随着Claude、ChatGPT等生成式人工智能聊天工具的普及，越来越多个人开始将其作为理财与投资问题的咨询渠道，而不仅仅用于日常信息搜索或娱乐问答。

从“如何制作某款鸡尾酒”到“某支球队比赛结果如何”之类的简单问题，用户如今也习惯向聊天机器人提出更为专业的咨询，包括育儿、医疗以及财务与投资等。过去，这类问题通常通过搜索引擎指向不同来源的信息，如今则更多由人工智能基于训练数据给出综合性回答。

使用人工智能获取理财建议的普及

根据《纽约时报》在2025年末援引的一项调查结果，在接受Intuit Credit Karma调研的1000多名受访者中，约三分之二曾使用生成式人工智能获取财务建议。其中，约80%的人表示，在采纳相关建议后，自己的财务状况有所改善。

调查还显示，Z世代和千禧一代对这一做法接受度更高。约82%的这两代人工智能用户表示，曾通过聊天机器人获取财务指导。受访者最常咨询的内容集中在理财基础问题，与多年来财务主题搜索数据所呈现的需求大致一致。

尽管多数用户自述体验积极，业内人士认为，人工智能给出的建议是否真正“良好”，情况要复杂得多。

专家：基础概念与预算规划是优势领域

为探讨人工智能在财务指导方面的能力与局限，Janus Henderson Investors财富策略师Ben Rizzuto在一档节目中分享了看法。Rizzuto持有CFP®、CRPS®、CPWA®认证，长期为财务顾问及其高净值客户提供退休规划、财富传承和综合财务规划等解决方案。

他表示，在基础理财教育方面，生成式人工智能具有一定优势：

“我认为基本的财务概念、预算和储蓄——这些是生成式人工智能可以帮忙的领域。当我们讨论一般性概念时，它能根据需求做出解释，比如‘像对5岁孩子那样解释’之类，这方面非常有帮助。”

在预算管理上，Rizzuto认为聊天机器人同样具备天然适配性：

“它能很好地处理大量数据，用非常直观的方式呈现：‘这是你的收入，这是你的支出，你可以考虑采取以下步骤。’

我认为，这也是很多人事后感觉财务状况改善的原因之一，因为它给出了‘下一步该做什么’的方案，而这恰恰是许多人最难自己厘清的部分。”

他还提到，人工智能在帮助个人准备与财务顾问沟通方面也有实际用途，例如生成面谈时可以提出的关键问题，缓解部分投资者在“面试”顾问时的紧张情绪。

目标设定与个性化规划仍依赖人际互动

在更具主观性和情境依赖的领域，人工智能的局限则更为明显。以财务目标设定为例，Rizzuto指出，人际交流在这一过程中仍然关键：

“如果我问你‘你的财务目标是什么’，你可能会列出很多事项。但真正重要的是‘为什么这些目标对你重要’。围绕这个‘为什么’展开的对话，有助于投资者巩固目标及其背后的原因。”

他表示，这类深入交流不仅帮助投资者自我厘清优先级，也为财务顾问制定更贴合个人情况的规划提供基础：

“这正是人际交流发挥作用的地方——帮助我们在具体情境下真正权衡利弊、成本和收益。”

在他看来，人工智能更擅长解释“这是什么意思”，而不擅长回答“这对我个人意味着什么”。两者之间的差异，可能导致截然不同的决策路径。

研究：人工智能顾问整体更为保守

在接受采访前，Rizzuto提及一篇发表于2025年的论文《财务建议行为：人类与人工智能》（Financial Advice Behavior: Human vs AI），作者为Ylva Baeckström和Roman Matkovskyy。该研究比较了ChatGPT、谷歌Gemini等人工智能工具与人类顾问在提供财务建议时的差异。

研究结果显示，人工智能顾问整体上比人类顾问更为保守：

“值得注意的是，人工智能顾问会系统性地降低客户风险，导致长期回报较低。”

Rizzuto用“内置限速器的汽车”来比喻人工智能建议：车辆行驶感觉稳定、安全，但即便在空旷高速路段，也无法达到合理的最高车速。根据Baeckström和Matkovskyy的测算，这种系统性降风险可能导致年化回报率减少约1个百分点，而较低的长期波动性并未显著弥补这一差距。

他进一步指出，极端保守的建议在市场剧烈波动时可能带来不利后果。例如，在市场快速下跌阶段，如果投资者在人工智能建议下大幅减仓甚至几乎全部撤出，随后又长期未能重新入市，或在市场明显回升后才重新进入，可能错失重要的反弹阶段。

人类顾问同样存在偏差但更具情境调整能力

Rizzuto同时强调，人类顾问并非没有问题。研究显示，人类顾问存在“将自身风险偏好投射到客户身上”的系统性倾向，但这一偏差会随年龄增长而减弱。

总体而言，他认为，人类顾问在根据具体情况调整策略方面更具灵活性，也更倾向于关注资产长期增长：

“人类顾问就像经验丰富的司机。他们可能偶尔开得太快或太慢，但会根据路况、目的地和时间范围不断调整。”

聊天机器人“迎合”倾向或影响财务决策

生成式聊天机器人的一大特征是倾向于顺应用户表达的偏好，以提高互动顺畅度和参与度。Rizzuto指出，这一特性在财务领域同样可能产生影响。

他提到，近期有报道关注儿童向聊天机器人倾诉情绪困扰时，部分工具未能提供有效帮助，甚至出现鼓励自伤行为的案例。他认为，财务领域的后果远不及此类情况严重，但机制上存在相似之处：

“根据我们与人工智能的交流方式，它可能会基于‘觉得我们想听什么’而引导我们走向某条特定路径。”

例如，如果用户在提问中强调“追求激进回报”“希望短期内实现高收益”或“急于在短期内买房”，聊天机器人可能据此强化相关方向，而忽略其在整体财务规划中的位置。

在这种情况下，他建议用户在向人工智能提问时尽量具体，并主动要求其从正反两方面列出某项财务决策的潜在影响，以降低单一倾向带来的偏差。

“平均值”与个人情况之间的落差

Rizzuto指出，理解聊天机器人建议局限性的一个关键，是认识到其训练方式：

“GPT代表‘生成式预训练变换器’。它们是基于整个人类历史数据进行训练的，这是一个庞大的平均值。我总说，平均值是有用的，但我们个人的生活并不是按平均值来过的。”

在他看来，人工智能可以帮助用户“指明方向”，但难以在个人具体情境下给出足够细致的行动方案：

“人工智能可以帮我们指明方向，但不会像针对个人具体情况那样给出具体方向或答案。”

因此，在涉及个人目标、家庭状况、职业路径和风险承受能力等多重因素的综合决策时，仅依赖聊天机器人可能难以覆盖全部变量。

成本考量与人类建议的可获得性

在实际选择中，成本是许多人转向人工智能的重要考量。一些人认为自己“资产规模不够大”，难以获得专业财务顾问服务。

对此，Rizzuto表示，即便是认为“自己请不起顾问”的人群，也可能通过不同渠道获得人类提供的建议：

“我总告诉人们，‘每个人都能找到适合自己的顾问。’找到那个人可能需要时间，但这是一个必须完成的重要过程。无论是通过个人顾问，还是通过你的401(k)计划……都有各种通过传统人类提供的建议。”

在他看来，人工智能工具与人类顾问并非简单的替代关系。前者在基础教育、预算整理和问题梳理方面具有效率优势，后者则在目标厘清、风险权衡和个性化规划上发挥更大作用。

目前，随着生成式人工智能在个人理财领域的应用不断扩展，如何在两者之间找到合适的分工与边界，已成为投资者和行业机构共同面临的现实议题。