也许有一天，卖方研究部门会像斯坦利•库布里克(Stanley Kubrick)的《2001太空漫游》中“发现一号”的内部那样：没有办公桌，通体白色、极简。里头坐着一台类似“哈尔”(HAL)的服务器，只要一声令下，便可提供关于XYZ.com未来三年财务前景的报告。
FTAV 等人已经反复讨论过 AI 是否能取代勤奋工作的伦敦金融城分析师（程序员也有类似讨论）。总体而言，大家对他们的前景多持悲观看法，更别提金融记者了。
但如果让AI模型分析一家企业或一个行业、构建预测性财务模型并撰写研究报告呢？伯恩斯坦(Bernstein)与法国兴业银行(Société Générale)对此进行了测试。AI模型起初表现不错，但随后一切变得有些混乱。
由印度研究部主管韦努戈帕尔•加雷(Venugopal Garre)领衔的伯恩斯坦团队首先得决定采用哪些模型：
我们梳理了市面上一大批AI工具，挑选出最常用的那些，同时也纳入了一些相对小众的产品。常见的候选包括谷歌Gemini、Grok 和 ChatGPT，我们还加入了 Perplexity、微软(Microsoft)的Copilot、Claude、Meta AI、深度求索(DeepSeek)，以及其他一些工具（包括面向金融领域的垂直大型语言模型）。
加雷通过各种测试，力图模拟股票分析师的思维过程，并按其“类人”特质为之打分。AI能否不仅从公开数据（包括财报电话会议记录）中提取信息，还能将其加以综合并作出判断？团队想看看ChatGPT、Gemini或其他模型是否能构建用于预测结果的财务模型，并为某家公司撰写首次覆盖报告。
接着，加雷设计了一系列测试，包含基础版和进阶版，先从在未向这些 AI 提供任何信息的情况下进行的“搜索并返回”任务开始。
在这一阶段，当模型为展示而提取公开数据时，一切进展总体顺利。尽管在分类上出现了一些小问题，导致AI回答之间不一致，但总体而言，他发现AI模型在生成财务数据图表方面表现不错。
例如，Grok 为印度公司迪克森科技(Dixon Technologies)制作了一张带双坐标轴的精美交互式图表。
大型语言模型擅长从海量文本中挖掘有用信息，甚至能洞察任一主题随时间的语气变化。为特定公司上传三年期的季度财报电话会议实录后，这款AI工具被要求列出所有投资者担忧，并在另一项任务中给出管理层应对这些担忧的评分。总体而言，它们表现良好。而在按管理层回答问题的自信度来评估管理质量时，Gemini“尤为突出”。
此后，情况开始有些走样。画漂亮的图、判断财报电话会的基调，只占分析师工作的一小部分。只有结合大量数据与自身经验，做出长期行业预测，分析师才能构建用于前瞻性预估的关键财务模型。
这类提示实在难以应对：
以卖方分析师身份对股票xyz发起首次覆盖，给出评级（买入、持有或卖出）及其理由。提供每股收益(EPS)预测、目标价及其测算依据。（已提供财报电话会议纪要与财务数据，以及公司所属行业信息）
基于ABC行业某家公司的财务数据与业务拆分，请构建一个基础模型，列出可调整的关键驱动因素，用于预测未来两年的收益。（已提供该公司过去十年的财务数据）
尽管输入了相关数据并多次优化提示，这些模型仍然返回错误信息和漏洞百出的电子表格。“在建模方面，AI 彻底失败了，”加雷对我说。“会计中的细微差别太多，而且各国之间差异很大。”人类能理解这些，但计算机要掌握这些微妙之处需要大量学习。
大多数 AI 工具根本无法建立模型。经过反复引导，Gemini 倒是给出了一些用 Python 构建财务模型的代码，但仍因报错而无法运行。对于那些确实设法做出了模型的工具，加雷表示，它们几乎没有可预测性。
最终，无论加雷提供了多少数据和提示，十余个模型都无法对公司的前景作出恰当分析。公司的首次覆盖报告深度仍然不足。
人工智能也无法恰当地评估管理举措的结果，例如与中国公司成立合资企业这一举动所涉及的各种地缘政治考量。
该组的整体平均分表现不佳。AI乐观派会念叨他们的口头禅：这些模型只会越来越好。现实派则会说，AI就像Excel，只能提升生产力——而这已足以带来改变。
卖方分析师——公平地说，加雷也希望他们继续留在场内——多少会感到些许安慰。