人工智能驅動下世界 人類優勢何在

近期，專為金融服務設計的工具（如Claude for Financial Services）的出現，反映出業界正在由通用大型語言模型，轉向更具專業領域知識、專屬數據集、特定工作流程及行業監管要求的AI系統。
對研究和投資專業人員而言，這意味著必須審視：研究流程那些部分可被自動化？那些環節需要人工監督？而專業技能又需如何轉型？

分析師基準正在改變

投資專業人員一直面對高績效的壓力。以往，這可能意味著要覆蓋更多公司、更快回應市場動態，並將地緣政治及可持續發展等不同風險因素納入投資決策。
如今，隨著GenAI與數碼化的浪潮湧現，這些工作被賦予了全新意義。從解讀大量非結構化數據、識別模式及異常情況，到運用不同相關性指標優化投資模型，這些工作如今可透過AI自動化，以納入更多樣的資料集、更高更新頻率，並大幅節省人力與時間。這在市場波動加劇及市場錯位情況下尤為重要。

GenAI在資產管理應用場景

CFA協會持續研究AI如何重塑投資流程與專業角色。我們與業界對話時，不時聽到關於職業前景的疑問：AI會否取代傳統投資職位？若AI能處理大部分技術性工作，投資專業人員的核心價值又何在？
CFA協會的研究顯示，投資專業人士普遍採用多棲策略（Multihoming），即結合多個數據來源和分析平台，以彌補單一系統的限制，提升洞察力。
AI工具已漸漸融入這些平台，用於整合資訊、撰寫摘要、檢測異常及加快工作流程，反映出AI正成為投資數據處理的常態。在亞太這個市場結構及披露標準高度多樣的地區，這種混合式方法尤為有用。

例如，運用「檢索增強生成」（Retrieval-Augmented Generation, RAG）技術，可自動化處理繁重的工作，如審閱財務報表、掃描企業管治申報、收集可持續發展數據，以及綜合多個地區和行業的新聞資訊。
這些結果經過結構化整理後，有助於後續分析與洞見產出。
原本需大量人力與時間的工序，如今可高效擴展，使人手從資料整理工作中釋放，轉而專注於高價值分析與決策支援。
AI產出的結果只是整體分析的一部分。一旦AI完成初步工作，人類專業知識便發揮作用。
投資專業人員的價值，來自於隨後的環節：審視異常結果、驗證假設、評估重大性、判斷是否需進一步深入分析——這些均依賴人類的判斷與洞察力。

邁向代理型AI新階段

未來AI發展的一大方向，是「代理型AI」（Agentic AI）——這類系統可在有限監督下，自動規劃、排序並執行跨工具、跨步驟的任務。
在資產管理領域，這或可應用於自動監察投資組合企業的監管變化、ESG爭議或業績異動，讓專業人士專注於解讀已整合的資訊並適時行動。透過自動化持續、不間斷的資訊監察，代理型AI有助確保資訊即時、全面地被掌握，而無需人手逐一檢視分散的來源。
然而，這並不代表責任由機器承擔。專業人員仍須對AI輸出結果作出判斷，了解模型限制，並審慎應用AI洞察。與所有先進技術一樣，代理型AI的成效取決於人類的監督、可解釋性、可審核性及審慎的結果解讀流程。

隨著GenAI處理愈來愈多機械式分析任務，投資專業人員的相對優勢將更體現在判斷力、道德思辨能力、對數據品質的審視能力，及在不確定情況下作出權衡的能力上。
以盡責管理（stewardship）為例，在亞太地區，有效的盡責管理不僅是投票統計，更包括理解企業文化、誘因設計及互動成果。
GenAI可支援分析，但作出投票與溝通決策的責任仍屬人類。
同樣地，將可持續發展因素納入投資流程時，也涉及標準不斷演變的挑戰與利害取捨的權衡。投資經理需判斷如何處理不完整的披露、如何評估可信度，以及何時介入或升級問題。這些決策均無法透過GenAI自動化。

未來結合AI與人類智慧

投資分析的未來，不會是「人機對立」，而是「AI+HI」（人工智能 + 人類智慧）的融合。
對投資專業人員而言，這意味著要擁抱AI這個提升生產力與洞察力的工具，同時加強人類無可取代的四項軟技能：好奇心（Curiosity）、創造力（Creativity）、批判思維（Critical Thinking）與持續學習（Continuous Learning）。
筆者協會將持續研究GenAI如何重塑投資專業實踐，並致力協助業界強化道德判斷力、盡責管理與問責精神。
GenAI必然會改變資產管理行業，但它不會改變投資專業人員的核心責任：作出有判斷力的決策、秉持道德原則、為客戶的長遠利益行事。在AI賦能的世界中，這份責任不但未被削弱，反而愈加重要。

梁家恩

CFA協會

亞太區資本市場政策

資深顧問