يقول أستاذ في معهد ماساتشوستس للتكنولوجيا إن هناك “فنًا” في كتابة مطالبات الذكاء الاصطناعي للتمويل الشخصي

يلجأ العديد من الأميركيين إلى الذكاء الاصطناعي للحصول على المشورة المالية.

لكن الحصول على نصيحة جيدة أو سيئة يعتمد كثيرًا على مدى نجاح المستخدمين في كتابة تعليماتهم – أو مطالباتهم – لمنصات الذكاء الاصطناعي.

قال أندرو لو، مدير مختبر الهندسة المالية بمعهد ماساتشوستس للتكنولوجيا والباحث الرئيسي في مختبر علوم الكمبيوتر والذكاء الاصطناعي، في عرض تقديمي حديث على شبكة الإنترنت لكلية جريفين للدراسات العليا للفنون والعلوم بجامعة هارفارد: “أعتقد أن هناك فنًا وعلمًا حقيقيين لتحفيز الهندسة”.

أولاً، من المهم ملاحظة أن الذكاء الاصطناعي له حدود عندما يتعلق الأمر بالتخطيط المالي، كما يقول الخبراء.

يعد الذكاء الاصطناعي جيدًا بشكل عام في تقديم لمحات عامة رفيعة المستوى عن الموضوعات المالية: على سبيل المثال، لماذا من المهم تنويع الاستثمارات، أو لماذا قد تكون الصناديق المتداولة في البورصة أفضل من الصناديق المشتركة في بعض الحالات ولكن ليس في حالات أخرى، حسبما قال لو لشبكة CNBC في مقابلة.

ومع ذلك، فإنه يكافح في مجالات أخرى. وقال لو إن التخطيط الضريبي مثال جيد.

وأضاف أنه ربما يكون على عكس ما هو متوقع أن الذكاء الاصطناعي ليس جيدًا في معالجة الأرقام وإجراء حسابات مالية دقيقة. وقال إنه في حين أن الذكاء الاصطناعي يمكن أن يوفر إرشادات عامة حول أنواع التخفيضات الضريبية أو القواعد الضريبية التي قد يأخذها الناس في الاعتبار، فإن مطالبة الذكاء الاصطناعي بإجراء تحليل رقمي للضرائب الخاصة بهم أمر محفوف بالمخاطر.

وقال لو: “عندما يتعلق الأمر بحسابات محددة للغاية لوضعك الشخصي، فهذا هو المكان الذي يجب أن تكون فيه حذرًا للغاية”.

وقال لو إن الذكاء الاصطناعي يمكن أن يقدم في بعض الأحيان إجابات خاطئة بسبب ما يسمى “الهلوسة” للخوارزمية.

“أحد الأشياء حول [large language models] قال لو: “ما أجده مثيرًا للقلق بشكل خاص هو أنه بغض النظر عن السؤال الذي تسأله، فإنه سيعود دائمًا بإجابة تبدو موثوقة، حتى لو لم تكن كذلك”.

هذا لا يعني أن الناس يجب أن يتجنبوا ذلك تمامًا.

وفي الواقع، يبدو أن الكثيرين يستفيدون من هذه التكنولوجيا: يقول 66% من الأميركيين الذين استخدموا الذكاء الاصطناعي التوليدي إنهم استخدموه للحصول على المشورة المالية، وتتجاوز الحصة 80% لجيل الألفية والجيل Z، وفقا لاستطلاع أجرته شركة Intuit Credit Karma وشمل 1019 بالغًا ونُشر في سبتمبر/أيلول.

وفقًا للمسح، فإن حوالي 85% من المشاركين الذين استخدموا GenAI بهذه الطريقة تصرفوا بناءً على التوصيات المقدمة.

“[People] قال لو: “يجب أن يستخدموا الذكاء الاصطناعي في التخطيط المالي، لكن المهم هو كيفية استخدامه”.

هذا هو المكان الذي يمكن أن تكون فيه كتابة المطالبات القوية مفيدة.

قال برينتون هاريسون، وهو مخطط مالي معتمد ومؤسس شركة New Money New مشاكل، وهي شركة استشارات مالية افتراضية: “حتى لو كان النموذج الأفضل في العالم، إذا تم تغذيته بموجهة سيئة”، فلن يتمكن من فعل الكثير إلا.

وقال لو إن المطالبة القوية ليست واسعة جدًا: فهي تحتوي على تفاصيل كافية حتى يتمكن الذكاء الاصطناعي من توفير المعلومات ذات الصلة للمستخدم.

خذ هذا المثال الذي قدمه فيما يتعلق بالتخطيط للتقاعد.

قد تكون المطالبة السيئة في هذا السياق هي: “كيف يجب أن أتقاعد؟” قال لو خلال ندوة هارفارد عبر الإنترنت.

وقال “إنها عامة للغاية”. “القمامة في الداخل والقمامة في الخارج.”

قال لو إن المطالبة الأفضل ستكون: “افترض أنك وكيل ائتماني مقابل رسوم فقط [financial] مستشار. فيما يلي أهدافي، والقيود، والشريحة الضريبية، والدولة، والأصول، وتحمل المخاطر والجدول الزمني. زودني بالأمر الأول: استراتيجية الحالة الأساسية. رقم اثنين: الافتراضات الرئيسية. ثالثاً: المخاطر. الرابع: ما الذي يمكن أن يبطل هذه الخطة. خامسًا: ما هي المعلومات التي تفتقدها، وعلى وجه الخصوص، ما الذي أنت غير متأكد منه.”

في هذه الحالة، يطلب المستخدم من برنامج الذكاء الاصطناعي التوليدي – ومن الأمثلة على ذلك برنامج ChatGPT التابع لشركة OpenAI، وبرنامج Anthropic’s Claude، وبرنامج Gemini التابع لشركة Google – أن يضع نصيحته في إطار ائتماني. هذا إطار قانوني يتطلب من المستشار المالي تقديم توصيات تصب في مصلحة العميل.

وفي النهاية، إنها عملية تجربة وخطأ – تشبه تقريبًا محادثة تتضمن مطالبات متعددة، ربما أكثر من 20، حتى يحصل المستخدم على إجابة مرضية، حسبما قال لو لشبكة CNBC.

وقال إنه من المهم التحقق مرتين وثلاث مرات من المخرجات، خاصة عندما يتعلق الأمر بالقضايا المالية.

بعد المرور بهذا التسلسل من المطالبات، يمكن للمستخدمين “اختصار” عملية الاستعلامات المستقبلية عن طريق طرح سؤال إضافي واحد: “ما الموجه الذي كان يجب أن أطرحه عليك من أجل الحصول على الإجابة التي كنت أبحث عنها؟” وقال لو لشبكة سي إن بي سي.

وقال لو إن المستخدم يسأل الذكاء الاصطناعي بشكل أساسي عن كيفية إنشاء المطالبة “الصحيحة” بسرعة أكبر.

وقال لو: “بمجرد حصولك على هذا الرد، يمكنك تخزينه واستخدامه في المستقبل للأسئلة المشابهة لتلك التي طرحتها للتو”. “هذه إحدى الطرق لجعل الهندسة الفورية الخاصة بك أكثر كفاءة: إنها إجراء هندسة عكسية للموجه من خلال مطالبة الذكاء الاصطناعي بإخبارك بما كان يجب عليك فعله بشكل مختلف.”

وقال لو لـ CNBC إنه يوصي باتخاذ بعض الخطوات الإضافية للأسئلة المالية.

عندما يتلقى المستخدم ما يبدو أنه إجابة جيدة لسؤاله، يجب عليه دائمًا المتابعة عن طريق طرح أسئلة إضافية على الذكاء الاصطناعي لتحديد حدوده. قال لو، على سبيل المثال، السؤال عما هو غير مؤكد وما هي المعلومات المفقودة.

على سبيل المثال: “ما نوع المعلومات التي لم تكن لديك حتى تتمكن من تقديم تلك التوصية، والتي يمكن أن تؤدي إلى بعض النتائج غير الموثوقة؟”

أو على نفس المنوال: “ما مدى اقتناعك بأن هذه هي الإجابة الصحيحة؟ ما نوع الشكوك التي لديك بشأن الإجابة، وما هي أنواع الأشياء التي لا تعرف أنك بحاجة إليها من أجل التوصل إلى إجابة قاطعة للسؤال؟”

وقال لو إنه بهذه الطريقة، يمكن للمستخدم اكتشاف نطاق عدم اليقين الكامن وراء إجابة الذكاء الاصطناعي.

وعلى المنوال نفسه، قال هاريسون، المخطط المالي، إنه يوصي بمطالبة برنامج الذكاء الاصطناعي بإدراج مصادره. يمكن للمستخدمين أيضًا توجيه الذكاء الاصطناعي لقصر مصادره على تلك التي تستوفي معايير معينة.

وقال هاريسون: “إذا لم تطلب منه التحقق من المصادر، فسوف يعطي رأياً، وهو ليس ما أبحث عنه”.

في النهاية، هناك الكثير من “السياق” والتعقيد المتعلق بالوضع المالي لكل فرد، وهو ما يمكن للمخطط المالي البشري أن يستخلصه من عميله، كما يقول هاريسون. وقال إن الشخص الذي يستخدم الذكاء الاصطناعي لن يعرف بالضرورة أنه يكشف كل تلك التفاصيل الدقيقة في مطالباته.

“أنظر إلى [AI] فالنصيحة تعني أنك تقدم لها ما يكفي من المعلومات لتكوين رأي وتقديم توصية، وهذه خطوة أبعد مما كنت سأذهب إليه مع الذكاء الاصطناعي”.