AI投研从信息差转向认知差
核心方法
把 AI 用于公开信息获取、结构化、校验和并行任务执行，把人的时间留给私域信息、隐性信号、独立判断与责任承担。机构层面应把优秀研究员的方法沉淀成可调用 Skills 与内部知识库，而不是只部署一个通用聊天入口。
适用场景
- 日报、财报、纪要等高频标准化处理。
- 多来源证据交叉、逻辑校验与异常提醒。
- 将研究框架封装为可复用工作流，并在事件发生时自动触发。
具体步骤
- 将检索、数据、模型、写作和合规拆成可审计步骤。
- 让 Agent 并行执行相互独立的任务，保留来源、失败状态与中间证据。
- 人工负责差异化信息、非共识判断、最终仓位与风险责任。
- 把复盘结论回流知识库和 Skills，形成组织级迭代。
边界
AI 会抬高行业合格线，也可能因同源数据和同类模型放大羊群与流动性风险。文中披露金融和投资分析师可被 AI 辅助或自动化的任务占比达 57%，但工作流真实整合比例仍只有约 15%，说明能力上限与落地成熟度不可混为一谈。