지 못한다면?

도전은 정답이 정확한지 여부가 아닙니다. 도전은 은퇴 저축이 처음으로 해결해야 할 문제였는지 여부입니다. 금융 계획은 종종 올바른 질문을 식별하는 것으로 시작됩니다. 즉시 정답을 생성하는 것이 아닙니다. 일반적인 인공지능 시스템은 받은 질문에 답변하도록 설계되었습니다. 사용자의 기본 목표, 우선순위 또는 제약 조건을 반영하는지 여부를 결정하는 데는 훨씬 덜 효과적입니다.

금융 상담은 시스템입니다

인공지능 생성 금융 상담에 대한 가장 일반적인 오해는 금융 계획이 기본적으로 정답 생성 문제라는 것입니다.

그것은 아닙니다.

유효한 금융 지침은 결정 시스템입니다. 어떤 추천이 제시되기 전에 발견 프로세스가 있습니다. 개인의 상황은 무엇인가? 그들이 달성하려고 하는 목표는 무엇인가? 어떤 제약 조건이 있는가? 어떤 위험을 감수할 수 있는가?

이러한 입력값은 가정에 영향을 미칩니다. 가정은 계산을 형성합니다. 계산은 거래를 영향합니다. 거래는 최종적으로 추천과 행동으로 이어집니다.

과정은 그곳에서 끝나지 않습니다. 상황이 변경됩니다. 시장은 변동합니다. 가족이 자라갑니다. 직장이 변경됩니다. 건강 상태는 발전합니다. 좋은 금융 지침은 지속적인 모니터링과 수정을 필요로 합니다.

그 렌즈를 통해 본 인공지능에 대한 도전은 훨씬 더 명확해집니다. 질문은 모델이 정답을 생성할 수 있는지 여부가 아닙니다. 질문은 모델이 더 큰 결정 시스템에 효과적으로 참여할 수 있는지 여부입니다.

오늘날의 일반적인 챗봇은 응답을 생성하는 데非常히 좋습니다. 하지만 발견을 수행하거나, 잠재적인 목표를 이해하거나, 가정에 도전하거나, 결과를 모니터링하거나, 시간이 지남에 따라 추천을 재평가하는 데는 훨씬 덜 효과적입니다.

금융 상담은 궁극적으로 장기 최적화 문제입니다. 성공은 몇 개월, 몇 년, 심지어 몇십 년에 걸친 일련의 상호 연결된 결정에 따라 달라집니다. 대부분의 일반적인 인공지능 시스템은 그 목적으로 설계되지 않았습니다.

개인화의 환상

인공지능의 가장 큰 강점 중 하나는 자연스럽게 의사소통할 수 있는 능력입니다. 이전 교환을 기억하고, тон을 조정하며, 종종 정보를 매우 개인화된 방식으로 제시합니다. 결과는 사용자가 이해된 것으로 느끼는 것입니다.

하지만 대화형 유연성은 실제 개인화를 혼동하지 않도록 해야 합니다. 많은 인공지능 시스템은 사용자가 제공한 정보만으로 개인화된 지침의 외관을 생성할 수 있습니다. 사용자와의 이전 대화에서 입력한 정보를 알고 있는 것은 사용자의 전체 금융 상황, 장기 목표, 가족 상황, 위험 감수성,福利, 세금 고려, 삶의 목표를 이해하는 것과는 다릅니다.

이것은 개인화의 환상을 생성합니다. 지침은 사용자가 제공한 정보를 참조하기 때문에 개인화된 것으로 느껴집니다. 하지만 실제로는 추천은 여전히 일반적인 가정에 기반할 수 있습니다. 위험은 인공지능이 로봇처럼 들리지 않도록 하는 것이 아닙니다. 위험은 인공지능이 제한된 contexto에서 매우 자신감을 가지고 있다고 느끼는 것입니다.

인공지능은 인간이 대화에 가져오는 것과 동일한 편향을 물려받을 수 있다

많은 사람들은 인공지능을 인간의 판단에 대한 객관적인 대안으로 봅니다. 실제로 인공지능은 인간의 판단에 영향을 미치는 많은 행동적 도전을 물려받습니다.

소비자들은 종종 금융 결정에 대한先入観을 가지고 접근합니다. 그들은 이미 특정 투자 전략을 선호하거나, 더 적극적으로 저축해야 한다고 믿거나, 항상 부채를 상환하는 것이最高의 우선순위가 되어야 한다고 가정할 수 있습니다. 그들이 묻는 질문은 종종 이러한 가정들을 반영합니다.

인공지능 모델은 일반적으로 도움이 되고 반응성이 있도록 최적화되어 있습니다. 따라서 사용자의 질문에 포함된 프레임을 xây dựng하는 것보다挑戦하는 것이 더 자주 발생합니다. 사용자가 기존 믿음을 재평가하는 것을 도와주는 대신, 인공지능은 때때로 그것을 강화할 수 있습니다. 결과는 사용자의 기존 믿음을 검증하는 매우 정교한 형태의 확인 편향입니다.

결측 항목: 책임

일반적인 인공지능 도구와 전문적인 금융 지침 사이에 가장 중요한 차이점은 책임입니다. 책임이 중요합니다. 책임은 결정 시스템을 형성합니다. 인간 고문은 훈련, 전문적인 표준, 수탁의무, 감독 등의 시스템 안에서 운영됩니다. 목적 지향적인 금융 지침 플랫폼은 테스트, 모니터링, 평가, 지속적인 개선 등의 거버넌스 프레임워크 안에서 개발됩니다. 이러한 시스템은 사용자의 결과가 시간이 지남에 따라 지침과 일치하는지 확인하기 위해 존재합니다.

일반적인 챗봇은 종종 이러한 구조 밖에 운영됩니다. 유용한 응답을 생성할 수 있지만, 전체 금융 결정의 수명주기를 지원하도록 설계되지 않았습니다. 사용자의 상황을 주기적으로 재평가하거나, 목표를 향한 진행 상황을 모니터링하거나, 수년 동안의 금융 결정 일관성을 보장하도록 설계되지 않았습니다.

이것은 특히 장기 금융 계획을 고려할 때 매우 중요합니다. 효과적인 지침은 거의 한 번의 상호 작용이 아닙니다. 그것은 지속적인 모니터링, 코스 수정, 삶의 상황이 변경됨에 따라 적응을 포함합니다. 오늘날 의미 있는 금융 결정은 6개월 후에 재평가되어야 할 수 있습니다. 일반적인 인공지능 시스템은 그 과정을 관리하도록 설계되지 않았습니다.

미래는 인공지능 대 인간 전문가가 아니다

미국인이 인공지능을 사용하여 금융 지침을 구하는 경우가 더 많아짐에 따라, 가장 중요한 질문은 인공지능이 정답을 제공할 수 있는지 여부가 아닙니다. 그것은 명백히 할 수 있습니다. 더 중요한 질문은 정답이 시간이 지남에 따라 사람們이 더好的 선택을 내릴 수 있는 결정 시스템 안에 존재하는지 여부입니다.

금융 상담은 단순한 챗봇 응답이 아닙니다. 그것은 발견, 가정, 제약, 최적화, 설명, 행동, 모니터링, 수정의 파이프라인입니다. 추천의 질은 전체 과정의 기능에 따라 결정됩니다. 그들이 가치를 창출하는 조직은 인공지능이 그 과정의 한 구성 요소라는 것을 인정할 것입니다. 금융 지침의 미래는 가장 많은 정답을 생성하는 시스템에 속하지 않습니다. 사람們이 가장好的 결정을 내릴 수 있는 시스템에 속합니다. 그들은 사람們이 일관되게, 투명하게, 적절한 가드레일과 함께 더好的 금융 결정을 내릴 수 있는 시스템을 구축할 것입니다. 미국인이 인공지능을 사용하여 금융 지침을 구하는 경우, 그 구별을 이해하는 것이 지침 자체와同じ큼 중요할 수 있습니다.

미국인이 인공지능을 사용하여 금융 지침을 구하는 경우, 그 구별을 이해하는 것이 지침 자체와同じ큼 중요할 수 있습니다.