李剑峰

　　生成式AI（人工智能）近两年在券商投研领域快速普及。从研报初稿 、会议纪要到估值模型搭建 ，AI都已深度介入 。效率提升的同时，合规风险也接踵而至：个别分析师将AI生成的数据和观点未经核验直接引入研报；更有甚者
，AI编造的政策信息、虚构的行业数据经分析师署名后发向市场，导致研报出现政策时间错位
、数据来源无法追溯等问题。

　　中国证券业协会近日下发的《2025年证券公司发布证券研究报告业务经营情况统计报告》 ，首次将“建立AI投研内容审核内控机制 ”写进行业规范
，明确禁止分析师直接采信AI生成的未经核验的数据、观点 、推演和研究结论
。这一条文内容虽简，但分量不轻。它重新界定了AI与分析师在投研链条中的位置：AI可以是辅助工具 ，但不能替代专业判断；分析师可以借力技术
，但必须对最终发布的报告负责 。

　　守门人的职责，比过去更重了
。按照现行《发布证券研究报告执业规范》 ，研报发布前由专职分析师进行质量审核
，但对AI这一新型生产工具的使用边界与核验流程并无专门规定。此次要求建立AI投研内容审核内控机制，正是在既有质量控制之上查漏补缺 ，分析师的职责结构正在发生深刻变化 。AI接管大量基础性工作后
，分析师的工作重心相应后移，不需要写得更多 ，而需要核得更细
。AI给出一段数据，要回溯原始出处；AI生成一段判断
，要检验逻辑是否自洽；AI推演盈利预测，要重新评估关键假设是否成立。这意味着 ，“专业怀疑”在分析师职业素养中的位置被前所未有地凸显
，不能因为表述通顺
、格式规范，就默认其内容准确 。生成式AI的“幻觉
”并非偶发故障 ，而是这一技术范式的固有局限
。它擅长组织语言
，却不天然分辨真假，这种错误披上持牌机构和分析师的外衣后 ，杀伤力往往甚于一般传闻。监管划出“禁止直接采信”这条红线
，与其说是约束，不如说是提醒：工具再高效 ，最终签字的人必须保持清醒 。

　　技术治理不能单打独斗
。通览报告全文
，AI内控并非孤立提出，与之并列的还有研究信息来源全流程管控、专家询问 费支出规范 、分析师社交发声与声誉风险管理等要求。这背后的政策取向十分清晰：AI应用层面的风险 ，表面是技术问题，深层往往折射出人的执业行为和机构内控的薄弱环节 。

　　为什么AI生成的错误内容能够流出机构？很多时候并非技术审核失效
，而是因为研报从一开始就没有把信息来源管住，公开信息
、调研记录、第三方数据库 、AI素材交织在一起 ，缺乏统一的溯源机制。专家询问 费亦是如此
，费用支付出去却不严格核验专家资质和服务真实性，研究能力外包
。个别分析师在社交平台为博取流量发表片面化观点 ，则是将专业身份让渡给了流量人格。

　　由此可见
，本轮监管的真正用意，是把“对AI的技术管理 ”与“对人的执业管理
”编织成一张内控网络：AI输出有审核校验 ，信息来源有溯源要求
，公开发声有声誉约束，三个环节相互交织
、缺一不可 。

　　守住信任 ，比追求效率更重要
。券商研究产出的核心并非研报本身
，而是市场信任。机构客户愿意支付分仓佣金，依托的是分析师的独立判断和专业声誉 。一旦市场逐渐形成“研报数据可能出自AI虚构、专家费用可能异化为利益输送通道”的印象 ，这份信任便会逐步瓦解，最终动摇卖方研究商业模式的根基
。当前
，卖方研究正处于公募基金费率改革后的深度调整期，分仓佣金缩水 、人员流动加剧 ，机构普遍面临降本增效压力。在此背景下
，AI确实是颇具吸引力的工具，使用得当 ，可以拓展研究覆盖的广度和深度；使用失当
，则可能滑向批量生产低质量报告的极端 。监管选取 在这一时点出台规范，既是防范AI技术风险 ，也是防止行业在成本压力下将研究质量一并“省却 ”
。

　　技术本身是中性的。它既可以放大研究效率
，也可以放大研究错误 。唯有把AI的辅助角色摆正，把分析师的守门责任压实 ，把机构的内控闭环建全
，技术红利才能真正转化为研究质量
。

　　本报专栏文章仅代表作者个人观点，特此说明。

（文章来源：证券时报）