В последние годы искусственный интеллект (ИИ) стремительно интегрируется в самые разные сферы человеческой деятельности, и финансы не являются исключением. В частности, крупные языковые модели (LLM), такие как GPT и их аналоги, получают всё более значимые роли в поддержке и автоматизации финансовых решений. Интересно, каким образом ИИ воспринимает и обрабатывает финансовую информацию, и насколько его решения напоминают человеческие поведения в критических ситуациях, связанных с деньгами. Исследование, проведённое Орханом Эрдэмом и Рагави Поббати Ашоком и опубликованное в 2025 году, проливает свет на то, как именно AI думает о деньгах и финансовых рисках, сравнивая ответы ведущих языковых моделей с реакциями людей из различных стран мира. Анализ включает семь популярных LLM, среди которых были GPT-4o, GPT-4.
5, версии o1 и o3-mini, а также Gemini 2.0 Flash и DeepSeek R1. Авторская команда сопоставила их решения с человеческими ответами, собранными из базы данных, охватывающей 53 страны, чтобы выявить характерные особенности и отличия в принятии решений. Первое, что бросается в глаза, — предпочтение ИИ к риск-нейтральным стратегиям. В ситуациях, когда речь шла о лотерейных выборах с различными вероятностями и выплатами, языковые модели в основном опирались на вычисления с использованием математического ожидания.
Такой подход отличается от поведения многих людей, склонных либо к излишней осторожности, либо к более рискованным ставкам, обусловленным эмоциями, личным опытом или культурными установками. Риск-нейтральное решение виновато отражает алгоритмическую суть ИИ, который стремится выбрать оптимальный стратегический вариант без субъективных предпочтений. Тем не менее, в аспектах оценки времени и пожертвования будущими выгодами ради текущей пользы LLM показывали неоднозначные результаты. В некоторых случаях варианты, выбранные AI, казались непоследовательными с точки зрения классических норм рационального выбора. Этот факт свидетельствует о сложностях, заложенных в самих данных обучения и возможных ограничениях моделей, когда речь идёт о долгосрочном планировании и учёте дисконтирования.
В отличие от людей, которые могут эмоционально воспринимать время и стремиться к немедленному вознаграждению, AI придерживался иной логики, которая временами казалась неоптимальной или противоречащей теории. Особое внимание исследователей привлекли культурные аспекты. Результаты показали, что ответы LLM в целом наиболее близки к тем, которые дают участники из Танзании. Этот неожиданный параллелизм указывает на влияние специфики обучающих данных и, возможно, на нехватку репрезентативности глобальных культурных вариантов при обучении моделей. Также это объясняет, почему ИИ не всегда способен корректно воспроизводить поведенческие особенности других народов и стран, что имеет важное значение для использования AI в международном финансовом консультировании и принятии решений.
Разобраться в том, как именно ИИ формирует свои финансовые суждения, помогает лучше понять границы и перспективы искусственного интеллекта в экономике. Прежде всего, языковые модели демонстрируют тенденцию к применению строгих математических правил и вероятностных вычислений вместо интуитивных или субъективных оценок риска. Это делает их незаменимыми инструментами для анализа сложных статистических данных, автоматического прогнозирования и генерирования рекомендаций, основанных на объективных критериях. Однако подобный строго логический подход может казаться излишне механистичным, что резко отличает AI от реальных человеческих предпочтений, зачастую мотивированных эмоциями, состояниями и социокультурными факторами. Следует подчеркнуть, что современная финансовая психология уделяет большое внимание таким понятиям, как авersiya k risku (нежелание рисковать) и временное предпочтение, которые влияют на поведение инвесторов, потребителей и экономических агентов.
Поэтому понимание того, что AI не всегда следует тем же паттернам, важно для корректного внедрения технологий в систему управления капиталом. Также нельзя забывать и о масштабах применимости ИИ в экономике. Большие языковые модели демонстрируют потенциал в автоматизации консультаций, разработке финансовых стратегий и даже участии в формировании политик. Тот факт, что они опираются на аналогичные с некоторыми культурами ответы, позволяет предположить, что дальнейшее обучение с мультикультурным охватом способно повысить точность и релевантность рекомендаций. Интересен также вопрос этики и ответственности при использовании AI в области финансов.
Не исключено, что подобные модели могут предлагать решения, оптимальные с точки зрения прибыли, но не учитывающие социальные и этические аспекты. Это требует создания дополнительных слоёв контроля и встроенных ограничений, чтобы избежать ситуаций, когда алгоритмы приводят к негативным последствиям для отдельных групп или экономики в целом. Исследование Орхана Эрдэма и Рагави Поббати Ашока открывает дверь для дальнейшего углублённого анализа взаимодействия человека и машины в сфере экономики. Важно понимать, что искусственный интеллект не заменяет человеческое суждение, а служит скорее инструментом, расширяющим возможности и эффективность финансового анализа. Проведение подобных сравнений даёт возможность выявить не только преимущества, но и слабые стороны современных моделей, а также определить векторы развития AI с учётом культурных и поведенческих факторов.
В итоге можно сделать вывод, что искусственный интеллект мыслит о деньгах с позиции рационального и риск-нейтрального игрока, при этом совершая ошибки или проявляя непредсказуемость в аспектах, связанных с временными предпочтениями. Его решения соотносятся не с глобальным средним человеческим поведением, а чаще всего с определёнными культурными паттернами, что обусловлено особенностями набора обучающих данных. Такое понимание позволяет лучше интегрировать технологии в финансовую практику, минимизировать риски и создавать более адаптивные и эффективные системы поддержки принятия решений. Финансовая сфера с каждым днём требует все более глубокого сочетания человеческой интуиции и машинной точности. ИИ выступает здесь в роли важного помощника, способного анализировать огромные объёмы информации и предоставлять советы, базированные на обширной статистике.
Однако по-прежнему необходимо учитывать ограничения таких систем, связанные с их обучением и способностью моделировать сложные человеческие эмоции и культурные особенности. Перспективы развития искусственного интеллекта в экономике обещают расширение функционала и повышение точности расчетов. Комплексный подход, включающий регулярное обновление обучающих данных с учётом культурного разнообразия и этических норм, позволит максимально приблизить AI к разумному финансовому советнику будущего. Таким образом, глубокий анализ и понимание того, как AI принимает решения о деньгах, является ключом к дальнейшему развитию финансовых технологий и созданию новых инструментов, которые смогут приносить пользу людям в глобальном масштабе, учитывая многообразие экономических реалий и поведенческих моделей.
