Flere og flere bruger kunstig intelligens til at få hjælp med deres investeringer. Men hvor god er ChatGPT egentlig til at tage højde for den enkelte investors økonomiske situation? Et nyt forskningsstudie fra MIT viser, at AI-modeller i overraskende høj grad baserer deres anbefalinger på én enkelt faktor.

Kunstig intelligens har på kort tid gjort investeringsrådgivning langt mere tilgængelig. I dag kan man beskrive sin økonomiske situation for ChatGPT og på få sekunder få et detaljeret forslag til, hvordan ens formue bør investeres.

Men er anbefalingerne egentlig så personlige, som de fremstår?

Det spørgsmål undersøger Jillian Ross og Andrew W. Lo fra Massachusetts Institute of Technology (MIT) i deres forskningsartikel One Size Fits None: Heuristic Collapse in LLM Investment Advice.

Forskerne konstruerer 1.000 fiktive investorprofiler med forskellige aldre, indkomster, opsparinger, investeringshorisonter og risikovillighed. Derefter beder de fire forskellige OpenAI-modeller om at sammensætte investeringsporteføljer ud fra 20 investeringsprodukter.

Resultaterne er bemærkelsesværdige.

Forskerne finder, at investorens selvrapporterede risikovillighed i mange af analyserne står for hele 57-88 pct. af den målte betydning af investorens karakteristika for porteføljeanbefalingerne. Andre forhold såsom alder, investeringshorisont og indkomst har ofte langt mindre betydning.

Forskerne kalder fænomenet heuristic collapse. Det beskriver, hvordan komplekse beslutninger, der burde bygge på mange forskellige oplysninger, i praksis reduceres til nogle få simple tommelfingerregler.

Problemet er, at der er stor forskel på, hvor meget risiko en investor ønsker at tage, og hvor meget risiko vedkommende faktisk kan bære.

Forestil dig to investorer, der begge fortæller ChatGPT, at de har høj risikovillighed. Den ene er 30 år med stabil indkomst og 30 år til pensionen. Den anden er 65 år med begrænset opsparing og skal snart bruge pengene til at finansiere sit forbrug.

Selvom de har samme risikovillighed, bør deres økonomiske situation naturligvis spille en væsentlig rolle for, hvordan deres formuer investeres.

Et andet interessant resultat er, at adgang til internetsøgning ikke nødvendigvis forbedrer rådgivningen. Forskerne finder, at modellerne generelt anbefaler mere diversificerede porteføljer, når de får adgang til internettet. Men for tre af de fire modeller bliver anbefalingerne samtidig mere ens på tværs af forskellige investorer.

Det betyder, at porteføljerne godt kan blive bedre diversificerede, uden at de nødvendigvis bliver bedre tilpasset den enkelte.

Forskerne finder også, at nyere AI-modeller generelt er mindre afhængige af simple tommelfingerregler end ældre modeller. Men selv de mest avancerede modeller har fortsat udfordringer med at integrere alle relevante oplysninger om investorens økonomi.

Det interessante er, at anbefalingerne stadig kan fremstå meget personlige. ChatGPT kan eksempelvis forklare en portefølje med henvisning til investorens alder, indkomst og tidshorisont, selvom disse oplysninger reelt har haft begrænset betydning for anbefalingen.

Der er altså forskel på at kunne formulere en overbevisende investeringsanbefaling og faktisk at have foretaget en grundig individuel vurdering.

Undersøgelsen bygger på fiktive investorer og et afgrænset udvalg af produkter, så resultaterne kan ikke nødvendigvis overføres til alle former for AI-baseret investeringsrådgivning.

Alligevel synes jeg, at studiet rejser en vigtig pointe. Kunstig intelligens er allerede et fantastisk værktøj til at forstå finansielle markeder, analysere virksomheder og lære om investeringer. Men det betyder ikke nødvendigvis, at modellerne er gode til at vurdere, hvilke investeringer der passer til netop din økonomi.

Måske er den største risiko ved AI-baseret investeringsrådgivning derfor ikke, at anbefalingerne er åbenlyst dårlige, men at de fremstår langt mere personlige og gennemtænkte, end de reelt er.

AI kan give os mange af svarene, men vi skal stadig være kritiske over for, hvordan den når frem til dem.

Artiklen bygger på forskningsstudiet "One Size Fits None: Heuristic Collapse in LLM Investment Advice" af Jillian Ross og Andrew W. Lo fra MIT, offentliggjort på arXiv i april 2026. Læs studiet her.

Denne kommentar er skrevet af André Thormann, senior aktieanalytiker hos Danske Bank.
Euroinvestor bringer i debatformatet 'Pengetanken' alle hverdage kommentarer fra vores faste panel på 15 eksperter i investering, boligøkonomi og privatøkonomi.

Alle kommentarer er udelukkende udtryk for den pågældende skribents egen holdning. Klummen er udelukkende til orientering og kan ikke betragtes som en opfordring om eller anbefaling til at købe eller sælge finansielle produkter.

Millionærklubben Eksklusiv: Danmarks største aktietalent
Køb dine billetter her: https://www.euroinvestor.dk/arrangementer
De sidste mange uger har det været muligt at spille med i Millionærklubbens Aktiespil, og selvom tusindvis af danskere har kastet sig helhjertet ind i kampen, blev det for mange også tydeligt, at det kan være særdeles vanskeligt at skabe gode afkast på kort tid.
Så hvad kan man lære af at konkurrere om titlen som Danmarks største aktietalent? Millionærklubben dykker ned i konkurrencen, ser på udvalgte porteføljer i spillet og debatterer, om der er grund til fortsat at satse på de aktier, som vinderne kastede sig over.
Hør også klubbens faste hold dele ud af de erfaringer, de selv fik i aktiespillet og få deres bud på vinderaktier i “den virkelige verden”.
Debatten styres af Millionærklubbens vært, Bodil Johanne Gantzel, og i panelet kan du møde:
Lau Svenssen, chefanalytiker hos Svenssen og Tudborg
Lars Persson, teknisk analytiker hos Aktierådet
Michael Friis Jørgensen, aktiechef hos HC Andersen Capital
Michelle Nørgaard, aktiestrateg og partner hos Lumina Ejendomme
I løbet af aftenen byder vi også på en forfriskning og lidt snacks, så du kan læne dig tilbage, blive inspireret af panelets ekspertviden og ikke mindst blive klogere på, hvordan du får mest muligt ud af dine investeringer.