AI用得更勤，企业落地也更成熟了吗？

  • 个人使用已相当深入：纽约论坛受访者全部每天使用AI，45%每天使用3—5小时，高于香港的36%、伦敦的20%和新加坡的29%。
  • 使用强度领先，生产部署却相对落后。报告认为纽约企业采用范围较广，但从试点转向正式生产的进度慢于伦敦、香港，高频使用与流程成熟度存在差距。
  • 自建与采购并行是主流，74%选择混合模式；36%受访者可使用超过5款AI工具。机构正在结合内部专有能力与外部技术，尝试多种应用。

规模化最难跨过哪道门槛？

  • 首要障碍是合规与数据安全，获68%受访者选择；其次是旧系统整合，占18%。现场无人把缺少合适AI工具视为主要瓶颈，难点集中在组织接入。
  • 智能体部署明显分化：41%受访者拥有超过20个智能体，27%一个也没有。部分机构已经形成工具群，另一些仍未进入智能体应用阶段。
  • 数据控制要求直接影响部署方式。据LinqAlpha介绍，养老金、主权基金及监管严格的资管机构往往要求更严的安全控制，大型机构偏好私有部署以掌握敏感研究和持仓数据。

哪些工作已经交给AI？

  • 研究助手已进入实际流程。T. Rowe Price投资团队部署超过130个AI用例；研究助手连接内部研究、知识库和外部内容，帮助分析师寻找信息、生成研究材料。
  • 组合归因是较成熟的应用：AI读取组合数据、分析业绩驱动并生成解释，把原本需要大量人工整理的工作转为对持仓、行业和投资主题贡献的梳理。
  • AllianceBernstein的风险智能体支持自然语言提问、情景运行与敞口调查。基金经理可直接追问风险及其原因，减少手动查阅传统风险报告的步骤。

省下时间，为什么还难形成投资回报？

  • 效率收益最容易展示，但组织未必自动获得收益。AllianceBernstein的Andrew Chin指出，目前不少节时收益由员工享有，企业需要系统记录任务和流程，才能衡量组织层面的改善。
  • 衡量重点应从使用量转向产出。Andrew主张观察研究覆盖、更好洞见和超额收益，并指出当前AI投入回报为负，预计还会持续一段时间。
  • 输出质量比自动化程度更受重视：81%受访者把准确性与工作质量列为首要成功标准，19%选择节省时间。两位资管嘉宾认为，AI当前主要价值在信息处理、信号提取和研究效率。

智能体越多，人的优势会消失吗？

  • 现场判断仍偏向人：50%受访者认为未来五年资管机构的最大竞争优势是更好的人类判断，27%选择专有数据；机构知识与判断力仍是差异化来源。
  • Andrew预计行业会走向有人参与、设有明确边界的自主执行智能体，并认为未来十年难以达到完全自主；Matt Goldwasser也设想基金经理指挥大量智能体完成工作。
  • 主要风险是判断能力被削弱。Andrew担心专业人士过度依赖AI、失去质疑错误结论的能力；Matt则警惕未经审查或被操纵的开放权重模型被用于欺诈和操纵。