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”。