用 AI 做行業調研
先說清楚風險為什麼更高
| 讀財報 | 行業調研 | |
|---|---|---|
| 輸入 | 一份給定的文件 | 沒有給定文件 |
| 驗證 | 翻回原文核對 | 需要自己去找來源 |
| 錯誤形式 | 數字抄錯、位置標錯 | 編造資料、編造來源、把過時資訊當現狀 |
| 識別難度 | 低(可逐條對) | 高(聽起來都很合理) |
最麻煩的是第三行的「編造來源」:它可能給你一個看起來完全正規的報告名稱、機構名稱和年份,而那份報告並不存在。
另外還有一類不算編造但同樣有害的問題:把幾年前的市場格局說成現在的樣子。這一篇裡已經出現過三次規則變動(北向披露、上證綜指編制修訂、ETF 費率),而這類變化恰恰是最容易被講錯的。
正確的用法:讓它鋪開,不讓它收口
用它列出「我該關注什麼」
這是價值最高、風險最低的用法。
可以這樣問:「研究這個行業時,通常需要關注哪些環節?上下游分別是什麼?
決定這個行業盈利能力的關鍵變數有哪些?
這個行業的公司在財報上通常有哪些特殊科目或口徑需要注意?」
它的輸出是一張「問題清單」,而清單本身可以被你判斷是否合理。
然後你拿著這張清單,自己去找答案。
用它做「術語翻譯」
陌生行業的年報裡會有大量專業術語。
讓它解釋「這個詞在這個行業裡是什麼意思」,風險很低, 因為你隨後讀原文時能立刻驗證解釋合不合理。
用它整理你自己收集的材料
這是最安全的一種用法:把資訊源交給它,而不是讓它自己去找。
比如你已經下載了三家公司的年報,讓它做對比表, 這就退化成了 上一節 的場景,可以逐條核對。
三條不能省的驗證
- 任何具體數字都要求給出可點開的來源,然後真的點開。 「據某某研究院報告」這種表述不算來源: 要能落到一個具體的、你能開啟驗證的地方。 打不開的,就當這個數字不存在。
- 任何涉及規則、制度、監管要求的說法,都去官方渠道核對。 規則會變,而 AI 的知識有時間邊界。 這一點在 北向資金那一節 講過: 網上大量內容描述的是一個已經不存在的世界。
- 問一次「反面」。
在它給出一套邏輯之後,追問:
「這個判斷可能錯在哪裡?有哪些相反的證據或觀點?」
這個動作能對沖 確認偏誤: 包括你的和它的。
一個具體的追問範本
當 AI 給出任何行業判斷後,把這三句複製過去:
「這個結論基於什麼時間的資訊?
支撐它的具體資料是什麼,出處在哪裡(給可訪問的連結)?
如果這個結論是錯的,最可能錯在哪一環?」
第三句最有用:一個能清楚說出自己可能錯在哪的回答, 比一個信心十足的回答有價值得多。
而這也正是 規則四測 第三關的思路: 無法被證偽的說法,等於沒有說法。
最後一條,也是最重要的
行業調研的結論,最終要落到一個可證偽的判斷上,而不是一段描述。
「這個行業前景廣闊」是描述,不是判斷,因為它沒有任何情況能證明它錯了。
可證偽的版本長這樣:「我認為這個行業未來兩年的需求增速會高於 X%, 依據是 A、B、C;如果出現 D,我就承認判斷錯了。」
而這一步 AI 幫不了你,因為承擔這個判斷後果的人是你,不是它。見 行業 ETF 那一節 的四個問題。
動手做
隨便挑一個你不熟悉的行業,讓 AI 給你講講它的基本情況。
然後挑出它提到的第一個具體數字(市場規模、增速、份額,什麼都行)。
要求它給出這個數字的可訪問出處,然後真的去開啟驗證。
這一次驗證的經歷,比讀十篇關於「AI 會不會出錯」的文章都有用。