در سال‌های اخیر، ورود گسترده ابزارهای مبتنی بر هوش مصنوعی به بازارهای مالی، الگوهای تصمیم‌گیری سرمایه‌گذاران را به طور اساسی تغییر داده است. سرمایه‌گذاران خرد، که اغلب با محدودیت‌های شناختی و خطاهای رفتاری نظیر بیش‌اطمینانی، لنگراندازی، ترس از زیان و رفتار گله‌ای مواجه هستند، بیش از سرمایه‌گذاران نهادی از این تحولات تأثیر می‌پذیرند. بررسی تأثیر AI بر کارایی تصمیم‌گیری مالی این گروه اهمیت زیادی دارد، زیرا تصمیمات آنان بر کارایی کلی بازار سرمایه اثرگذار است.
پژوهش حاضر با رویکرد کمی و روش پیمایشی انجام شد. جامعه آماری شامل سرمایه‌گذاران حقیقی فعال در بورس اوراق بهادار تهران و فرابورس ایران بود که حداقل یک سال سابقه معامله و تجربه استفاده از ابزارهای AI (مانند ربات‌های مشاور سرمایه‌گذاری یا اپلیکیشن‌های هوشمند) داشتند. نمونه‌گیری به صورت در دسترس بود و از ۵۳۸ پرسشنامه توزیع‌شده، ۵۰۰ مورد معتبر برای تحلیل نهایی انتخاب شد. ابزار گردآوری داده‌ها پرسشنامه استاندارد با ۲۹ گویه بر پایه مقیاس پنج‌درجه‌ای لیکرت بود که هفت سازه کلیدی مدل (قابلیت‌های AI، کیفیت اطلاعات، شفافیت، اعتماد به AI، کاهش سوگیری‌های رفتاری، وابستگی بیش‌ازحد، و کارایی تصمیم‌گیری) را اندازه‌گیری می‌کرد. تحلیل داده‌ها با استفاده از مدل‌سازی معادلات ساختاری به روش حداقل مربعات جزئی (PLS-SEM) در نرم‌افزار SmartPLS نسخه ۴ و با بوت‌استرپینگ ۵۰۰۰ تکراری انجام گرفت.
یافته‌ها نشان داد که قابلیت‌های فنی AI (β=0.291) و کیفیت اطلاعات ارائه‌شده (β=0.380) اثر مثبت مستقیم بر کارایی تصمیم‌گیری دارند. کاهش سوگیری‌های رفتاری قوی‌ترین مسیر مثبت (β=0.427) بود، در حالی که وابستگی بیش‌ازحد اثر منفی معنادار (β=-0.175) داشت. شفافیت AI قوی‌ترین تأثیر را بر اعتماد (β=0.628) نشان داد و اعتماد اثر مثبت مستقیم ضعیف(β=0.220) اما منفی غیرمستقیم (از طریق وابستگی) بر کارایی ایجاد کرد. ضریب تعیین مدل برای سازه کارایی تصمیم‌گیری 0.615 بود که قدرت تبیین قوی را تأیید می‌کند.
نوآوری اصلی پژوهش، یکپارچه‌سازی همزمان عوامل روان‌شناختی (اعتماد، وابستگی و سوگیری‌ها) با ویژگی‌های فناوری AI در یک مدل تجربی منسجم برای بازار ایران است. این مدل پایه‌ای برای تحقیقات آتی فراهم می‌آورد و به سیاست‌گذاران، نهادهای نظارتی و طراحان ابزارهای هوشمند کمک می‌کند تا ضمن بهره‌برداری از مزایای AI، ریسک‌های رفتاری را کاهش دهند، مثلاً با افزودن مکانیزم‌های شفافیت الگوریتمی و هشدارهای ضد وابستگی در پلتفرم‌های مالی.