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、专家咨询费支出规范、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。专家咨询费亦是如此，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。监管选择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。
众和配资提示：文章来自网络，不代表本站观点。
沪深京行情 实时轮播
热点资讯
