Финграмотность 2.0: как использовать финансовые советы ИИ с выгодой для своего кошелька

В августе 2026 года Национальное бюро экономических исследований США (NBER) опубликовало материал о том, как следование рекомендациям нейросети может повлиять на финансовое положение человека. Участникам исследования было предложено самостоятельно написать три запроса к нейросети. В первом описать свое финансовое положение, во втором – получить совет по расходам и сбережениям и, наконец, в третьем запросе попросить рекомендацию ИИ по инвестициям. Полученный материал был встроен в реальные пользовательские запросы для трех моделей искусственного интеллекта: GPT-5.2, Gemini 3 Flash и GPT-5.6 Terra. При этом пользователям дали возможность самим сформулировать проблему, а не использовать одинаковый сценарий.

Интересно, что темы запросов заметно различались в зависимости от поставленной задачи. Так, когда участники исследования описывали свое финансовое положение, то чаще всего вспоминали о доходах, пенсиях и долгах. Если речь заходила о текущем состоянии финансов – респонденты обычно вспоминали о бюджете. Наконец, инвестиционные вопросы к ИИ в основном касались инвестактивов и анализа существующих рисков.

При этом исследователи отметили интересный эффект: в ответах на конкретные запросы ИИ часто сам расширял круг тем, которые затрагивал пользователь в переписке с нейросетью. Например, несмотря на то, что только 6% участников в своих запросах напрямую упоминали необходимость существования финансовой подушки, нейросеть в ответах касалась этого вопроса уже в 84% ответов, добавляя собственные рекомендации. Таким образом, ИИ-чаты не только отвечали на заданный вопрос, но и меняли саму структуру финансового решения.

Оказалось, что при формировании ответов нейросеть гораздо чаще, чем просили сами пользователи, советовала им воспользоваться конкретными классами активов и финансовых продуктов. Например высокодоходные сберегательные счета упоминались в 59% ответов против 3,5% запросов; облигации – в 55% против 10%, а казначейские бумаги – в 40% против 1%. Иногда ИИ советовал приобрести бумаги конкретных компаний-эмитентов. В результате выяснилось, что ИИ не прочь выйти за рамки повышения обычной финансовой грамотности для своего клиента. А если нейросеть рекомендует конкретный финансовый продукт или компанию, она фактически теряет статус беспристрастного финансового советника.

Проверка полученной информации показала, что регулярное следование советам ИИ может сделать финансовое поведение человека более разумным. Он может больше откладывать, создавать финансовую подушку, распределять деньги между разными инструментами и меньше рисковать. Например, людям в возрасте ИИ советовал постепенно снижать долю акций в своих накоплениях. При этом нейросеть не всегда давала идеальные советы, хотя в среднем ее рекомендации оказались дальновиднее самостоятельных финансовых решений большинства пользователей.

В процессе исследования была смоделирована ситуация, в которой люди регулярно следовали советам ИИ. В расчетах учитывались их доходы, налоги, выплаты от государства, доходность инвестиций, риск потери работы и возраст выхода на пенсию. При следовании такой модели почти все молодые участники смогли бы накопить более 10 тыс. долларов уже к 30 годам, а к предполагаемой пенсии их активы превышали бы 1 млн долларов. Однако это не значит, что ИИ гарантированно способен сделать человека миллионером. Приведенные данные – лишь результат расчетов, а не гарантия реального заработка или накоплений.

ИИ помогал участникам и с инвестициями на фондовом рынке. В начале исследования около трети респондентов вообще не владели акциями, а у остальных их доля в портфеле в среднем не превышала 30%. После разовых ИИ-рекомендаций доходность инвестиций выросла примерно на 5%–10%, а доля акций в их портфеле увеличилась примерно на 5 п. п. При регулярном следовании советам нейросети эффект был еще сильнее: почти все участники начинали инвестировать в фондовый рынок, а доля их акций выросла на 40%. При этом ИИ чаще рекомендовал вкладываться в диверсифицированные фонды, которые распределяют деньги между разными компаниями, советуя держать в акциях около 65% портфеля, причем для респондентов после 45 лет рекомендуемая доля начинала постепенно снижаться.

Исследование выявило и несколько системных проблем в советах нейросети. Так, ИИ часто округлял цифры при финансовом планировании, добавляя или отнимая несколько единиц или процентов для финальных результатов исследования. В результате даже при удачном ответе итоговые цифры не «бились» с общим результатом.

ИИ не всегда учитывает неожиданные изменения в финансовом положении человека. Так, при потере работы нейросеть советовала заметно сокращать расходы даже в тех случаях, когда у человека был достаточный финансовый запас. По логике, именно в этой ситуации такой резерв и нужен, чтобы на время поддерживать привычный уровень расходов. Похожая проблема возникает и при выходе человека на пенсию: таким людям ИИ слишком осторожно советовал тратить накопленное.

Нейросеть также не всегда хорошо справлялась с управлением уже созданным инвестиционным портфелем. Например, человек распределил деньги между акциями и облигациями, но через год акции выросли и стали занимать большую долю портфеля. В такой ситуации инвесторы обычно корректируют структуру и возвращают ее к исходному соотношению. Однако ИИ часто не советовал этого делать, поэтому портфель продолжал меняться вслед за рынком. Это показало, что нейросеть лучше подсказывает, куда вложить новые деньги, чем как управлять уже накопленными.

В результате был сделан вывод, что финансовый результат, выработанный с помощью нейросети, зависит не столько от того, что советует ИИ, но и от того, как человек формулирует первоначальный запрос. Для этого обычные пользовательские запросы заменили на более структурированные «академические», в которых указывались возраст, доход, активы, занятость, налоги, социальные выплаты и другие финансовые данные участника. После этого советы ИИ стали точнее: нейросеть реже давала универсальные рекомендации и лучше учитывала изменения в доходах, например потерю работы. Однако проблему с управлением уже созданным инвестиционным портфелем это так и не помогло решить.

Чем больше данных получает ИИ, тем полезнее может быть его совет, но даже подробный запрос не делает нейросеть надежным финансовым консультантом. В итоге результат общения с ИИ зависит не только от его возможностей, но и от того, насколько хорошо человек умеет формулировать свой запрос. Исследователи сравнили участников с разным уровнем финансовой грамотности и опытом использования ИИ для финансовых вопросов и обнаружили заметные различия в результатах.

У участников с более низкой финансовой грамотностью к 60 годам объем накоплений был примерно на 4,1% ниже, чем у более финансово грамотных. При этом причина была не в том, что ИИ советовал им меньше сберегать: напротив, нейросеть рекомендовала откладывать больше. Более осторожный подход к инвестициям в итоге приводил к меньшему объему накоплений. Это показывает, что финграмотность важна не только для самостоятельного принятия решений, но и для того, чтобы точнее формулировать запросы к ИИ и получать более подходящие рекомендации.

Еще сильнее на результат влиял опыт работы с ИИ. Почти половина участников (48%) эксперимента сообщили, что уже обращались к нейросетям за финансовой информацией или советами в течение последних трех месяцев. У тех же, кто не имел такого опыта, следование рекомендациям ИИ приводило к тому, что уровень планируемых накоплений к 60 годам становился примерно на 5,7%, ниже. Разница возникала прежде всего из-за недостаточного уровня накоплений, а не инвестиций.

Исследование также выявило различия между мужчинами и женщинами в финансовых советах ИИ. В запросах женщин планируемые накопления к 60 годам были примерно на 4,1%, ниже, чем при мужских запросах. В основном разница возникала в сфере инвестиций: женщинам ИИ рекомендовал покупать акции в среднем на 3% реже, чем мужчинам. Чтобы выяснить, как получался такой результат, авторы исследования в одинаковые по содержанию запросы в случайном порядке добавили фразы «я мужчина» или «я женщина».

Это позволило разделить различия в запросах самих пользователей и различия в ответах ИИ на один и тот же запрос. Оказалось, что около двух третей различающихся ответов ИИ были связаны с самими запросами пользователей, а оставшаяся треть зависела от того, какой пол они указывали. Это фактор также важно учитывать при работе с ИИ: пользователь должен учитывать, переносит ли сама нейросеть гендерные стереотипы в свои рекомендации или нет.

Исследование показывает, что ИИ уже может быть полезным помощником в управлении личными финансами. Его рекомендации часто соответствуют базовым принципам разумного поведения: создавать резерв, больше сберегать, распределять деньги между разными активами и снижать инвестиционный риск с возрастом. Но воспринимать нейросеть как полноценного финансового консультанта пока еще рано: ИИ дает слишком общие советы, не учитывая изменения в жизни человека и не корректируя уже созданный портфель с учетом рыночной конъюнктуры.

Поэтому качество финансового решения сегодня зависит не только от самой нейросети, но и от ее пользователя. Подробный запрос с реальными данными помогает получить более точный ответ, а наличие финансовой грамотности и опыта работы с ИИ будут влиять на конечный результат. Этот фактор меняет и представление о важности финансовой грамотности человека. Если раньше было достаточно понимать, что такое кредит, вклад, страховка, доходность, риск и комиссия, то сегодня к этим знаниям надо добавить умение работать с ИИ – правильно поставить задачу, ввести необходимые данные и сверить полученный совет с первоисточником.

По нашему мнению, в этом и заключается смысл финграмотности 2.0. На данный момент задача финансового образования заключается уже не только в том, чтобы самостоятельно принимать решения, но и в том, чтобы уметь использовать ИИ как дополнительный инструмент. Он может помочь сравнить варианты, найти слабые места в финансовом плане и предложить способы экономии. Однако окончательное решение должно остаться за человеком, особенно когда речь идет о крупных кредитах, инвестициях, страховках и решениях, цена ошибки в которых может быть критически высокой.

^{Источник:}

^{Финансовые консультации с использованием ИИ: влияние спроса, предложения и жизненного цикла // NBER.. – URL: https://www.nber.org/papers/w35574 (дата обращения: 21.08.2026).}