你能识别人工智能的建议吗？人、机器或两者：财务建议的比较实验研究- 大数跨境

首页

你能识别人工智能的建议吗？人、机器或两者：财务建议的比较实验研究

扣子说AI

2026-03-02

导读：我是@扣子，视频号：扣子说AI，主要关注「AI工具｜科研学术 | 博士生活 | 网络创业｜自我提升」，利用AI

我是@扣子，视频号：扣子说AI，主要关注「AI工具｜科研学术 | 博士生活 | 网络创业｜自我提升」，利用AI工具提升科研效率和自我成长，每天必须读两篇论文才能睡得着，这是我在公众号发布的第【291】篇原创内容。

发表在Acta Psychologica

研究背景

研究问题：这篇文章研究了金融建议的来源（人类、AI或人机混合）对长期金融投资组合结果的影响。

研究难点：如何客观测量金融结果、如何基于社会交换理论和人际相互依赖框架探索双向遭遇对信任和接受度的影响。

相关工作：相关研究表明，消费者越来越倾向于使用AI进行个人财务管理，且对AI的信任程度不亚于人类顾问。然而，关于AI在金融建议中的有效性及其对客户信任和接受度的影响，尚缺乏系统的研究。

研究方法

这篇论文提出了一个准实验设计，用于解决金融建议来源对长期金融投资组合结果的影响问题。具体来说，准实验设计：研究采用了三种类型的顾问（人类、AI和人机混合），参与者被随机分配到其中一种条件，以确保等价性。

心理测量：使用适当的量表测量信任和双向遭遇的质量。信任被概念化为中介变量，探讨其在双向遭遇和接受度之间的作用。

嵌套蒙特卡罗模拟：使用嵌套蒙特卡罗模拟来测量投资组合结果，计算达到预期财务目标的概率。模拟包括一个外部循环和一个内部循环，分别运行100,000次模拟。

序列中介分析：使用PROCESS宏模型6进行序列中介分析，测试双向遭遇的子维度（互动参与、感知能力和情感气候）对信任和建议接受度的顺序影响。

实验设计

参与者：共招募了118名MBA学生，最终有93名参与者完成了研究。参与者年龄在21.94岁，男女比例接近。

材料和刺激：使用了一个假设的金融规划场景，要求参与者扮演Mr. Das的角色，在20年内实现210亿的投资目标。

顾问工具：开发了三种不同的顾问工具：人类顾问、AI顾问和人机混合顾问。AI顾问使用了LLM模型ChatGPT。

数据收集：在干预前后分别进行投资组合评估，并使用问卷测量信任、接受度和双向遭遇的质量。

结果与分析

成功率：干预后，平均成功率从0.012提高到0.041，表明所有类型的顾问都提高了投资组合的成功率。然而，AI和人机混合组的成功率显著高于人类组。

信任和接受度：尽管三组的信任水平相似，但AI组的接受度显著高于人类组。具体来说，AI组的接受率为81.8%，而人类组为63.3%。

序列中介分析：双向遭遇的质量通过互动参与、感知能力和情感气候正向影响信任，进而影响建议的接受度。AI组中，信任几乎完全取决于双向遭遇的质量，而在人类组中，信任的形成依赖于更结构化的心理路径。

总体结论

这项研究表明，不同类型的金融顾问都会提高投资组合的成功率，但AI和人机混合顾问的表现优于纯人类顾问。信任在建议接受度中起关键作用，AI顾问通过高质量的双向遭遇建立了信任，而人类顾问则依赖于声誉和个人特质。未来的金融服务业可以利用AI框架，通过关注校准信任来实现人机协作，从而提供更有效的财务建议。

摘要原文

The study tested if the source of financial advice (Human, AI or Human-AI Hybrid) impacted the outcome of a long-term financial portfolio using a quasi-experimental design with 93 participants. We objectively measured the financial outcomes. By grounding the study in social exchange theory and the Interpersonal Interdependence Framework, we explored the impact of dyadic encounter on trust and acceptance of advice. While every advisor type improved portfolio outcomes, the groups using AI and Hybrid models saw higher success rates compared to the human-only group. While the absolute trust level did not differ across groups, an interesting discovery was how that trust was built. We found that trust in AI isn't an immediate emotional response, but a psychological roadmap where interaction quality builds trust. Participants exhibited less trust towards human advisors compared to AI advisors, as trust is built upon reputation and personal attributes. Our results suggest that AI does not destroy trust, but shifts the reason of trust from personal rapport to process-based interaction. A hybrid model can be a good alternative that can maintain performance of AI while allowing for Human oversight. The future of the financial industry may not have to choose between human or machines. They could potentially utilize AIbased Frameworks by focusing on Calibrated trust.

DOI:https://doi.org/10.1016/j.actpsy.2026.106530