AI都會理財了，未來還需要理專嗎？當「好答案」變便宜，理專該有的3個新角色

58歲的林先生走進銀行貴賓室。他坐下後沒有寒暄，直接把手機推到理專面前。螢幕上是他前一晚和 AI 的對話：他問了自己的退休缺口，問了最近的市場波動，也問了該不該把手上的平衡型基金，換成高股息 ETF。AI 回了一份條理分明的分析。

「我想好了，」林先生說，「今天來辦手續。」

理專原本準備了一整疊市場觀點和產品 DM，一張都沒機會拿出來。這場會面的結論，在她開口之前就已經寫好了。她的角色，從「幫客戶想怎麼做」，變成了「幫客戶把交易辦完」。

客戶還是找理專。他只是不再問理專意見了。

AI 的答案，已經及格了

多項調查顯示，美國與英國已有超過一半的成年人曾向 AI 問過理財問題，人數很可能已經超過找真人顧問的人。

2026 年 5 月，MIT 史隆管理學院助理教授喬克曼（Taha Choukhmane）與史丹佛大學的合作者，發表了一篇工作論文〈AI 理財建議：供給、需求與生命週期意涵〉（AI Financial Advice: Supply, Demand, and Life Cycle Implications）。

這項研究的設計是這樣做的，先請 1,000 位受試者，寫下自己會怎麼向 AI 描述處境、問該存多少、問該怎麼投資；再把這些真人寫的問題丟進 ChatGPT 與 Gemini，模擬一個人從 22 歲工作到 90 歲，途中還會遇到失業這類隨機衝擊。

這項研究的結論，對許多金融從業人員而言無疑是個警訊。

如果客戶真的照著 AI 的建議走，人們存錢、花錢、投資的方式，可能會更好，因為會更接近教科書建議的方法：工作時多存、退休後動用，年輕時重押分散的股票基金，45 歲之後逐步降低風險。

研究者甚至明說，AI 有機會解決傳統金融顧問常犯的幾個老問題：收費高、有偏誤、有利益衝突。

AI 還會主動提醒客戶自己都沒想到的事。受試者裡只有 6% 提到資金的流動性問題，而AI 的回答卻有 83% 談到它。也就是說，AI已經會提醒客戶要先留足緊急預備金這件事了!

如果理專的價值，只是「給一個看起來還不錯的投資產品建議」，這份價值正在快速變便宜。

差距不在 AI，在問題

然而，這份研究同時也揭示了另一個關鍵：差距不只在於 AI，更在於提問者，那就是同樣的 AI，同樣的收入與報酬假設，只因為提問的人金融素養較低，模擬到 60 歲的財富，就比高素養者少了將近 5 萬美元。從來沒用 AI 問過投資理財的人，那落差還更大。

性別也出現落差，研究者發現，大部分差距並不來自性別本身，而是來自提問方式：女性比較常寫「家庭」「買菜」「薪水」，而男性比較常寫「策略」「成長」「加密貨幣」。剩下的一小部分，則是 AI 把性別本身也當成了調整建議的訊號，這一點同樣值得業界警惕。

如果AI 讀到的是生活，就傾向給出跟生活有關的答案；如果讀到的是策略，就傾向給策略的答案。同一個AI模型，面對不同的人，就成為不同的顧問。

研究的學者喬克曼也提醒我們：好的財務結果，取決於好的模型，也取決於好的問題，以及是誰在問。

AI 還做不好的三件事

這份研究同時也點出 AI 的三個缺陷：客戶收入突然中斷時，它不太會調整支出建議；面對投資組合，它是被動地讓比重漂移，而不是主動再平衡；到了退休階段，它建議的逐步提領偏少，等於讓人有錢會不敢花。

但研究同時也發現了一個奇怪之處，即使研究者改用更專業、更完整的提示詞去問，消費與儲蓄的建議改善了，再平衡調整卻依然沒有起色。

晨星（Morningstar）每年的「Mind the Gap」研究，正好可以拿來對照。截至 2025 年底的十年間，美國共同基金與 ETF 本身的年化報酬是 9.9%，投資人實際拿到的，平均只有 8.7%。越容易交易、波動越大的基金產品，這項缺口的差距就越大。

最極端的是現貨比特幣 ETF：從 2024 年 1 月上市到 2026 年 6 月底，基金本身年化賺了 8.5%，投資人平均卻是年化虧損 5.8%。基金賺錢，投資人卻賠錢了。更準確的來說，這不是比特幣 ETF 本身讓人賠錢。晨星算的「投資人報酬」是依資金進出加權的報酬，差距主要來自資金在大漲之後湧入、下跌時撤出。在台灣經歷過這兩年高股息 ETF 申購熱潮的人，應該對這種劇本不會太陌生。

理專該有的三個新角色

當人們越來越常詢問AI投資的問題時，過去長期擔任這個角色的金融從業人員或理專就不得不認真思考自己的定位與價值方向了。

我個人認為可以從下面三個角色去思考AI時代，未來金融從業人員的新價值角色:

第一，問題的設計者。

客戶問 AI 時，只說得出自己想到的；理專看得到他沒想到的：保單的保障缺口、信託的安排、父母的照護、子女的教育，還有稅。理專最該做的，是把客戶的生活語言，翻譯成一個完整的財務問題。

理專該擔心的，不是客戶用 AI，而是客戶用 AI，卻問錯了問題。好的理專，會讓客戶更懂得如何正確的問 AI。

第二，人生衝擊的應變者。

被資遣、生病、繼承、離婚、提早退休、父母失能，這些正是 AI 最不擅長調整的時刻，也是客戶最需要有人陪他重排順序的時候。台灣已經進入超高齡社會，這樣的時刻只會越來越多。

第三，紀律的守門人。

退休提領，要在「花太快」和「不敢花」之間，找到可持續的節奏。這兩件事，連最好的提示詞都救不了，需要的是制度和專業顧問的陪伴。

這也意味著，銀行的 AI 不該只是在理專 App 裡多開一個聊天視窗。

更好的設計，是讓 AI 當投資的副駕駛 (AI投資長)：客戶來之前，先列出他沒問到的問題；人生出現變故時，事先模擬出幾種調整方案；市場大跌時，提醒哪些計畫已經偏離、該調整了。AI 負責看得更全、算得更快，理專負責判斷、溝通，並為決定負責。

要改的不是工具，是理專的工作流程。

角色要改變，考核也需要改變

理專要轉型，考核也需要調整。如果績效只看 AUM 和手續費，所有人自然會被推回「幫客戶辦交易」的位置。過去我們考核的，是客戶買了多少產品，金融機構賺了多少手續費；AI 時代更該追蹤的，是客戶的財務計畫有沒有變得更好。這和MIT 的研究發現，其實是同一件事。

說得出來問題的客戶，在市場慌亂時比較不會亂動；回家問 AI 的時候，也會問得比較好。

金管會 2024 年發布的「金融業運用人工智慧（AI）指引」，也強調金融機構要對 AI 的運用負責，並保留適當的人為監督。但監理保護的是「誰可以給建議」，保護不了「客戶有沒有自己問AI?」。

回到開頭的場景，當客戶走進銀行時，如果理專已經有一套工具，幾分鐘就能攤開林先生的退休現金流、提領風險和這次轉換的影響；甚至陪林先生把前一晚的問題重新問一次，把他沒提到的保單、父母照護和提領計畫補進去，那場會面可能會很不一樣。也許林先生最後還是換了 ETF。這沒有關係。重要的是，那是一個被問對、也被檢驗過的決定，而不只是一個被生成的決定。

AI 不是水晶球，理專也不是。這一行真正該競爭的，不是誰預測得準，而是誰能讓客戶在最慌張的時候，做出比較不後悔的決定。AI已經開始讓好答案變便宜了。

作者簡介_王儷玲

前金管會主委/台灣永續金融與企業影響力協會理事長/鑫友會會長