هوش مصنوعی ChatGPT حالا به حساب‌های بانکی متصل می‌شود
اوپن ای آی در تازه‌ترین گام خود برای تبدیل ChatGPT از یک چت بات عمومی به یک دستیار تخصصی، قابلیت تازه‌ای را معرفی کرده که به کاربران اجازه می‌دهد حساب‌های مالی خود را به این ابزار متصل کنند. این قابلیت که در قالب تجربه مالی شخصی چت جی پی تی معرفی شده، از ۲۵ اردیبهشت به صورت آزمایشی برای کاربران طرح Pro در آمریکا فعال شده و فعلاً روی نسخه وب و iOS در دسترس است. نکته مهم این است که موضوع فقط اتصال حساب بانکی نیست؛ بلکه کاربر می‌تواند حساب‌های بانکی، کارت‌های اعتباری، حساب‌های کارگزاری و سایر حساب‌های مالی خود را از طریق زیرساخت Plaid به چت جی پی تی وصل کند.
در این مدل، ChatGPT پس از اتصال حساب‌ها می‌تواند نمایی منظم از وضعیت مالی کاربر ارائه دهد. این نما شامل هزینه‌ها، قبض‌ها، اشتراک‌های فعال، پرداخت‌های آینده، دارایی خالص، اطلاعات سرمایه‌گذاری، سبد سهام و بدهی‌هایی مثل وام مسکن یا بدهی کارت اعتباری است. به بیان ساده‌تر، چت جی پی تی فقط قرار نیست به پرسش‌های کلی درباره بودجه بندی پاسخ دهد؛ بلکه قرار است بر اساس داده‌های واقعی کاربر، تصویر شخصی‌تری از دخل و خرج و مسیر مالی او بسازد.
اوپن ای آی می‌گوید ماهانه بیش از ۲۰۰ میلیون نفر برای پرسش‌های مالی، برنامه ریزی بودجه، مقایسه مسیرهای مالی، بررسی سرمایه‌گذاری و هدف گذاری آینده به چت جی پی تی مراجعه می‌کنند. این عدد برای یک شرکت فناوری فقط یک آمار مصرف نیست؛ نشانه یک بازار بالقوه بزرگ است. کاربران پیش از این هم از هوش مصنوعی برای پرسیدن درباره پس انداز، بدهی، کارت اعتباری، خرید خانه یا مدیریت هزینه‌ها استفاده می‌کردند، اما پاسخ‌ها بیشتر جنبه عمومی داشت. اتصال حساب‌های مالی، همین رابطه را وارد مرحله تازه‌ای می‌کند؛ مرحله‌ای که در آن پاسخ‌ها بر پایه وضعیت واقعی حساب، تراکنش و بدهی کاربر ساخته می‌شود.
اتصال از طریق Plaid و دسترسی به بیش از ۱۲ هزار مؤسسه مالی
زیرساخت این قابلیت از طریق Plaid فراهم می‌شود؛ شرکتی که در اکوسیستم فین تک آمریکا یکی از بازیگران مهم اتصال داده‌های مالی است. Plaid امکان ارتباط با بیش از ۱۲ هزار مؤسسه مالی را فراهم می‌کند و از بانک‌ها، کارت‌های اعتباری، کارگزاری‌ها و دیگر نهادهای مالی پشتیبانی می‌کند. در میان نمونه‌های شناخته شده می‌توان به Charles Schwab، Fidelity Investments، Chase و Capital One اشاره کرد. همین گستره اتصال باعث می‌شود قابلیت تازه چت جی پی تی از نظر فنی محدود به یک بانک یا یک گروه کوچک از کاربران نباشد، بلکه بتواند در صورت گسترش، به بخش بزرگی از بازار مالی مصرف کننده در آمریکا دسترسی پیدا کند.
Plaid پیش از این نیز داده‌های مالی را برای بیش از ۹ هزار اپلیکیشن و سرویس به اشتراک می‌گذاشت. به همین دلیل همکاری اوپن ای آی با Plaid از نظر اقتصادی اهمیت زیادی دارد. این همکاری فقط یک اتصال ساده میان دو سرویس نیست؛ بلکه پیوند میان پلتفرم هوش مصنوعی مولد و زیرساخت بانکداری باز است. اگر کاربر بتواند درون چت جی پی تی هم تراکنش‌هایش را ببیند، هم الگوی هزینه را بفهمد و هم درباره تصمیم مالی خود گفت و گو کند، بخشی از ارزش سنتی اپلیکیشن‌های مالی شخصی به سمت پلتفرم‌های هوش مصنوعی منتقل می‌شود.
اوپن ای آی اعلام کرده که پشتیبانی از Intuit نیز در آینده به این تجربه افزوده خواهد شد. این نکته از نظر اقتصادی بی اهمیت نیست، زیرا Intuit در حوزه نرم افزارهای مالی، مالیاتی و مدیریت مالی شخصی جایگاه مهمی دارد. ورود چنین شرکایی می‌تواند مسیر چت جی پی تی را از یک ابزار تحلیل و پاسخ گویی، به سمت یک درگاه گسترده‌تر برای برنامه ریزی مالی مصرف کننده باز کند. البته شرکت تأکید کرده که این قابلیت در آغاز فقط برای گروه کوچک‌تری از کاربران فعال می‌شود تا بازخوردهای واقعی دریافت شود و تجربه محصول به تدریج بهبود پیدا کند.
چت جی پی تی پول جابه جا نمی‌کند، اما داده مالی را تحلیل می‌کند
مهم‌ترین مرز این قابلیت در حال حاضر این است که ChatGPT اجازه انجام عملیات مالی ندارد. به گفته اوپن ای آی، چت جی پی تی نمی‌تواند پول جابه جا کند، قبض پرداخت کند، معامله انجام دهد، حساب باز یا بسته کند، مالیات ثبت کند یا نقش مشاور مالی، حقوقی، مالیاتی یا سرمایه‌گذاری رسمی را بر عهده بگیرد. در عوض، نقش آن فعلاً تحلیل، توضیح و برنامه ریزی بر اساس داده‌هایی است که کاربر اجازه مشاهده آن‌ها را داده است.
این محدودیت برای کاهش ریسک‌های حقوقی و اعتمادسازی ضروری است. کاربر می‌تواند اطلاعاتی مانند موجودی، تراکنش‌ها، سرمایه‌گذاری‌ها، بدهی کارت اعتباری و وام مسکن را در اختیار چت جی پی تی قرار دهد، اما شماره کامل حساب در اختیار این ابزار قرار نمی‌گیرد و امکان تغییر مستقیم در حساب‌ها وجود ندارد. اوپن ای آی همچنین می‌گوید کاربر هر زمان بخواهد می‌تواند اتصال حساب‌های مالی را قطع کند و حذف داده‌های همگام سازی شده از سرورهای شرکت ممکن است تا ۳۰ روز زمان ببرد.
در کنار این موارد، کاربران امکان مشاهده و حذف حافظه‌های مالی ذخیره شده توسط چت جی پی تی را خواهند داشت؛ حافظه‌هایی که می‌تواند شامل اهداف مالی، سطح بدهی یا برخی ترجیحات کاربر باشد. استفاده از گفت و گوهای مالی در آموزش مدل‌ها نیز تابع تنظیمات کنترل داده کاربر در ChatGPT است. این یعنی کاربر باید بداند کدام داده‌ها برای شخصی سازی پاسخ‌ها استفاده می‌شود، کدام داده‌ها در حافظه باقی می‌ماند و کدام بخش را می‌تواند حذف یا غیرفعال کند.
Ty Geri، مدیر محصول اوپن ای آی، درباره فلسفه این قابلیت گفته است که امور مالی «عمیقاً شخصی» است و چون اطلاعات مالی افراد در اپلیکیشن‌ها، حساب‌ها، کارت‌ها و فایل‌های مختلف پراکنده شده، اتصال امن از طریق Plaid می‌تواند به کاربر کمک کند بفهمد پولش کجا می‌رود، چه الگوهایی در هزینه‌ها وجود دارد و کدام تصمیم‌ها با اهداف مالی او سازگارتر است. این نقل قول نشان می‌دهد اوپن ای آی تلاش دارد محصول تازه را نه به عنوان یک ابزار بانکی، بلکه به عنوان یک لایه فهم و تصمیم سازی مالی معرفی کند.
چرا اتصال حساب مالی به ChatGPT برای اقتصاد دیجیتال مهم است؟
اهمیت اقتصادی قابلیت تازه چت جی پی تی در این است که بازار هوش مصنوعی را به قلب بازار مالی مصرف کننده نزدیک می‌کند. تا پیش از این، بخش مهمی از استفاده کاربران از هوش مصنوعی در حوزه مالی، در حد پرسش‌های عمومی باقی می‌ماند؛ برای مثال اینکه چگونه بودجه ماهانه تنظیم کنند، بدهی کارت اعتباری را چطور کاهش دهند یا برای خرید خانه چه نکاتی را در نظر بگیرند. اما وقتی داده‌های واقعی حساب، تراکنش، بدهی و سرمایه‌گذاری وارد گفت و گو می‌شود، پاسخ‌ها از سطح توصیه عمومی به سطح تحلیل شخصی نزدیک می‌شود.
بازار آمریکا از قبل برای چنین تغییری آماده شده بود. طبق داده‌های Plaid، ۸ نفر از هر ۱۰ مصرف کننده آمریکایی از اپلیکیشن‌ها و خدمات دیجیتال برای مدیریت پول استفاده می‌کنند. همچنین مصرف کننده متوسط آمریکایی معمولاً بین ۳ تا ۴ اپلیکیشن فین تک دارد. همین پراکندگی ابزارها، یکی از مشکلات اصلی مدیریت مالی شخصی است. یک اپلیکیشن کارت اعتباری را نشان می‌دهد، دیگری وضعیت سرمایه‌گذاری را، بانک حساب جاری و پس انداز را نمایش می‌دهد و یک سرویس دیگر هزینه اشتراک‌ها را ردیابی می‌کند. محصول تازه اوپن ای آی دقیقاً روی همین شکاف دست می‌گذارد؛ شکاف میان داده‌های پراکنده و تصمیم مالی قابل فهم.
در چنین بازاری، برنده فقط شرکتی نیست که داده بیشتری دارد، بلکه شرکتی است که بتواند داده را به زبان قابل فهم و قابل استفاده برای کاربر تبدیل کند. بانک‌ها سال‌هاست صورت حساب، دسته بندی هزینه و نمودارهای ساده ارائه می‌دهند، اما بسیاری از کاربران همچنان نمی‌دانند چرا با وجود درآمد ثابت، آخر ماه با کسری نقدینگی روبه رو می‌شوند یا کدام هزینه‌ها بیشترین فشار را روی بودجه آن‌ها وارد می‌کند. چت جی پی تی تلاش می‌کند همین نقطه را هدف بگیرد: ترجمه داده مالی به روایت، هشدار، پیشنهاد و سناریوی تصمیم.
گزارش تازه Plaid درباره هوش مصنوعی در امور مالی نیز نشان می‌دهد که استفاده از AI برای کارهای مالی از مرحله کنجکاوی عبور کرده است. طبق این گزارش، ۵۵ درصد مردم در ۱۲ ماه گذشته از هوش مصنوعی برای کارهای مالی استفاده کرده‌اند. در میان کاربران هوش مصنوعی، ۸۶ درصد گفته‌اند این ابزارها به آن‌ها کمک کرده وضعیت پولی خود را بهتر بفهمند. همچنین ۵۰ درصد مردم فکر می‌کنند مدیریت پول بدون کمک هوش مصنوعی به زودی قدیمی به نظر خواهد رسید.
این ارقام از یک تغییر ذهنی در بازار خبر می‌دهد. در دهه گذشته، اپلیکیشن مالی موفق اپلیکیشنی بود که سریع، ساده و در دسترس باشد. امروز انتظار کاربران یک مرحله جلوتر رفته است. آن‌ها فقط نمی‌خواهند بدانند چقدر خرج کرده‌اند؛ می‌خواهند بدانند آیا این خرج کردن با هدف خرید خانه، کاهش بدهی یا افزایش پس انداز سازگار است یا نه. به همین دلیل است که Ariana Michele Moore، مشاور بانکداری خرد و پرداخت در Datos Insights، گفته دهه گذشته بانکداری دیجیتال به «راحتی» پاداش داد، اما دهه بعدی به «کنترل» پاداش خواهد داد. از نگاه او، هوش مصنوعی نقطه عطفی است که به کاربر کمک می‌کند نه فقط وضعیت مالی خود را ببیند، بلکه بداند باید چه کاری انجام دهد.
رقابت بانک‌ها، فین تک‌ها و پلتفرم‌های هوش مصنوعی
ورود چت جی پی تی به داده‌های مالی، رابطه بانک با مشتری را از زاویه تازه‌ای تحت فشار قرار می‌دهد. بانک هنوز حساب را نگه می‌دارد، پول را منتقل می‌کند، کارت صادر می‌کند و تسهیلات می‌دهد. اما اگر کاربر برای فهمیدن وضعیت مالی خود، مقایسه تصمیم‌ها و طراحی برنامه پرداخت بدهی به ChatGPT مراجعه کند، بخشی از رابطه مشورتی و تفسیری از بانک جدا می‌شود. این تغییر شاید در کوتاه مدت آرام و نامحسوس باشد، اما در بلندمدت می‌تواند ارزش رابط کاربری بانک‌ها را کاهش دهد.
در این سناریو، بانک به زیرساخت نگهداری حساب نزدیک می‌شود و پلتفرم هوش مصنوعی به درگاه فهم مالی تبدیل می‌شود. این همان تغییری است که بسیاری از فین تک‌ها در سال‌های گذشته درباره آن هشدار داده بودند: مشتری لزوماً به نهادی وفادار می‌ماند که حساب را نگه داشته، نه نهادی که بهترین تجربه تصمیم سازی را ارائه می‌دهد. اگر ChatGPT بتواند هزینه‌ها را دسته بندی کند، اشتراک‌های اضافه را تشخیص دهد، بدهی‌های پرهزینه را اولویت بندی کند و سناریوی خرید خانه یا تغییر کارت اعتباری را توضیح دهد، بخشی از ارزش افزوده بازار مدیریت مالی شخصی را به خود جذب می‌کند.
برای فین تک‌ها، این تحول هم فرصت است و هم تهدید. شرکت‌هایی مانند Plaid از گسترش اتصال داده سود می‌برند، زیرا هرچه خدمات بیشتری به داده مالی کاربر نیاز داشته باشند، اهمیت زیرساخت اتصال بیشتر می‌شود. اما اپلیکیشن‌هایی که مزیت اصلی آن‌ها فقط داشبورد هزینه، یادآوری قبض یا نمایش اشتراک‌هاست، ممکن است تحت فشار قرار بگیرند. اگر یک ابزار گفت و گویی بتواند همه این داده‌ها را در قالب پاسخ طبیعی و برنامه عملیاتی ارائه کند، کاربر ممکن است تمایل کمتری به جابه جایی میان چند اپلیکیشن داشته باشد.
در همین زمینه، سابقه Plaid نیز قابل توجه است. این شرکت زمانی در مرکز یکی از پرونده‌های مهم رقابتی قرار گرفت؛ جایی که خرید آن توسط Visa متوقف شد. Makan Delrahim، معاون وقت دادستان کل آمریکا در بخش ضدانحصار، در آن زمان گفته بود کنار رفتن Visa از خرید Plaid «پیروزی برای مصرف کنندگان و کسب و کارهای کوچک آمریکایی» است، زیرا باقی ماندن Plaid و نوآوران فین تک می‌تواند رقابت، قیمت‌های پایین‌تر و خدمات بهتر ایجاد کند. این نگاه نشان می‌دهد که Plaid فقط یک پیمانکار فنی نیست، بلکه بخشی از زیرساخت رقابت در بازار داده‌های مالی محسوب می‌شود.
اقتصاد خانوار آمریکا و تقاضا برای دستیار مالی شخصی
زمان بندی معرفی این قابلیت نیز از نظر اقتصادی معنا دارد. خانوارهای آمریکایی با سطح بالای بدهی، فشار هزینه‌های روزمره، نرخ‌های بهره نسبتاً بالا و پیچیدگی انتخاب‌های مالی روبه رو هستند. بر اساس گزارش فدرال رزرو نیویورک، کل بدهی خانوارهای آمریکا در سه ماهه نخست با افزایش ۱۸ میلیارد دلاری به حدود ۱۸.۸ تریلیون دلار رسیده است. بدهی وام مسکن حدود ۱۳.۱۹ تریلیون دلار، بدهی کارت اعتباری حدود ۱.۲۵۲ تریلیون دلار، بدهی خودرو حدود ۱.۶۸۵ تریلیون دلار و بدهی دانشجویی حدود ۱.۶۵۸ تریلیون دلار اعلام شده است.
این اعداد برای فهم بازار محصول تازه اوپن ای آی مهم‌اند. وقتی خانوار با چند نوع بدهی و چند جریان پرداخت ماهانه روبه روست، مدیریت مالی فقط دانستن موجودی حساب نیست. کاربر باید بفهمد کدام بدهی پرهزینه‌تر است، کدام اشتراک‌ها واقعاً استفاده می‌شود، چه میزان پول نقد باید در حساب جاری بماند، آیا می‌تواند زودتر وام را تسویه کند یا نه، و آیا الگوی هزینه با درآمد ماهانه سازگار است یا خیر. این دقیقاً همان نقطه‌ای است که چت جی پی تی می‌خواهد وارد آن شود.
در همین گزارش، نرخ کلی بدهی‌های معوق در سطح ۴.۸ درصد اعلام شده و جریان ورود به بدهی‌های شدیداً معوق، یعنی ۹۰ روز یا بیشتر، برای کارت‌های اعتباری ۷.۱۰ درصد، برای وام خودرو ۲.۹۷ درصد و برای وام دانشجویی ۱۰.۸۶ درصد بوده است. Daniel Mangrum، اقتصاددان پژوهشی فدرال رزرو نیویورک، درباره این وضعیت گفته سطح کل بدهی خانوارها اندکی افزایش یافته، نرخ‌های ورود به معوقه عمدتاً پایدار مانده و معوقات وام دانشجویی به سطوح پیش از همه گیری نزدیک می‌شود. چنین فضایی، تقاضا برای ابزارهایی را بالا می‌برد که بتوانند پیش از تبدیل شدن فشار مالی به بحران، هشدار و برنامه ارائه دهند.
- برای کاربری که چند کارت اعتباری دارد، اولویت بندی بازپرداخت می‌تواند از یک توصیه عمومی به یک برنامه مبتنی بر نرخ بهره و جریان نقدی تبدیل شود.
- برای خانواری که قصد خرید خانه دارد، تحلیل هزینه‌های ماهانه و بدهی‌های موجود می‌تواند تصویر واقع بینانه‌تری از توان خرید ارائه دهد.
- برای فردی که چند اشتراک فعال دارد، شناسایی هزینه‌های تکراری می‌تواند به کاهش فشار بودجه ماهانه کمک کند.
- برای سرمایه‌گذار خرد، مشاهده پرتفوی در کنار هزینه‌ها و بدهی‌ها می‌تواند نگاه کامل‌تری به دارایی خالص ایجاد کند.
در صفحه رسمی اوپن ای آی نیز نمونه‌ای از تجربه کاربران آزمایشی مطرح شده است. Richard K. Sohn، یکی از کاربران آزمایشی طرح Pro، گفته اتصال داده‌های مالی به چت جی پی تی به او کمک کرده برنامه‌ای واقع بینانه برای پرداخت وام مسکن طراحی کند. این نمونه البته باید با احتیاط خوانده شود، چون از روایت رسمی شرکت آمده، اما از نظر خبری نشان می‌دهد اوپن ای آی می‌خواهد محصول تازه را با نیازهای ملموس خانوار، مثل خرید خانه، کاهش بدهی و برنامه ریزی بلندمدت معرفی کند.
داده مالی؛ سوخت تازه رقابت در هوش مصنوعی و بانکداری باز
اتصال حساب مالی به چت جی پی تی را باید در چارچوب بزرگ‌تر اقتصاد داده دید. داده مالی یکی از حساس‌ترین و ارزشمندترین انواع داده شخصی است. الگوی هزینه، مبلغ تراکنش‌ها، بدهی‌ها، وام، سرمایه‌گذاری، اشتراک‌ها و جریان نقدی ماهانه فقط اطلاعات بانکی نیستند؛ این داده‌ها می‌توانند سبک زندگی، سطح درآمد، میزان ریسک پذیری، وضعیت شغلی، فشار مالی، عادت مصرف و حتی اولویت‌های خانوادگی فرد را نشان دهند. به همین دلیل، ورود هوش مصنوعی مولد به این حوزه، هم ظرفیت اقتصادی بزرگی دارد و هم حساسیت نظارتی بالایی ایجاد می‌کند.
در آمریکا، بحث بانکداری باز و حقوق داده مالی شخصی در سال‌های اخیر جدی‌تر شده است. مقررات مربوط به حق داده مالی شخصی که توسط نهاد حمایت مالی مصرف کننده آمریکا دنبال شده، بانک‌ها، اتحادیه‌های اعتباری و سایر ارائه دهندگان خدمات مالی را به سمت ارائه امن و قابل اتکای داده به مصرف کننده و اشخاص ثالث مجاز سوق می‌دهد. منطق این سیاست روشن است: داده مالی نباید فقط در اختیار بانک بماند، بلکه مصرف کننده باید بتواند آن را با سرویس‌های منتخب خود به اشتراک بگذارد. اما وقتی مقصد این داده‌ها یک مدل هوش مصنوعی مولد است، پرسش‌ها پیچیده‌تر می‌شود.
در مدل‌های کلاسیک بانکداری باز، داده‌ها معمولاً برای کاربردهایی مثل اعتبارسنجی، پرداخت، مدیریت هزینه یا نمایش حساب‌ها استفاده می‌شد. در مدل تازه، داده وارد محیطی می‌شود که توانایی تحلیل زبانی، ساخت سناریو، شخصی سازی پاسخ و اثرگذاری بر تصمیم کاربر را دارد. اینجا تفاوت مهمی شکل می‌گیرد. یک داشبورد مالی به کاربر نشان می‌دهد که ماه گذشته چقدر هزینه کرده، اما یک دستیار هوش مصنوعی می‌تواند به او بگوید کدام هزینه را کم کند، کدام بدهی را زودتر بپردازد یا چه مقدار پول نقد کنار بگذارد. همین جاست که مرز میان اطلاع رسانی، راهنمایی و مشاوره مالی حساس می‌شود.
اوپن ای آی برای کنترل این مرز تأکید می‌کند که ChatGPT جایگزین مشاور مالی حرفه‌ای نیست. با این حال، در عمل بسیاری از کاربران ممکن است پاسخ‌های شخصی سازی شده را شبیه توصیه مالی جدی تلقی کنند. این موضوع برای نهادهای نظارتی اهمیت دارد، زیرا خطای مدل، دسته بندی اشتباه تراکنش، برداشت نادرست از درآمد یا توصیه نامتناسب با ریسک کاربر می‌تواند آثار واقعی داشته باشد. خود اوپن ای آی نیز توضیح داده که دسته بندی هزینه‌ها ممکن است در مواردی مانند انتقال وجه، پرداخت کارت اعتباری، بازپرداخت‌ها یا تراکنش‌های تکراری دچار خطا شود.
اعتماد، شفافیت و حق کنترل کاربر
آمارهای Plaid نشان می‌دهد کاربران از ورود هوش مصنوعی به امور مالی استقبال می‌کنند، اما این استقبال بدون شرط نیست. ۷۵ درصد مصرف کنندگان گفته‌اند برایشان مهم است بدانند چه زمانی هوش مصنوعی در یک تصمیم مالی استفاده می‌شود. ۶۰ درصد گفته‌اند اگر استدلال هوش مصنوعی را بفهمند، اعتماد بیشتری می‌کنند. همچنین ۷۴ درصد مصرف کنندگان می‌خواهند امکان بازبینی تصمیم‌های مهم مالی مبتنی بر هوش مصنوعی را داشته باشند. این ارقام نشان می‌دهد اعتماد در بازار مالی هوشمند فقط با دقت فنی ساخته نمی‌شود؛ کاربر باید بداند چرا یک پیشنهاد دریافت کرده و چگونه می‌تواند آن را رد، اصلاح یا بررسی کند.
برای همین، طراحی محصول در این حوزه فقط مسئله رابط کاربری نیست. اگر کاربر بپرسد «آیا می‌توانم خانه بخرم؟» یا «کدام بدهی را اول پرداخت کنم؟»، پاسخ باید توضیح دهد که بر پایه چه داده‌هایی ساخته شده است. آیا درآمد ماهانه دیده شده؟ آیا هزینه‌های تکراری لحاظ شده؟ آیا بدهی کارت اعتباری با وام خودرو مقایسه شده؟ آیا سطح ریسک سرمایه‌گذاری در نظر گرفته شده؟ شفافیت الگوریتمی در امور مالی یعنی کاربر بتواند مسیر استدلال را بفهمد، نه اینکه فقط یک توصیه ظاهراً مطمئن دریافت کند.
اوپن ای آی گفته این تجربه را با مشارکت بیش از ۵۰ متخصص مالی ارزیابی کرده است. طبق ارزیابی داخلی شرکت، مدل جی پی تی ۵.۵ تینکینگ امتیاز ۷۹ از ۱۰۰ و مدل جی پی تی ۵.۵ پرو امتیاز ۸۲.۵ از ۱۰۰ گرفته‌اند. این اعداد برای نشان دادن تلاش شرکت در زمینه کیفیت مفیدند، اما باید با احتیاط خوانده شوند، زیرا معیار داخلی شرکت جای ارزیابی مستقل و نظارت بیرونی را نمی‌گیرد. در امور مالی، حتی پاسخ‌هایی که در بیشتر موارد درست هستند، اگر در موقعیت حساس اشتباه کنند، می‌توانند اعتماد عمومی را مخدوش کنند.
حساسیت حریم خصوصی نیز در این حوزه دوچندان است. Plaid در گذشته با پرونده حقوقی مربوط به حریم خصوصی روبه رو شده بود و در نهایت تسویه‌ای به ارزش ۵۸ میلیون دلار تأیید شد. موضوع آن پرونده به ادعاهایی درباره شیوه استفاده از اطلاعات ورود بانکی و جمع آوری داده مالی مصرف کنندگان مربوط بود. این سابقه لزوماً به معنی ناامن بودن همکاری فعلی اوپن ای آی و Plaid نیست، اما نشان می‌دهد اعتماد در بازار داده‌های مالی به سادگی ساخته نمی‌شود و هر محصول تازه‌ای در این حوزه زیر ذره بین افکار عمومی و نهادهای نظارتی قرار می‌گیرد.
از سلامت تا مالی؛ مسیر تخصصی شدن ChatGPT
حرکت تازه اوپن ای آی را می‌توان در ادامه تلاش این شرکت برای ساخت تجربه‌های تخصصی در حوزه‌های حساس دید. پس از معرفی قابلیت‌هایی برای پاسخ گویی تخصصی‌تر در حوزه‌هایی مانند سلامت، اکنون امور مالی شخصی به یکی از میدان‌های اصلی رقابت تبدیل شده است. شباهت این دو حوزه روشن است: هر دو به شدت شخصی، حساس و پرریسک هستند. کاربر در هر دو حوزه به دنبال پاسخ ساده است، اما تصمیم اشتباه می‌تواند پیامد جدی داشته باشد. به همین دلیل، هرچه ChatGPT به داده‌های واقعی‌تر و حساس‌تر نزدیک شود، مسئله مسئولیت و نظارت پررنگ‌تر می‌شود.
در حوزه مالی، پیامد اقتصادی این حرکت می‌تواند فراتر از کاربران طرح Pro باشد. طرح Pro با قیمت ماهانه ۲۰۰ دلار ابتدا بازار کوچک‌تر اما پردرآمدتری را هدف می‌گیرد. این انتخاب از نظر تجاری قابل فهم است، چون کاربران حرفه‌ای و پرمصرف احتمالاً هم تمایل بیشتری به آزمایش قابلیت جدید دارند و هم داده و بازخورد دقیق‌تری ارائه می‌کنند. اما اگر این قابلیت بعداً به کاربران Plus و سپس گروه گسترده‌تری از کاربران برسد، دامنه اثر آن می‌تواند از یک محصول ممتاز به یک رفتار عمومی در مدیریت پول تبدیل شود.
در چنین شرایطی، بانک‌ها، شرکت‌های کارت اعتباری، اپلیکیشن‌های بودجه بندی، کارگزاری‌ها، مشاوران مالی دیجیتال و پلتفرم‌های هوش مصنوعی همگی در یک زمین مشترک رقابت خواهند کرد. پرسش اصلی این نیست که چه کسی داده را نگه می‌دارد؛ پرسش این است که چه کسی بهتر می‌تواند داده را به تصمیم قابل فهم تبدیل کند. اگر کاربر با یک پرسش ساده در ChatGPT بتواند بفهمد پولش کجا خرج شده، کدام بدهی فشار بیشتری دارد، کدام اشتراک غیرضروری است و برای هدف مالی بعدی چه مسیری منطقی‌تر است، ارزش اقتصادی این ابزار از سطح یک قابلیت نرم افزاری فراتر می‌رود.
Dame Meg Hillier، رئیس کمیته خزانه داری پارلمان بریتانیا، درباره استفاده از هوش مصنوعی در خدمات مالی هشدار داده که نهادهای عمومی مالی باید با سرعت گسترش AI همگام شوند و او احساس اطمینان نمی‌کند که سیستم مالی برای یک حادثه بزرگ مرتبط با هوش مصنوعی آماده باشد. این هشدار نشان می‌دهد نگرانی درباره محصولاتی مانند اتصال حساب مالی به چت جی پی تی، فقط نگرانی فردی درباره حریم خصوصی نیست. مسئله بزرگ‌تر این است که اگر تصمیم‌های مالی میلیون‌ها نفر به تدریج تحت تأثیر مدل‌های هوش مصنوعی قرار گیرد، خطای جمعی، سوگیری مدل یا ابهام مسئولیت می‌تواند به یک موضوع سیستماتیک تبدیل شود.
با این حال، جذابیت اقتصادی این مسیر برای مصرف کننده و شرکت‌های فناوری آشکار است. کاربری که از میان چند اپلیکیشن، چند کارت، چند بدهی و چند هدف مالی عبور می‌کند، به ابزاری نیاز دارد که فقط داده را نمایش ندهد، بلکه آن را معنا کند. چت جی پی تی با اتصال به حساب‌های مالی، دقیقاً در تلاش است همین جایگاه را بگیرد؛ جایگاهی میان بانک، مشاور مالی، اپلیکیشن بودجه بندی و دستیار شخصی. ارزش این جایگاه در اقتصاد دیجیتال بسیار بالاست، زیرا هر شرکتی که بتواند در لحظه تصمیم مالی کنار کاربر باشد، فقط یک سرویس ارائه نمی‌دهد؛ بخشی از رفتار مالی روزمره او را شکل می‌دهد.
