金融包容新纪元：利用人工智能赋能低至中等收入家庭 - FTW星期日社论

发现顶级金融科技新闻和事件！

订阅金融科技周刊的新闻通讯

由摩根大通、Coinbase、贝莱德、Klarna 等高管阅读

在本周日的社论中，我们金融科技周刊想与您分享一份由联邦公司带给我们的重要研究，这是一家致力于通过创新和合作为财务脆弱人群建立财务安全和机会的全国性非营利组织。

他们的**全民新兴技术 (ETA)倡议旨在揭示如何设计人工智能，真正服务于低收入和中等收入 (LMI)**家庭，这一群体在技术进步中常被忽视。

人工智能，尤其是对话式人工智能，已被广泛认可具有重塑金融服务的潜力。真正的挑战在于这些系统是否能为LMI家庭提供切实、可靠的支持，而不仅仅是服务于高收入、技术娴熟的用户。问题不仅在于获取途径，更在于设计出真正满足那些被技术进步抛在后面人群需求的工具。

理解风险

技术进步和可及性差异在历史上一直存在。人工智能系统，特别是那些面向金融服务的，常常以高收入用户的需求为目标。旨在提升某一群体便利性的工具，往往难以有效转化到另一群体。

联邦公司的研究数据显示了这一差距。虽然2023年近30%的美国成年人报告使用过人工智能，但其中真正属于LMI家庭的比例很少。这一差距反映出更深层次的问题：人工智能工具常在开发时未充分考虑LMI群体的具体需求和关切。这些系统可能具备先进功能，但在最需要的地方缺乏相关性。

2022年推出的生成式人工智能模型如ChatGPT引发的热潮，展示了这些系统提供可扩展、个性化财务指导的潜力。然而，这些工具主要面向拥有财务资源或技术流利度的用户。开发者和公司的热情尚未转化为对LMI家庭的实用、有效的解决方案。

建立信任与解决实际关切

信任仍是LMI群体是否接受人工智能系统的关键因素。对许多用户来说，人工智能系统不仅仅是技术工具；它们是必须展现真正价值、同时确保隐私和安全的服务。对数据安全和隐私的担忧仍然是采用的重大障碍。

根据联邦公司的研究，63%的用户担心人工智能的安全性，53%担心隐私。这些担忧反映出对感觉具有侵入性而非支持性的技术的普遍怀疑。人工智能工具常承诺便利，但未能充分说明它们如何保护用户的个人信息。

有趣的是，许多LMI用户并不将聊天机器人视为“人工智能”。他们认为它们是完成特定任务的工具，比如支付账单、查询余额或解决简单问题。这一认知为开发者提供了宝贵的洞察：人们不一定对人工智能这一概念感兴趣；他们关心的是能解决实际需求、无需繁琐操作的实用工具。

可信赖性通过一致性和清晰性建立。人工智能系统必须提供可靠、透明的服务，尊重用户隐私，赋能用户而非剥削。有效的工具通过实际、可衡量的成果证明其价值。

LMI用户真正想要的是什么

联邦公司的研究提供了关于LMI家庭真正需求的重要见解。他们寻求的是能帮助应对现实财务挑战的实用工具，而非为了技术炫耀而开发的复杂系统。

人工智能能立即发挥作用的领域包括预算、信用建立和支付处理。这些领域虽不华丽，但对实现财务稳定至关重要。联邦公司的实地测试显示，用户更喜欢提供简单、无评判性指导、注重易用性和可及性的AI工具。

财务不安全常伴有羞耻感和焦虑感，使得寻求帮助变得困难。设计能提供指导而不让用户感到被审视或评判的AI系统，更容易被接受。将实用性和同理心融入这些工具的结构中至关重要。

生成式人工智能的潜力与局限

生成式人工智能在提升金融服务方面具有巨大潜力。其提供个性化指导和实时洞察的能力，可能改变LMI家庭与金融系统的互动方式。然而，关于准确性、隐私和复杂性的实际担忧仍是重大障碍。

对许多LMI用户而言，生成式人工智能仍显不可靠。将聊天机器人从简单问答工具转变为全面财务指南的技术潜力令人期待，但需要持续、可靠的表现。设计能理解个人情况并提供定制建议的系统，可能会带来最大影响。

人工智能可能发挥作用的领域：公共福利和工作场所工具

联邦公司的研究还强调了人工智能在改善金融包容性方面的潜在领域。公共福利系统仍然复杂难懂。每年，估计有$140 十亿的政府援助因官僚障碍未被领取。能够简化资格审核和申请流程的AI工具，有望改善数百万人的可及性。

人工智能系统还能增强职场财务工具。将对话式人工智能整合到人力资源基础设施中的公司，可以帮助员工获取退休计划、应急储蓄等资源。提供清晰、个性化的福利指导，有助于提升整个员工队伍的财务素养和福祉。

以意图推动未来

联邦公司的研究结果揭示了一个关键真理：创建真正惠及LMI家庭的人工智能系统，不仅是技术挑战，更是伦理设计的问题。有效的工具必须理解那些被排除在技术进步之外的人的真实需求。

技术已然存在。剩下的挑战是构建可靠、包容、能满足特定需求的工具。人工智能的真正潜力，只有在它真正为所有人服务时，才能得以实现。