财联社 9 月 1 日讯（记者 陈俊兰）AI 的浪潮正以前所未有的深度与广度重塑各行各业，财富管理领域尤其是买方投顾业务，正站在技术变革的十字路口。

第二期南方财秩・买方投顾菁英训练营于深圳资本市场学院顺利结营。在此次训练营的课程上，资产配置研习社主理人刘嘉玮带来《AI 赋能买方投顾的路径与方法》专题分享。他认为，AI 在买方投顾业务中的核心价值，并非简单替代人工撰写报告或 PPT 的 " 形式主义提效 "，而是要去解决那些过去 " 想做但做不了 " 的创造性工作。

此次分享的核心亮点纷呈，结合记者归纳，亮点主要包括以下几点：

一是 AI 的核心是 " 创造 " 而非 " 提效 "，AI 的使命是完成如千人千面的客户陪伴、市场情绪实时监测等过去无法规模化的任务。

二是在投顾领域，AI 无法替代人对客户真实需求的深刻理解、服务过程中的温度传递以及最终承担责任的投资判断。

三是 " 提示词（Prompt）" 时代已经过去，" 技能包（Skill）" 成为新的关键生产资料。投顾需将自身工作逻辑、客户画像和服务流程转化为 AI 可学习、可复用的技能。

四是客户的信任来源于 " 行为陪伴 " 而非 " 内容输出 "。基于客户个人投资行为的个性化策略，远比千篇一律的 " 致投资者信 " 更有价值。

五是 AI 越强，对投顾专业能力和场景化应用能力的要求越高，行业的 " 结构型分化 " 将显著加剧。

告别 " 形式主义提效 "，AI 的真正使命是 " 创造 "

" 今年年初，当大模型的能力边界变得模糊时，我确实感到了焦虑。但后来我发现，我们不应将 AI 视为取代者，而应将其看作创造性工作的伙伴。" 刘嘉玮在分享的开篇坦言。

焦虑的本质来自定位错位，很多机构把 AI 当成 " 高级打字员 "，交给它的任务是写完半份 PPT、生成研究报告，这只是原有工作流程的效率提升，属于存量提效，很难产生业务质变。这些仅仅是 " 提效 "，本质上并未创造新的价值。" 如果只是做这些，去年很多机构重金部署的算力最后不了了之，就不足为奇了。" 刘嘉玮称。

什么是 AI 应该做的 " 创造性 " 工作？刘嘉玮列举了几个生动的例子。

其一，是实现真正千人千面的客户服务。过去，一个投顾几乎不可能同时深入了解上千个客户的投资履历、性格特点、资金用途，并匹配瞬息万变的大类资产表现。但现在，AI 能够打通客户端与资产端的数据，实现大规模的个性化匹配与服务。

其二，是完成过去想做但技术上无法实现的分析。例如，他通过编写一个 " 技能包 "，让 AI 实时监测包括小红书、天天基金、雪球等在内的全网社交平台，生成了一个 " 投资者情绪温度计 "。这种对市场微观情绪的实时洞察，是传统估值指标或资金流向分析无法提供的独特视角。

"AI 的价值在于解决你过去想做但做不了的事情。" 刘嘉玮总结道，" 所有 AI 工具的应用，都必须用‘第一性原理’来校准，它是否直接回应了客户的具体问题，是否降低了客户的认知门槛，是否能被客户清晰地感知并建立信任。"

买方投顾 " 双漏斗模型 "，AI 拓宽广度，人工坚守深度

从卖方转向买方投顾，机构普遍面临两大难题，一是客户对买方模式理解门槛高，二是以客户需求为核心的全链路服务落地难度大。对此，刘嘉玮提出买方投顾业务的 " 双漏斗模型 "，他认为，买方投顾业务本质上是在追求客户、规模与收入的平衡，这需要通过左右两个漏斗来实现。

左侧漏斗，是服务的 " 广度 "，目标在于客户转化与覆盖率的提升。在这一环节，可以通过 "AI+ 人工 " 的模式，由 AI 辅助进行客户分层、生成初步交流话术、挖掘潜在需求，从而将投顾从大量重复性工作中解放出来，服务更广泛的客户群体。

右侧漏斗，是服务的 " 专业深度 "，目标在于为客户赚钱，提升信任。在这一环节，同样是 "AI+ 人工 " 的模式，AI 可以承担资产配置测算、风格匹配分析、波动管理策略生成等繁重的计算和分析工作。

然而，无论 AI 如何强大，刘嘉玮强调，投顾必须坚守三项不可替代的职责：对客户真实需求的深刻理解、服务过程中不可或缺的温度传递，以及承担最终责任的投资判断。

" 客户亏了钱，想到的第一责任人一定是投顾，而不是 AI。所以，最终的判断必须由人来做出。" 他表示，AI 可以分析过程，但人需要对结果负责。在这套模型中，AI 是拓宽服务边界、强化专业深度的强大工具，而人则是连接技术与信任、做出最终决策的核心。通过双漏斗的协同作用，客户、规模和收入的增长将成为水到渠成的结果。

从 " 提示词 " 到 " 技能包 "，Skill 是 AI 投顾新生产资料

" 如果说过去两年，大家还在讨论如何写出更好的‘提示词’，那么今年开始，真正的核心生产资料已经变成了‘技能包’。" 刘嘉玮在分享中抛出了这一核心论断。

他解释道，提示词是一次性的问答，而 " 技能包 " 则是将投顾个人的工作逻辑、销售 SOP、客户画像、分析框架、服务流程等 "Know-How" 沉淀下来，形成的一套可被 AI 学习并重复调用的 " 技能 "。这相当于为自己打造了一个专属的、数字化的专家分身。

在现场，刘嘉玮展示了他个人开发的拥有超过 100 个 " 技能包 " 的 AI 工作台。这个原本需要耗时半年开发的网站，借助 AI 工具，一下午便可成型。该工作台集成了他为投前、投中、投后各个环节设计的解决方案。

例如，在基金分析模块，当输入两只基金代码后，AI 不仅能呈现传统的回报、回撤数据，更能按照刘嘉玮设定的 " 技能 " 进行深度剖析。

持仓稳定性分析：自动计算基金经理的调仓节奏与风格漂移程度；特色指标计算：生成如 " 持有人体验指标 "（上涨月份占比）、" 性价比指标 " 以及独创的 " 含小盘股量 " 等非标数据，极大降低了客户的认知门槛；季报观点提炼：将冗长的季报观点提炼为一句话核心，并对比不同基金经理观点的一致性与差异性。

" 这些指标在一些数据平台上是看不到的，但它们对于从买方投顾角度理解一个产品至关重要。" 他演示道，" 当我和客户交流时，告诉他某只基金的‘小盘股含量’从 10% 提升到了 40%，这种具象化的描述，远比一个冷冰冰的年化收益率数字更能建立信任。"

他甚至构建了一个虚拟的 "AI 公司 "，自己担任董事长，下设投研、投顾、交易、运营四个部门，每个部门由不同的 " 技能包 " 集合（即 AI Agent）管理。当他提出需求，例如 " 如何与白领客户交流 "，这家虚拟公司会召开 " 碰头会 "，从客户需求挖掘、投研观点输出到内容呈现，形成一套完整的、高度协同的解决方案。

千人千面的个性化服务成为可能

" 买方投顾业务的本质，从来不是内容输出，而是陪伴策略。" 刘嘉玮认为，AI 为实现真正有效的 " 行为陪伴 " 提供了可能。

他也点出行业中较为普遍的 " 内容自嗨 " 问题。" 市场出现大幅调整时，不少机构会发布《致投资者的一封信》，但不少文案相对固化，大多围绕‘短期波动不改长期看好’展开。这类标准化输出大多只有内部人员关注，很难真正触达客户，核心原因便在于缺少针对个体的个性化表达。" 真正有效的陪伴，是基于客户自身行为的深度洞察。

刘嘉玮强调，人是被自己 " 教育 " 的，而不是被别人教育的。当 AI 将客户自己的投资行为数据化、可视化地呈现在他面前时，所产生的触动和反思，远胜过投顾上百句空洞的说教。这种基于 " 行为记录 " 的深度陪伴，是提升客户复购率与转介绍率（MGM）的关键所在。

AI 越强，对投顾的要求越高

在分享的最后，刘嘉玮提出了一个颇为 " 反直觉 " 的观点：AI 越强，对投顾的要求反而越高。

他观察到，财富管理行业正出现明显的 " 结构型分化 "。一个专业能力很强的投顾，在接触和善用 AI 工具后，其服务能力、效率和深度可以增强十倍；而一个原本就较弱且不愿拥抱变化的投顾，与前者的差距将被迅速拉大。

"AI 正在卷我，而不是我卷 AI。" 他风趣地表示，" 以前一周想明白一件事，现在有 AI 辅助，一天可以想明白三件事，这迫使我必须以更快的速度进化。"

展望未来，刘嘉玮认为，投顾的核心竞争力将体现在两个方面：一是能否深刻理解客户需求，并将其转化为一个个可执行的 " 场景化 Skill"；二是在 AI 提供的海量信息和分析结果面前，能否做出专业、负责任的 " 最终判断 "。