投资管理中的 AI：前线的 5 堂课

资产管理行业正处于一个关键转折点，人工智能（AI）正在重新塑造许多传统流程和决策框架。从投资组合管理到公司分析，AI 的能力提供了前所未有的机会，以提高效率、扩大专业知识并发现新的见解。同时，它也带来了风险，包括过度依赖、监管挑战和伦理考虑。

本文总结了前线经验中的教训，汇集了投资专家、学者和监管机构的见解，他们正在为金融专业人士合著一份双月通讯《投资管理中的增强智能》。

在这里，我们将探讨人工智能对投资行业的变革性影响，重点关注其应用、局限性以及对专业投资者的影响。通过研究最新的研究成果和行业趋势，我们旨在为您提供实用的应用方法，以应对这一不断变化的环境。

第1课：增强，而非自动化

AI 在投资管理中的主要价值在于^{增强人类能力}而非取代人类。根据 2025 年 ESMA 的报告，在欧盟的 44000 只 UCITS 基金中，仅有 0.01%的基金明确在其正式的投资策略中纳入了 AI 或机器学习（ML）[^1]。尽管采用率很低，但 AI 工具，尤其是大型语言模型（LLMs），正越来越多地在后台支持研究、提高生产力和决策过程。例如，生成式 AI 帮助合成大量数据集，使更快地分析市场趋势、监管文件或 ESG 指标成为可能。

布林约夫森、李和雷蒙德 2025 年的研究显示，AI 能够放大人类的专业知识，尤其对经验较少的专业人士来说。在一项针对客户服务代理的现场实验中，AI 辅助降低了平均处理时间并提高了客户满意度，其中最显著的改进出现在初级员工中[^2]。这表明，在投资环境中，AI 可以普及专业知识，使经验较少的投资专业人士能够更准确地完成复杂的任务，如财务建模。

实用见解 : 对于经验较少的投资专业人士，投资公司可能会部署 AI 工具来提高他们的工作效率，例如自动化数据收集或生成初步研究草稿。而对于经验丰富的专业人士来说，他们则可以更多地利用 AI 进行假设测试和情景分析。

第2课：增强战略决策能力

AI 的影响不仅限于运营效率的提升，还影响着战略决策。Csaszar、Katkar 和 Kim 在 2024 年的一篇文章中指出，AI 有可能进行波特的五力分析[³]。AI 还可以充当“魔鬼的代言人”，识别风险和反论点，以减轻群体思维——这对投资团队来说是一个重要的优势。此外，基于自然语言处理（NLP）的 AI 驱动的情感分析工具可以解析财报电话会议、社交媒体或新闻，以评估市场情绪，为投资者提供潜在的优势。

然而，AI 的“黑箱”性质带来了挑战。2024 年的一项研究在《人工智能前沿》杂志中指出，AI 的不透明性引发了监管和信任方面的担忧[4]。可解释 AI（XAI）框架通过提供模型输出的透明度，正在成为与现有法规相一致的潜在解决方案。

实用见解： 对于专业投资者而言，问题已不再是是否采用 AI，而是如何以实用、透明、风险意识强且能提升绩效的方式将其整合到投资决策设计中。第二条教训突显了当前一代 GPT 的局限性。尽管它们声称具有解释性，但都无法解释结果是如何得出的。因此，在金融等高风险领域——透明度和控制力至关重要——AI 应该用于支持决策设计，而不是做出最终决策。它的最佳角色是生成想法或自动化流程的组成部分，而不是作为最终裁决者。

第3课：保留人类判断

虽然 AI 可以提高生产效率，但过度依赖可能会带来实际风险。一个可能被忽视的领域是 AI 可能会侵蚀批判性思维能力。2024 年沃顿商学院的一项关于生成式 AI 对学习影响的研究发现，使用 AI 导师的学生初期表现更好，但在 AI 支持被移除后却遇到了困难，这表明分析能力可能有所下降[^6]。对于投资者而言，这表明过度依赖 AI 进行估值或尽职调查等任务可能会削弱产生超额回报所必需的逆向思维和概率推理能力。

Anthropic 的 2025 分析进一步说明了这些认知外包趋势，专业人士将高层次思考交给 AI。为了应对这一趋势，投资者必须将 AI 嵌入到结构化的流程中，鼓励独立分析。例如，AI 可以生成初步的投资论点，但最终，投资专业人士有责任。他们必须深入理解论点，并坚定地相信它。

实用见解 : 创建刻意的工作流程，在其中通过人类主导的讨论对 AI 输出进行压力测试。鼓励分析师定期进行“无 AI”练习，例如手工估值或市场预测，以保持认知敏锐度。

第4课：伦理和监管挑战

AI 在投资流程中的整合可能会引发伦理和监管挑战。耶鲁大学管理学院 2024 年的一篇文章指出，当 AI 驱动的决策导致意外结果时（例如招聘或住房中的歧视性算法），可能会出现责任问题[^8]。

在资产管理中，如果带有偏见的模型错误定价资产或违反信托责任，也会带来类似的风险。此外，斯坦福大学 2024 年的一项研究显示，LLMs 表现出社会可接受性偏见，而且较新的模型显示出更大的偏见程度。

实用见解 : 随着 AI 在决策中发挥作用，人类的指导和监督变得更加重要。认为机器通过更加理性就能做出更好的投资决策这一假设是站不住脚的。当前的 AI 模型仍然存在偏见 。

随着人工智能重塑投资行业，投资者的技能组合必须演变。2024年《组织发展与学习》杂志上的一篇文章认为，投资者应优先考虑批判性思维、创造力和人工智能素养，而非机械学习 [^14]。

**实用洞察**：从技术技能向非技术技能的转变——伴随着对元技能（如如何学习）的需求日益增加——并不是新的现象。这反映了自20世纪后半叶技术进步开始加速，并随着人工智能增强人类智能的出现而进一步加剧的长期趋势。现在面临的挑战是如何更精确地个性化发展这些能力，包括通过定制辅导及相关工具从机器获得支持。

平衡地将 AI 融入投资管理

AI 正在通过提高效率、扩展专业知识并实现复杂的分析来改变投资管理。然而，其局限性——不透明性、偏见以及过度依赖的风险——需要引起注意。通过将 AI 与人类监督相结合、采用批判性思维模式并适应监管要求，投资者可以充分利用其巨大的潜力。

前进的道路在于实际的实验——利用 AI 支持分析、将智能嵌入工作流程并增强决策。同样重要的是投资那些能够补充 AI 优势的人类技能。那些积极应对 AI 的伦理、监管和安全维度的公司将在日益由 AI 驱动的行业中处于领先地位。最终，投资行业在技术增强与人类判断之间找到平衡的能力将决定其能否为客户创造持久价值。

注脚

[^1]: ESMA, “AI 驱动的投资基金在欧盟达到峰值（2023 年）,” 2025。

[^2]: Brynjolfsson, Li, and Raymond, 《经济季度期刊》, 2025。

[^3]: Csaszar, Katkar, and Kim, “AI 如何重塑战略决策,” 2024。

[^4]: 人工智能前沿 ，《使用人工智能增强投资组合管理》，2024 年。

[^5]: Aldasoro 等，“使用机器学习预测金融市场压力”，BIS，2025。

[^6] 哈佛法学院, “生成式 AI 可能损害学习”, 2024.

[^7]: Anthropic, “Brains on Autopilot?”, 2025.

耶鲁管理学院, “当 AI 违法时，责任该由谁承担？”, 2024.

[^9]: 斯坦福大学, “LLMs 五大偏见,” 2024.

[^10]: Anthropic, “AI 安全与脱管减少,” 2022.

[^11]: PLOS Mental Health, “当 ELIZA 遇到 therapists 时,” 2025.

[^12]: 日内瓦大学，《 Routledge 人工智能与慈善手册》，2024 年。

[^13]: Fagbohun 等，“GREEN IQ — 深度搜索平台，全面碳市场分析”，2025 年。

[^14]: 《发展与组织学习》，《人工智能时代的人类智能培养》，2024年。