Στον αυξανόμενο κόσμο όπου η τεχνητή νοημοσύνη (AI) γίνεται αναπόσπαστο κομμάτι της καθημερινότητάς μας, όλο και περισσότεροι πολίτες αναζητούν καθοδήγηση σε θέματα προσωπικών οικονομικών, από φορολογικές δηλώσεις και επενδύσεις μέχρι τη διαχείριση οικογενειακού προϋπολογισμού και συνταξιοδοτικά σχέδια. Ωστόσο, η αποτελεσματικότητα των απαντήσεων που λαμβάνουμε από τα συστήματα AI εξαρτάται σε κρίσιμο βαθμό από έναν παράγοντα που συχνά παραβλέπεται: τον τρόπο με τον οποίο διατυπώνουμε τις ερωτήσεις μας.
Όπως τόνισε ο Άντριου Λο, διευθυντής του Εργαστηρίου Χρηματοοικονομικής Μηχανικής του MIT και επικεφαλής ερευνητής στο Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης, σε πρόσφατη διαδικτυακή παρουσίαση που παραχώρησε για τη Μεταπτυχιακή Σχολή Τεχνών και Επιστημών Griffin του Πανεπιστημίου Χάρβαρντ, υπάρχει μια αληθινή «τέχνη και επιστήμη» στη διατύπωση των κατάλληλων prompts (εντολών) προς τα συστήματα AI. Η τοποθέτησή του έρχεται σε μια περίοδο όπου η χρήση εργαλείων όπως το ChatGPT, το Claude και το Gemini για τη λήψη οικονομικών αποφάσεων γνωρίζει ραγδαία αύξηση, γεγονός που συνεπάγεται τόσο νέες ευκαιρίες όσο και σημαντικούς κινδύνους.
Σε ποιους τομείς η Τεχνητή Νοημοσύνη Προσφέρει Ουσιαστική Βοήθεια
Σύμφωνα με τον κ. Λο, η τεχνητή νοημοσύνη αποδεικνύεται ιδιαίτερα ωφέλιμη όταν ο χρήστης επιδιώκει να λάβει γενικές κατευθύνσεις και θεμελιώδεις εξηγήσεις σχετικά με οικονομικά ζητήματα. Για παράδειγμα, μπορεί να παρέχει αναλυτικές πληροφορίες για τη σημασία της διαφοροποίησης των επενδύσεων, να αναλύει τα πλεονεκτήματα και τα μειονεκτήματα των διαπραγματεύσιμων αμοιβαίων κεφαλαίων (ETF), ή να εξηγεί τις βασικές αρχές των στρατηγικών αποταμίευσης.
Ωστόσο, η εικόνα αλλάζει δραματικά όταν η ερώτηση γίνεται προσωπική και περιλαμβάνει αριθμητικά περίπλοκες παραμέτρους. Η φορολογία αποτελεί ένα χαρακτηριστικό παράδειγμα. Παρόλο που μπορεί να έχουμε την εντύπωση ότι τα συστήματα AI «υπολογίζουν τα πάντα», ο κ. Λο εφιστά την προσοχή ότι αυτά δεν είναι τα ιδανικά εργαλεία για την εκτέλεση ακριβών υπολογισμών ή τη λεπτομερή ανάλυση της ατομικής οικονομικής κατάστασης ενός ατόμου. Με άλλα λόγια, υπάρχει μεγάλη διαφορά ανάμεσα στην απόκτηση γενικής πληροφόρησης για πιθανές φοροαπαλλαγές και στην ασφαλή εκτίμηση των φορολογικών επιπτώσεων που αφορούν το δικό σας συγκεκριμένο εισόδημα, τις επενδύσεις σας ή τη δομή της οικογένειάς σας.
Ο Κίνδυνος των «Πειστικών Λαθών»
Ένας από τους σοβαρότερους κινδύνους που ενέχει η χρήση των μεγάλων γλωσσικών μοντέλων είναι η τάση τους να παρουσιάζουν τις απαντήσεις τους με ύφος απόλυτης βεβαιότητας, ακόμα και όταν αυτές είναι λανθασμένες. Το ανησυχητικό στοιχείο για τους ειδικούς δεν είναι μόνο η πιθανότητα να υπάρξει λάθος, αλλά το γεγονός ότι αυτό το λάθος μπορεί να παρουσιαστεί με εξαιρετικά πειστικό και καλογραμμένο τρόπο. Για έναν χρήστη που δεν διαθέτει βαθιά οικονομική κατάρτιση, η διάκριση μεταξύ σωστής και εσφαλμένης πληροφορίας μπορεί να αποδειχθεί ιδιαίτερα δύσκολη.
Παρά τους εγγενείς κινδύνους, η χρήση αυτών των εργαλείων από το ευρύ κοινό είναι ήδη μαζική. Σύμφωνα με έρευνα της Intuit Credit Karma που διεξήχθη σε 1.019 ενήλικες, το 66% όσων χρησιμοποίησαν γενετική τεχνητή νοημοσύνη την αξιοποίησαν και για τη λήψη οικονομικών συμβουλών. Το ποσοστό αυτό ξεπέρασε το 80% στους Millennials και στη Generation Z. Ακόμη πιο αξιοσημείωτο είναι το γεγονός ότι περίπου το 85% αυτών που έλαβαν τέτοιες συμβουλές δήλωσαν ότι ενήργησαν βάσει των απαντήσεων που τους δόθηκαν.
Η Διαφορά Μεταξύ μιας Κακής και μιας Σωστής Ερώτησης
Οι ειδικοί επιμένουν ότι η ποιότητα του τελικού αποτελέσματος καθορίζεται πρωτίστως από την ποιότητα της αρχικής ερώτησης. Ένα αόριστο prompt, όπως «Πώς να βγω στη σύνταξη;», είναι απίθανο να παράξει μια ουσιαστικά χρήσιμη απάντηση. Η ερώτηση αυτή είναι υπερβολικά γενική και στερείται απαραίτητων στοιχείων όπως η ηλικία, το εισόδημα, οι προσωπικοί στόχοι, η ανοχή στο ρίσκο ή ο επιθυμητός χρονικός ορίζοντας.
Αντιθέτως, ένα πιο ολοκληρωμένο prompt θα μπορούσε να ζητήσει από το AI να αναλάβει τον ρόλο ενός ανεξάρτητου χρηματοοικονομικού συμβούλου, λαμβάνοντας υπόψη συγκεκριμένα δεδομένα: στόχους, φορολογική κλίμακα, υφιστάμενα περιουσιακά στοιχεία, πολιτεία κατοικίας, χρονικό ορίζοντα και επίπεδο αποδεκτού κινδύνου.
Στη συνέχεια, ο χρήστης θα μπορούσε να ζητήσει να του παρουσιαστούν:
- βασικές στρατηγικές
- θεμελιώδεις παραδοχές
- κύριοι κίνδυνοι
- παράγοντες που θα μπορούσαν να ακυρώσουν το σχέδιο
- ποια κρίσιμα στοιχεία λείπουν
- σε ποια σημεία υπάρχει αβεβαιότητα
Όσο περισσότερο πλαίσιο και λεπτομέρειες παρέχονται, τόσο αυξάνεται η πιθανότητα η απάντηση του AI να είναι πραγματικά ουσιαστική.
Διάλογος, Όχι Απλή Ερώτηση-Απάντηση
Ο κ. Λο υπογραμμίζει ότι η χρήση του AI για οικονομικά θέματα δεν είναι μια διαδικασία «μίας ερώτησης και μίας απάντησης». Αντιθέτως, μοιάζει περισσότερο με έναν διάλογο που απαιτεί συνεχείς διευκρινίσεις. Σε πολλές περιπτώσεις, μπορεί να χρειαστούν 10 ή ακόμη και 20 διαδοχικά prompts μέχρι ο χρήστης να φτάσει σε μία πληροφορία που να χαρακτηρίζεται ως πραγματικά χρήσιμη. Αυτή η προσέγγιση θυμίζει περισσότερο τη διαδικασία μιας συνέντευξης με έναν επαγγελματία σύμβουλο παρά μια ταχεία αναζήτηση στο διαδίκτυο.
Το Έξυπνο Τέχνασμα του «Αντίστροφου Μηχανισμού» (Reverse Engineering)
Ο καθηγητής του MIT προτείνει επίσης μια πιο προηγμένη τεχνική: όταν τελικά λάβει μια ικανοποιητική απάντηση, ο χρήστης μπορεί να ρωτήσει το ίδιο το σύστημα AI:
«Ποια ερώτηση θα έπρεπε να σου είχα κάνει εξαρχής για να λάβω αυτή την απάντηση;»
Μέσω αυτής της μεθόδου, το AI βοηθά τον χρήστη να βελτιώσει τη μελλοντική του μεθοδολογία και να διατυπώνει πιο αποτελεσματικά prompts για παρόμοια μελλοντικά ζητήματα.
Να Ζητάτε Πάντα Αβεβαιότητες και Πηγές
Οι ειδικοί συνιστούν να μην αρκείστε ποτέ στην πρώτη απάντηση που λαμβάνετε. Είναι απαραίτητο να ακολουθούνται κριτικές ερωτήσεις όπως:
- Ποια στοιχεία δεν γνωρίζεις;
- Σε ποιο βαθμό είσαι βέβαιο για την απάντηση που δίνεις;
- Ποιοι παράγοντες θα μπορούσαν να αλλάξουν το αποτέλεσμα;
- Ποιες είναι οι πηγές της πληροφορίας σου;
Ο χρηματοοικονομικός σύμβουλος Μπρέντον Χάρισον προτείνει μάλιστα να ζητείται ρητά από το AI να παραθέτει τις πηγές του και, εάν είναι δυνατόν, να επικεντρώνεται σε αξιόπιστες θεσμικές ή επιστημονικές αναφορές. Όπως εξηγεί, εάν δεν του ζητηθεί τεκμηρίωση, το σύστημα έχει την τάση να παρέχει απλώς μια προσωπική άποψη, αντί για την αντικειμενική πληροφορία που πραγματικά χρειάζεται ένας πολίτης κατά τη λήψη σοβαρών οικονομικών αποφάσεων.
Γιατί ο Άνθρωπος Παραμένει Απαραίτητος
Παρά την εντυπωσιακή πρόοδο της τεχνητής νοημοσύνης, οι επαγγελματίες του χρηματοοικονομικού κλάδου τονίζουν ότι τα προσωπικά οικονομικά χαρακτηρίζονται από αναρίθμητες λεπτές αποχρώσεις: οικογενειακές ανάγκες, ψυχολογικούς παράγοντες, επαγγελματική αβεβαιότητα, ζητήματα κληρονομιάς, μακροπρόθεσμους στόχους ζωής και ατομική ανοχή στο ρίσκο. Πολλά από αυτά τα στοιχεία, ο ίδιος ο χρήστης μπορεί να μην έχει καν συνειδητοποιήσει ότι πρέπει να τα αναφέρει.
Ως εκ τούτου, ενώ το AI μπορεί να αποτελέσει ένα ισχυρό εργαλείο για ενημέρωση και προετοιμασία, είναι εξαιρετικά δύσκολο να αντικαταστήσει πλήρως έναν έμπειρο ανθρώπινο σύμβουλο, ειδικά όταν πρόκειται για την ευθύνη λήψης κρίσιμων οικονομικών αποφάσεων.
Το συμπέρασμα των ειδικών είναι απολύτως σαφές: η τεχνητή νοημοσύνη μπορεί να προσφέρει σημαντική βοήθεια – αρκεί ο χρήστης να γνωρίζει τι ακριβώς να ρωτήσει, πώς να ελέγξει τις απαντήσεις που λαμβάνει και, κυρίως, πότε να μην την εμπιστευθεί τυφλά.