今天我老婆喂了幾篇我寫過的研報分析給AI，看看能不能生成類似的分析。對，我想偷懶了，雖然寫投資分析對我來說已經(jīng)和吃飯一樣簡單，但每天修改翻譯、排版 、組織語言、碼字 確實也挺花時間。在幾番調(diào)試和精細化寫作要求后，AI最終輸出的結(jié)果還是比較讓我失望的，我總結(jié)了幾點主要感受如下：

1，很明顯看得出AI是刻意在抄我，但又抄的很蹩腳。作為一個理工男，文風上我是比較注重邏輯順序和分析的，而AI生成的文風難以形容，總之一眼就能感覺到是機器生成的，而不是人寫出來的。

2，很明顯感覺AI是偏向于敘事而不是在分析，為了找出兩者之間的差別，我還把我寫分析的步驟仔細分解了一遍，發(fā)現(xiàn)作為人類我會先把研報內(nèi)容吸收壓縮，然后在我的認知框架內(nèi)進行分析，最后把分析后的內(nèi)容輸出。比如說我的分析框架包括了貨幣、財政、通脹 、收入等因素，很多時候一個內(nèi)容我可以用貨幣去分析，也可以用財政去分析，也可能由貨幣再引申到財政，因為分析框架內(nèi)的因素有時候相互之間也會有很強的聯(lián)系。

而AI的分析基本就是把研報換個詞再復(fù)述一遍，然后找出與研報內(nèi)容最接近的那個因素（比如貨幣）進行簡單分析。簡而言之，人類的思維模式有時候是線性的，有時候是跳躍的。只要你真的吃透了，你可以從很多方面去分析同一件事，也可以由一個角度延伸到另一個角度，而AI似乎不太行，除非你特意要求它這么做，但這樣的話可能還不如我自己寫效率更高。

3， 很明顯感覺AI不懂我在寫分析的時候腦子里想的是什么（因為既然是在模仿我，那就要求知道我是怎么想的），它只是在很機械的輸出與我類似的內(nèi)容，但我想表達的東西和AI輸出的東西并不在一個層面上。 而且AI輸出的內(nèi)容前后文之間并沒有什么邏輯，讓我這個理工男看了很不舒服， 類似于一個本科生在抄論文，東抄點西抄點，前后的思維并不連貫 。一句話來形容就是我知道AI寫的東西都是對的，但我不清楚它寫這么多想表達什么，也不知道它寫的東西有啥具體的用處。

所以現(xiàn)階段我覺得AI要替代人類還是不太可能，當然有可能是喂的文章不夠多的關(guān)系。所以我覺得某大佬說的AI只是一個工具這句話目前來看是對的，比如我用AI去做一些DCF模型的測算，AI可以算的又快又準，只要我把參數(shù)（比如折現(xiàn)率等）盡量詳盡的告訴AI，它就能很快給出答案。

但需要特別注意的是，目前AI代替不了人類做決策，比如說我用DCF模型估值，我首先要懂DCF模型的原理，這樣我才能知道怎樣給AI設(shè)置參數(shù)（比如未來現(xiàn)金流），它才能給我算出來。同時我也必須要對各種主動設(shè)置的參數(shù)有深刻的了解，這樣我才能清楚哪些參數(shù)的主觀性很強，以至于對運算的結(jié)果造成很大的影響。

最后就是AI的信息來源極不靠譜，都是網(wǎng)上亂七八糟的文章，如果引用的數(shù)據(jù)源都不對的話那么結(jié)果就可想而知。所以我覺得現(xiàn)階段的AI更像是一個十分高效的助手，可以勝任復(fù)雜運算、法律文件的檢查、查數(shù)據(jù)之類的工作。但對于一些爭議較大和沒有標準答案的問題來說，首先你自己要很懂，要能夠分辨哪些內(nèi)容有誤，對于這類問題我一般用AI來找分析時沒考慮到的盲點。舉個例子，比如分析爭議比較大的茅臺，我就會先問未來增長點在哪里？然后根據(jù)AI給出的方向繼續(xù)追問（找沒考慮到的盲點），當然這基于我本身對茅臺有足夠的了解，知道哪些內(nèi)容靠譜，哪些內(nèi)容不靠譜。

最后從這次實際的應(yīng)用來看，雖然我相信最終AI能在很多領(lǐng)域代替人類，但進化應(yīng)該還需要幾年時間，對AI的投資來說目前應(yīng)用領(lǐng)域的部署其實還在摸著石頭過河的階段，或許幾年后AI的應(yīng)用方向才會逐漸清晰，真正的AI龍頭股和受益股才能比較明確。