AI ÉS PÉNZÜGYEK · ELEMZÉS
Egyre többen fordulnak mesterséges intelligenciához pénzügyi kérdéseikkel, miközben a legújabb nemzetközi kutatások szerint a chatbotok még mindig jelentős hibákat véthetnek. Megnéztük, mire használhatók biztonságosan, hol kezdődnek a kockázatok, és mitől lehet megbízhatóbb egy AI által adott válasz.
Egy vállalkozó levelet kap a NAV-tól. Nem tudja pontosan, mit jelent a felszólítás, és a könyvelőjét sem éri el. Ahelyett, hogy jogszabályokat keresne, bemásolja a kérdését a ChatGPT-be. Néhány másodperc múlva megérkezik a válasz, amely nemcsak értelmezi a helyzetet, hanem konkrét teendőket és határidőket is javasol. A szöveg érthető, határozott, és akár jogszabályokra is hivatkozik. Egyetlen probléma marad: honnan lehet tudni, hogy helyes-e?
A kérdés ma már jóval túlmutat a ChatGPT-n. A Google Gemini, az Anthropic Claude és más generatív mesterségesintelligencia-rendszerek ugyanilyen könnyen hozzáférhetők. Közös technológiai alapjukat a nagy nyelvi modellek adják, amelyek képesek természetes nyelven válaszolni, dokumentumokat elemezni és összetett információkat összefoglalni. A pénzügyi és adózási kérdések azonban sajátos feladatot jelentenek számukra: itt egyetlen téves összeg, rosszul alkalmazott kivétel vagy elavult jogszabály is komoly következményekkel járhat.
A 2026-ban megjelent nemzetközi kutatások alapján az AI már használható pénzügyi tájékozódásra, de a megbízhatósága nagymértékben függ attól, milyen kérdést tesznek fel neki, milyen adatokhoz fér hozzá, és ellenőrzi-e valaki a válaszát.
Több mint tízezer válasz, meglepően sok hiba
Szeptemberben a brit Saturn pénzügyi technológiai vállalat egy vizsgálat eredményeit hozta nyilvánosságra, amelyben 18 mesterségesintelligencia-modell pénzügyi válaszait elemezték. A teszt során 121, személyes pénzügyekkel kapcsolatos kérdést tettek fel a rendszereknek, több alkalommal megismételve őket. Összesen több mint tízezer választ értékeltek.
A kutatás szerint a válaszok átlagosan 57 százaléka hibásnak vagy hiányosnak bizonyult. Az összetettebb kérdéseknél az arány tovább romlott. A vizsgálatban olyan problémákat is azonosítottak, mint a számítási hibák, a megváltozott adószabályok figyelmen kívül hagyása vagy nem létező pénzügyi előírások említése.
Az eredmény első pillantásra azt sugallhatja, hogy az AI pénzügyi kérdésekben gyakrabban téved, mint ahányszor helyesen válaszol. Ezt azonban nem lehet általános érvényű következtetésként levonni. A Saturn vizsgálata brit pénzügyi kérdésekre épült, a vállalat maga is érdekelt a pénzügyi AI-megoldások piacán, a kutatás pedig nem szakmailag lektorált tudományos publikáció. Az 57 százalék tehát nem a ChatGPT általános hibaaránya, és különösen nem alkalmazható automatikusan a magyar adórendszerre.
A vizsgálat mégis egy lényeges problémára világít rá. A mesterséges intelligencia válaszainál a tévedés nem feltétlenül nyilvánvaló. Előfordulhat, hogy egy magyarázat nagy része helyes, de kimarad belőle egy feltétel, amely alapvetően megváltoztatja a következtetést. Egy adókedvezmény ismertetése például önmagában kevés, ha a rendszer nem tisztázza, hogy az adott vállalkozó egyáltalán jogosult-e rá.
A német adójogi vizsgákon is nehézségekbe ütközött az AI
Hasonló problémát vizsgáltak a Friedrich-Alexander-Universität Erlangen-Nürnberg kutatói, akik 2026-ban tették közzé a SteuerLLM elnevezésű, német adójogra specializált nyelvi modelljükről szóló munkájukat.
A kutatáshoz 115, szakértők által ellenőrzött vizsgakérdésből álló tesztet állítottak össze korábbi egyetemi adójogi feladatok alapján. A kérdések hat szakterületet fedtek le, köztük a személyi jövedelemadót, a társasági adózást, az áfát és az adóeljárási szabályokat.
A vizsgálatban a legtöbb általános célú, nyílt modell a megszerezhető összpontszám 25 százalékát sem érte el. A kifejezetten német adójogi feladatokra fejlesztett SteuerLLM több általános modellnél jobban teljesített, ami arra utal, hogy a szakterületre szabott fejlesztés érdemben javíthatja az eredményeket.
A százalékokat itt sem szabad összekeverni a hibás válaszok arányával. A kutatók részpontszámokat is adtak, és a teszt egyetemi vizsgafeladatokra épült, nem valós ügyfelek teljes körű adózási problémáinak megoldására. A modellek a válaszadás során nem kaptak hozzáférést naprakész jogszabály-adatbázishoz sem.
A tanulmány jelentősége mégis túlmutat az egyetemi vizsgákon. Megmutatja, hogy a jogi és adózási feladatoknál nem elegendő ismerni egy szabályt. Fel kell ismerni az alkalmazás feltételeit, értelmezni kell a kapcsolódó rendelkezéseket, és sokszor számításokat is el kell végezni. Egy általános magyarázat és egy konkrét adókötelezettség meghatározása között ezért lényeges különbség van.
Az OECD szerint nem az AI használata, hanem annak módja a döntő
Az OECD 2026 júliusában publikált, Artificial intelligence and personal finance című tanulmánya szélesebb összefüggésben vizsgálta a mesterséges intelligencia szerepét a személyes pénzügyekben.
A 42 oldalas elemzés szerint az AI javíthatja a pénzügyi információk hozzáférhetőségét, segítheti a pénzügyi ismeretek elsajátítását, és személyre szabottabb magyarázatokat biztosíthat. Ugyanakkor a téves információk, az elfogultság, a kereskedelmi befolyás és az adatvédelmi problémák jelentős kockázatot jelentenek. Az OECD arra is felhívja a figyelmet, hogy a pénzügyi jóllétre gyakorolt hosszú távú előnyök még bizonytalanok. Ez a kettősség a mindennapi használatban is megjelenik. Ha valaki szeretné megérteni a bruttó és nettó összeg közötti különbséget, egy AI-chatbot érthető magyarázatot adhat, példákkal szemléltetheti a fogalmakat, és lehetőséget biztosít arra, hogy a felhasználó további kérdéseket tegyen fel.
Más a helyzet akkor, ha ugyanaz a felhasználó arra kíváncsi, mennyi adót kell fizetnie egy konkrét ügylet után. Ehhez már ismerni kell az alkalmazandó ország és adóév szabályait, az ügylet körülményeit, az esetleges mentességeket és a kapcsolódó kötelezettségeket.
Vegyük például a használt ruhák online értékesítését. Arra a kérdésre, hogy kell-e adót fizetni a Vinteden eladott ruhák után, nem feltétlenül elegendő egyetlen összeghatárt közölni. A válasz attól is függhet, hogy valaki saját használt tárgyait értékesíti-e alkalomszerűen, vagy rendszeresen, továbbértékesítési céllal kereskedik. A két helyzet adózási megítélése eltérhet.
Egy chatbot könnyen adhat olyan választ, amely az egyik esetre helyes, a másikra viszont nem. Ha előtte nem teszi fel a szükséges tisztázó kérdéseket, a felhasználó nem is feltétlenül veszi észre a különbséget.
A forrásmegjelölés önmagában nem bizonyíték
A mesterségesintelligencia-rendszerek fejlődésével egyre több chatbot képes internetes keresésre, dokumentumok feldolgozására és források megjelölésére. Ez fontos előrelépés, hiszen a válasz így nem kizárólag a modell korábban megtanult információira támaszkodik.
A hivatkozás megléte azonban még nem garantálja, hogy a rendszer helyesen értelmezte a forrást. Egy jogszabály létezhet, de elképzelhető, hogy már módosították, csak egy korábbi adóévre vonatkozott, vagy a kérdéses helyzetre egyáltalán nem alkalmazható.
Magyar adózási kérdésnél ezért nem elég, ha a chatbot megnevez egy törvényt vagy egy NAV-tájékoztatót. Az eredeti dokumentumot is érdemes megnyitni, ellenőrizni a hatályos időállapotot, és megvizsgálni, hogy a rendelkezés valóban az adott ügyre vonatkozik-e.
A számítások külön figyelmet igényelnek. Egy rendszer helyesen magyarázhatja el egy adónem működését, miközben hibás összeget számol, rossz időszakot vesz figyelembe, vagy nem alkalmaz egy releváns kedvezményt. A nyelvi pontosság, a jogértelmezés és a matematikai helyesség három különböző követelmény.
A pontosság mellett az adatvédelem is kérdés
A pénzügyi chatbotok használatának van egy kevésbé látványos kockázata is. Egy konkrét adózási helyzet megértéséhez a felhasználók gyakran számlákat, szerződéseket, bevételi adatokat vagy hivatalos leveleket töltenek fel. Ezek a dokumentumok személyes adatokat, üzleti titkokat és más érzékeny információkat tartalmazhatnak.
Az OECD a pénzügyi AI-használat egyik külön kockázataként azonosította az adatvédelmet. Nem minden chatbot működik azonos adatkezelési feltételekkel. Eltérhet, hogy egy szolgáltatás meddig őrzi meg a feltöltött dokumentumokat, kik férhetnek hozzájuk, és milyen beállítások szabályozzák az adatok további felhasználását.
Pénzügyi dokumentumok feltöltése előtt ezért indokolt ellenőrizni a szolgáltatás adatkezelési feltételeit, és ahol lehetséges, eltávolítani a feladat megoldásához nem szükséges személyazonosító adatokat. Egy általánosított példán keresztül sokszor anélkül is megérthető egy szabály, hogy a teljes könyvelési dokumentációt át kellene adni egy külső rendszernek.
Segítség a tájékozódásban, de nem automatikus döntéshozó
A nemzetközi kutatások nem azt mutatják, hogy a mesterséges intelligenciának nincs helye a pénzügyekben. Ellenkezőleg: az információk rendszerezésében, a bonyolult fogalmak érthetővé tételében és a döntések előkészítésében valódi lehetőségeket kínál. A szakterületre fejlesztett modellek és az ellenőrzött adatbázisok használata ráadásul tovább javíthatja a teljesítményét.
A rendelkezésre álló bizonyítékok alapján ugyanakkor nem indokolt a chatbotok válaszait automatikusan hiteles, személyre szabott adózási vagy pénzügyi tanácsnak tekinteni. A technológia képességei gyorsan változnak, és egy adott modell adott kérdéssoron mért eredménye nem vetíthető ki valamennyi rendszerre és feladatra.
A lényegi különbség a tájékozódás és a döntés között húzódik. Egy AI-chatbot segíthet megérteni, milyen szabályok lehetnek relevánsak, milyen dokumentumokra lehet szükség, és milyen kérdéseket érdemes tisztázni. Amikor azonban a válasz alapján bevallást nyújtanak be, adót fizetnek, szerződést kötnek vagy jelentős pénzügyi döntést hoznak, az információkat a konkrét körülmények és az aktuális előírások alapján kell ellenőrizni.
A legfontosabb kérdés tehát nem az, hogy megkérdezhetjük-e a ChatGPT-t az adózásról. Hanem az, hogy a kapott választ képesek vagyunk-e ellenőrizni, mielőtt annak alapján cselekszünk.
A cikk forrásai
Az alábbiak az elemzés elsődleges szakmai forrásai, illetve a brit vizsgálat eredményeit ismertető sajtóforrás.
OECD (2026)
Artificial intelligence and personal finance. OECD Artificial Intelligence Papers, No. 62, 2026. július 21.
Wind és szerzőtársai (2026)
SteuerLLM: Local specialized large language model for German tax law analysis. Scientific Reports. A kutatás korábbi változata 2026 februárjában jelent meg.
Saturn (2026)
Artificial Authority: Should you trust AI to deliver financial advice? Brit vállalati vizsgálat, 2026. szeptember. Az eredmények sajtóismertetése:
A Saturn eredeti vizsgálata · Financial Times – a vizsgálat bemutatása
Kapcsolódó elemzések
Amikor a ChatGPT gondolkodik a pénzügyi vezető helyett