用 AI 做行业调研
先说清楚风险为什么更高
| 读财报 | 行业调研 | |
|---|---|---|
| 输入 | 一份给定的文档 | 没有给定文档 |
| 验证 | 翻回原文核对 | 需要自己去找来源 |
| 错误形式 | 数字抄错、位置标错 | 编造数据、编造来源、把过时信息当现状 |
| 识别难度 | 低（可逐条对） | 高（听起来都很合理） |
最麻烦的是第三行的「编造来源」：它可能给你一个看起来完全正规的报告名称、机构名称和年份，而那份报告并不存在。
另外还有一类不算编造但同样有害的问题：把几年前的市场格局说成现在的样子。这一篇里已经出现过三次规则变动（北向披露、上证综指编制修订、ETF 费率），而这类变化恰恰是最容易被讲错的。
正确的用法：让它铺开，不让它收口
用它列出「我该关注什么」
这是价值最高、风险最低的用法。
可以这样问：「研究这个行业时，通常需要关注哪些环节？上下游分别是什么？
决定这个行业盈利能力的关键变量有哪些？
这个行业的公司在财报上通常有哪些特殊科目或口径需要注意？」
它的输出是一张「问题清单」，而清单本身可以被你判断是否合理。
然后你拿着这张清单，自己去找答案。
用它做「术语翻译」
陌生行业的年报里会有大量专业术语。
让它解释「这个词在这个行业里是什么意思」，风险很低， 因为你随后读原文时能立刻验证解释合不合理。
用它整理你自己收集的材料
这是最安全的一种用法：把信息源交给它，而不是让它自己去找。
比如你已经下载了三家公司的年报，让它做对比表， 这就退化成了 上一节 的场景，可以逐条核对。
三条不能省的验证
- 任何具体数字都要求给出可点开的来源，然后真的点开。 「据某某研究院报告」这种表述不算来源： 要能落到一个具体的、你能打开验证的地方。 打不开的，就当这个数字不存在。
- 任何涉及规则、制度、监管要求的说法，都去官方渠道核对。 规则会变，而 AI 的知识有时间边界。 这一点在 北向资金那一节 讲过： 网上大量内容描述的是一个已经不存在的世界。
- 问一次「反面」。
在它给出一套逻辑之后，追问：
「这个判断可能错在哪里？有哪些相反的证据或观点？」
这个动作能对冲 确认偏误： 包括你的和它的。
一个具体的追问模板
当 AI 给出任何行业判断后，把这三句复制过去：
「这个结论基于什么时间的信息？
支撑它的具体数据是什么，出处在哪里（给可访问的链接）？
如果这个结论是错的，最可能错在哪一环？」
第三句最有用：一个能清楚说出自己可能错在哪的回答， 比一个信心十足的回答有价值得多。
而这也正是 规则四测 第三关的思路： 无法被证伪的说法，等于没有说法。
最后一条，也是最重要的
行业调研的结论，最终要落到一个可证伪的判断上，而不是一段描述。
「这个行业前景广阔」是描述，不是判断，因为它没有任何情况能证明它错了。
可证伪的版本长这样：「我认为这个行业未来两年的需求增速会高于 X%， 依据是 A、B、C；如果出现 D，我就承认判断错了。」
而这一步 AI 帮不了你，因为承担这个判断后果的人是你，不是它。见 行业 ETF 那一节 的四个问题。
今天就做这一件事
随便挑一个你不熟悉的行业，让 AI 给你讲讲它的基本情况。
然后挑出它提到的第一个具体数字（市场规模、增速、份额，什么都行）。
要求它给出这个数字的可访问出处，然后真的去打开验证。
这一次验证的经历，比读十篇关于「AI 会不会出错」的文章都有用。