很多人已经在问聊天机器人怎么处理钱：预算、债务、投资、税务、退休。这不是未来场景，而是正在发生的使用方式。

用户用 AI assistant 检查个人财务、预算、投资组合和安全清单

MIT Sloan 最近解读的 working paper "AI Financial Advice: Supply, Demand, and Life Cycle Implications" 让这个问题更具体。研究者收集了 1,000 名美国成年人的真实 prompts，并模拟如果人们长期按照 LLM 建议行动，人生周期里的财务结果会怎样。这不是几十年的真实跟踪数据，而是 simulation，但足够说明产品风险。

结论并不极端。AI 经常给出相当稳妥的建议：工作期间储蓄，建立 emergency fund，分散投资，年轻时承担更多股票风险，随年龄降低风险。对很多没有可靠顾问的人来说，这可能比没有建议、朋友建议或带销售动机的建议更好。

问题在于“要会问”。研究发现，financial literacy、过往 AI 使用经验和性别都会影响 prompts、建议和模拟结果。有些群体在接近退休时出现约 4-5% 的 wealth gap。AI 可能降低获取建议的门槛，同时奖励本来就更会提问的人。

研究做了什么

这篇 paper 的作者是 Taha Choukhmane、Tim de Silva、Weidong Lin 和 Matthew Akuzawa。它分析 supply、demand 和 life-cycle implications。2026 年 3 月版本主要讨论 GPT-5.2 和 Gemini 3 Flash。模型用美国数据校准，包括收入、税、失业、资产回报和死亡率。

AI 会补充用户没问到的关键点。Liquidity 在 83% 的建议中出现，但只有 6% 的 prompts 明确提到。Savings 在 76% 的回答中出现，而 prompts 中只有 20%。这说明 AI 作为基础财务教育工具确实有价值。

风险在哪里

问题不只是明显 hallucination。更常见的是细节处理不够好。研究提到，AI 在 unemployment shock、退休阶段 drawdown 和 active rebalancing 上表现较弱。它可能在失业后过度削减支出，也可能让投资组合随市场漂移而不主动再平衡。

Structured prompts 会改善结果。但普通用户通常不会一次性提供国家、税务、债务、账户类型、时间跨度、家庭责任和风险承受能力。

如何安全使用

不要问“我该买什么”。把 AI 当成决策准备工具。

说明国家和地区、年龄、收入稳定性、债务、应急储备、目标、时间跨度、账户类型、税务限制和风险偏好。不要输入账号、完整身份信息或其他敏感数据。

让模型列出缺失信息、assumptions、conservative/base/aggressive 场景，以及需要用官方来源核对的本地规则。税务、退休、保险、遗产、复杂债务和受监管投资建议，都应该由官方来源或合格专业人士确认。

对 fintech 的启示

严肃的 AI financial assistant 不能只是一个 chat box。它需要 structured intake、jurisdiction detection、calculators、official-rule retrieval、disclosures、audit logs 和 human handoff。

Product steering 也需要管控。Paper 显示，不到 3% 的受访者提到具体 ticker，但 AI 建议会主动出现 Vanguard、iShares 和 crypto tokens 等产品或提供方。这不等于广告操纵，但说明治理问题真实存在。

结论

AI 已经能帮助个人理解财务问题和整理计划。但它不应该替你做最终决定。最安全的用法，是让它帮你提出更好的问题、列出选项、暴露假设，并提醒你去核对规则。