据 JAR 官网显示，来自加利福尼亚大学的 Devin Shanthikumar、新加坡管理大学的 Il Sun Yoo，合作撰写的论文 " Beyond Automation: AI and the Human Value of Sell-Side Analysts " 在国际会计学顶刊《Journal of Accounting Research》线上正式发表。

摘要

We examine how analysts ’ information acquisition and processing differ when analysts have access to AI resources, focusing on investment banks ’ AI investments. We propose and test a two-step framework, which is informed by in-depth interviews with analysts. First, consistent with AI facilitating automation-assisted public information processing, we show that AI investments are associated with more timely earnings forecasts following 10-K filings, particularly after the implementation of iXBRL, which increases the machine readability of filings. Second, we show that analysts reallocate the time and capacity freed by automation toward acquiring and incorporating private information, supported by several sets of evidence: AI investments ( 1 ) are associated with higher quality and bolder earnings forecasts, particularly when private information is more important and accessible to analysts; ( 2 ) are associated with an expansion of analyst coverage to new firms and industries; and ( 3 ) are associated with higher information-seeking efforts, particularly greater participation in earnings conference calls. Additionally, exploiting the launch of AskResearchGPT at Morgan Stanley, an in-house generative AI designed for research, we find results consistent with our main analyses. Overall, our study provides insights into the potential for AI to reshape the human value of sell-side analysts.

本文考察分析师在拥有人工智能资源（以投资银行的 AI 投资为度量）时，其信息获取与处理过程的差异。我们基于对分析师的深度访谈，提出并检验了一个两阶段分析框架。第一阶段，与 AI 促进自动化辅助下的公开信息处理相一致，我们发现 AI 投资与 10-K 文件发布后盈利预测的及时性提高相关，尤其是在 iXBRL（内联可扩展商业报告语言）实施之后，该技术增强了文件的机器可读性。第二阶段，我们证明分析师将自动化所节省的时间和精力重新配置于私有信息的获取与整合，多组证据支持这一结论：（1）AI 投资与更高质量及更具前瞻性的盈利预测相关，尤其是在私有信息更为重要且分析师更易获取的情形下；（2）AI 投资与分析师对新公司和新行业的覆盖扩张相关；（3）AI 投资与更高的信息搜寻努力程度相关，尤其表现为更积极地参与业绩电话会。此外，我们利用摩根士丹利内部为研究设计的生成式 AI 工具 AskResearchGPT 的推出作为补充事件，分析结果与主检验一致。总体而言，本研究为人工智能重塑卖方分析师人力价值提供了启示性证据。

介绍

人工智能正深刻改变金融业，卖方分析师作为资本市场的信息传递者，其工作方式也面临冲击。已有研究多关注 ChatGPT 等公共 AI 工具对分析师的影响，但投资银行自身多年来也在投入 AI 研发，并往往限制员工使用外部 AI。这些机构内部的 AI 资源究竟如何影响分析师的工作，尚缺乏系统证据。本文基于 "AI 既替代重复劳动，又能辅助人类完成更高价值任务 " 这一理论，提出分析师信息处理的两阶段机制，并利用投行的 AI 招聘数据和摩根士丹利自研 AI 工具 AskResearchGPT 的推出，考察 AI 如何改变分析师的信息获取与判断过程，进而影响其人力价值。

研究首先检验第一阶段—— AI 能否帮助分析师更快处理公开信息。结果发现，AI 投入越多的投行，分析师在上市公司发布 10-K 年报后发布盈利预测的速度越快，尤其是在 2019 年 iXBRL 格式（一种便于机器读取财报的格式）强制实施后，这一优势更加明显，说明机器可读性提高有助于 AI 发挥作用。接着检验第二阶段——分析师是否将节省下来的时间用于获取私有信息。结果显示，AI 投入与预测更准、更敢大胆预测相关，并且在那些私有信息更重要（如公司业绩难预测、波动大）或分析师更容易接触管理层（如所在投行举办的投资人会议规模较大）时，这种关联更强。此外，AI 投入还促使分析师覆盖更多新公司和新行业，也更积极地参与业绩说明会提问。最后，摩根士丹利 2024 年推出 AskResearchGPT 后，分析师的预测及时性、准确性、大胆度和新覆盖启动都显著提升，与主结果一致。

本文的核心解释变量是投行的 AI 招聘比例，即过去三年 AI 相关岗位（关键词如 " 机器学习 "" 神经网络 "）占全部招聘岗位的比重。数据涵盖 2013 — 2020 年 16 家主要投行。实证方法上，预测及时性分析以每条预测为样本，控制投行 - 公司和年份 - 月份固定效应；预测质量和大胆度分析则以分析师 - 公司 - 年份为样本，加入历史表现等控制变量；覆盖扩展分析以投行 - 年份为样本。为了增强因果推断，研究利用 2019 年 iXBRL 强制令做三重差分，并以 AskResearchGPT 的推出作为准自然实验进行补充，同时还通过深度访谈验证了分析框架的现实合理性。

研究表明，投行的 AI 投入并非要取代分析师，而是先通过自动化提高公开信息处理效率，把分析师从繁琐的数据整理中解放出来，让他们把更多精力放在私有信息的挖掘和判断上，从而做出更准确、更大胆的预测，拓展覆盖范围，并更主动地参与信息沟通。这一 " 两步走 " 机制在大样本分析和访谈中均得到支持，且从传统 AI 延伸到最新的生成式 AI 工具，结论一致。这说明 AI 并没有削弱分析师的价值，反而重新定义和提升了人的作用——让分析师更专注于算法难以替代的判断、关系搭建和独特见解。这一发现为金融机构如何合理配置 AI 资源、最大化分析师效能提供了重要启示。

本文系未央网专栏作者 :学说平台 发表，内容属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！