来源：资管云
AI辅助工作的四个心得分享。
两个月前，我不是在这里写文章说要拥抱AI么？然后我就去抱了，不仅我去抱了，我们全公司的研究员们都努力去抱了，在我们的极力倡（hu）导（you）下，不少客户家的财富经理们也去抱了，结果就是大家都撞了满头包回来。
第一个突出的问题是，AI应用们会一本正经的胡说八道！这里尤其要点名deepseek！你让它想得越多，它越容易出现“幻觉”。AI大模型是分辨不出信息真伪的，而网上的资料其实充满了低级谬误，但AI同时又是最博学的，它极擅长用专业，严肃的语句装点完善这些谬误，让它们的缺陷变得比在原文中更不可察觉。有时候你眼尖发现了，给它指出来，它立刻就改口，脸不变色心不跳地给出一个截然相反的答案，你再质疑，它还能说出第三套迥然不同的理论来，振振有词又反复无常，跟个渣男似的……
第二个突出的问题是，AI应用缺乏时间观念。首先是它常常忽视迭代，譬如一个法规被更新了，那么老版就是废纸，不再作数，你得引用最新的，但AI应用们的处理方法常常是抓着谁是谁，甚至能把不同版本捏在一起硬来；其次是它欠缺对趋势的分析能力，譬如一连串企业盈利数据，先高后低和先低后高，那可是截然不同的意义，但AI应用们不能说完全不懂，但确实不太在意，而它的研究框架是个黑箱，你很难判断它问题具体出在哪儿；最后就是它时效性不强，即便选上“联网搜索”，信息源的截止时间仍可能是三天前的，半个月前的，甚至是一年前的，除非你特意问它，否则它不会说明。这缺陷对于瞬息万变、没有真理的金融行业来说，就比较棘手了。
第三个突出的问题是，它写东西一股AI味儿。我也说不好那是个啥味儿，反正不是人味儿。每个词都用得好像没毛病，句子也通顺，但就是能分辨出不像人写的。我们一个同事第一次用AI写文章发到订阅号上，后台就炸了，读者吐槽说，你们家这么专业的研究机构，怎么能让AI写稿子呢？那我们还读个什么劲儿啊？！吓得我们现在都不敢让AI写了。让AI画图也是一样，三足六指儿的情况时有发生，来不来就搞个“恐怖谷效应”。
放眼大环境，AI应用的迭代和普及速度非常快，网上有无数的教学视频，各大金融机构也纷纷组织内部员工培训，头部公司基本落地了AI大模型的本地部署，像银行、大券商的智能顾问们也马不停蹄地上线，并拥有了自己可爱的名字。一切看起来比两个月前更热闹了。可回望周遭，问了一圈朋友，发现大家过了兴奋期之后，使用AI的场景，大多回到了以前用“百度搜索”的样子。搞得我都有点灰心了，难不成是咱老狗学不了新把戏了……
不过，很快又发生了一件事，重新给我打上鸡血。就是遇到了一位老领导，已经快退休了，还在哼哧哼哧学AI。他说，人的能力其实差别不大，想靠自身禀赋脱颖而出，特别是在大环境不好的时候逆流而上，是很难的。他只做到了一次，就是在上个世纪90年代率先学会了打字。就是这个小技能，让他快人一步，从此步步高升。今日之AI，正如35年前的打字，很多人觉得费劲巴拉的，还不如手写；但未来的AI，也会像今天的打字，你不敢想象离开它要怎么工作。总之，技术的进步是早晚的事儿，但早晚进步的人，境遇将大不相同。
然后我就被说服了，支棱起来接着学。截至目前，我有四点心得想跟朋友们分享（仅限于对IT技术一无所知金融从业者们），有助于初学者更好的使用AI工具辅助工作：
第一：把它当作实习生，而非老师。
目前AI幻觉的问题还没有很好的解决办法，也就是说，只有你懂的领域，AI才能帮上忙；你不懂的，盲信AI，它就会给你添乱。AI工具像个初来公司的实习生，很勤奋，让干啥干啥，但经验不足，会犯错，有时甚至缺乏基本的常识。你对它得像对待职场新人一样，譬如你要了解当前宏观局势，直接让他给你汇报，那就不一定云山雾罩成啥样了，但如果你给它100篇卖方报告，让它总结整理，分分钟给你办好。如果它哪里不合你心意，你可以指出来让它改正，在同一个对话下，它是越用越聪明的。如果仍旧不合咱的心意怎么办呢？我们还可以同时拥有N个实习生，把deepseek、kimi、豆包、元宝、WarrenQchat（恒生家的AI）、金晓生（智信家的AI）通通打开，一个问题挨个粘贴，看谁表现最好，就继续调教，让它们竞争上岗。
第二：记住它善于总结归纳，不善演绎推理。
AI 的优势在于能够快速处理海量数据。你让它看100份研报，100份合同，还是100份法规，它都可以迅速完成。让它总结，对比，写摘要都没问题，但让它据此预判未来，AI却很难像专业金融分析师那样，按照严谨的逻辑链条层层推导，且AI给出的结论趋于中立、中庸、最大化，因此遇到黑天鹅、黑犀牛，万税爷等极端情况，就是它最不准的时候。
我记得deepseek刚推出那阵儿，网上流行问它如何投资，怎么买股买债买基金，乍一看它回答的头头是道，但只要反复问就会发现，它的依据相当随机，给出的答案也每次不同，跟猴子扎飞镖区别不大。所以，用好实习生，还要知道它的能力边界。（起码是现在的能力边界。）
第三：还是要学会用提示词，反复沟通，投喂文件。
虽然deepseek出现后，AI应用聪明到可以听懂人话了，提示词一下变得不重要了。但其实精准的提示词还是能引导AI更好地满足我们的要求。如果简单地让AI“写一篇关于某公司的研究报告”，效果跟你想得可能大相径庭，但如果明确指出“你是一名券商研究所行业研究员，从财务状况、市场竞争力、行业发展趋势三个方面，对某公司近三年的经营情况进行分析，并撰写一份 2000 字左右的研究报告。”这样详细的提示词能让 AI 给出更具针对性的内容。
同时，与 AI 的沟通不是一次性的，需要反复交流。当 AI 给出的结果不符合预期时，不要轻易放弃，而是要进一步提出修改意见。比如觉得报告中对市场竞争力的分析不够深入，就可以要求它“补充某公司与主要竞争对手在技术创新、品牌影响力方面的对比分析内容”。此外，投喂相关文件也能让 AI 获取更丰富准确的信息。将公司最新财报、行业权威研究报告等提供给 AI，它就能基于这些一手资料进行分析，输出的内容会更贴合实际工作需求。文风也会更接近你投喂的文件资料。同理，如果你投喂的是自己写的报告，那么AI实习生也会越来越像咱们本人。（感觉有朝一日老板会开了我，留下我训练的AI智能体……）
那么不会写提示词怎么办呢？还可以用魔法打败魔法——让AI应用帮我们写提示词！
第四：注意保密，不能泄露公司和客户的重要信息。
最后一点，也是最重要的，我们在探索AI应用的过程中，肯定会给它大量信息，它才能反馈得准确。可是在金融行业，我们接触的很多东西都是敏感内容，一旦泄露，都会让我们吃不了兜着走，所以一定要有强烈的保密意识！上传数据一定要脱敏！比如说财富经理分析客户需求，把聊天记录直接上传AI，就会涉及泄露客户隐私。另外资管机构的交易信息，上市公司内幕消息等，就更不用说了吧？不要以为公司自己的AI应用就可以放心了，它的数据资料不见得是储存在自家数据库的，所以内部AI，同样要注意保密问题。
这几个月的学习心得就这些，再有新的咱们再聊吧。
