关于AI替代研究这件事！

前些天和一个做研究的老师吃午饭聊天。我本来是想问问他对伊朗战争的看法，没想到他两眼突然开始放空，说：这都不是最重要的，重要的应该是 AI——对就业社会和经济的冲击到底有多大，该怎么应对，这才是该琢磨的事儿。

想伊朗战争干嘛？无非就是两种结果：要么更严重，要么不打了。

既然提到了 AI，我就不困了，于是问：我们这些做研究的是不是都要准备下岗了？下岗了谁养？国家能养吗？

但后来想想，这些问题问他也是白问。如此大跨度、影响深远的事情，我们在当下是永远看不清的；不只是当下，一两年内也看不清，只能从十年（也可能是3、5年）的长期角度，从后往前看——先设想几年后会变成什么样子，再回过头来推演它有可能是如何一步一步走到那里的。

但当下的研究流程（理论上）确实不一样了。以前的流程：

1. 你发现一个市场偏差，想到一个牛逼的研究问题；
2. 把其中一个环节交给团队——搜集整理数据、做模型、校正数据、修补模型偏差；
3. 数据、模型、和分析过程证明或证伪你的观点；
4. 成文发表；
5. 你去路演讲观点。

现在（理论上）可以变成：

1. 你发现一个市场偏差，想到一个牛逼的研究问题；
2. 中间环节让 AI 帮你完成，还可以顺便折磨它、让它改无数遍、和你 battle，挑战观点，找出你的漏洞，直到成文；
3. 你去路演讲观点

五步变成了三步。所以现在你只需要负责提出一个好问题。而“研究”这件事，就变成了你和 AI 之间的对话——只要你能问出好问题，剩下的就是你和 AI 之间的互动了。

在金融投行业，这已经是现实。前两天看了高盛 CIO 的专访。高盛内部的AI助手叫GS AI（GSA），已经部署给了全行几万员工，能回答非常复杂的多维度问题——比如"霍尔木兹海峡关闭对某个投资组合意味着什么？有什么再平衡策略？"或者"美联储某个利率决定如何影响特定资产的波动率？"这些以前需要数小时甚至数天的分析，现在可以快速生成。

那么问题来了，如果大家都能用AI做到九成分析，这些高大上投行的“信息不对称优势”是不是就没了？“赚钱”这件事情，是不是也可以平权了？

我知道大家都想看到“是”的回答。但很可惜，在金融行业还有很多难以跨越的门槛。比如：昂贵的专有实时数据、跨资产类别相关性第一视角（利率、收益率、各种资产之间的联动）、以及处理极度复杂投资组合（衍生品、掉期、结构化产品）的能力——这还都没提到监管呢。

换句话说，这些门槛都是“九成”之外的那“一成”——AI让"九成分析"变得廉价甚至免费，但也让"最后那10%"变得更值钱。

所以金融行业很难消失，“赚钱”这件事很难平权，就打消这个念头吧。

但另一件事却很值得思考：如果AI能完成90%的研究过程，那“研究”这个工作还会存在吗？

其实上面的分析已经回答了：研究流程从5步变成了3步，现在的研究者只需要三种能力：（1）想出好问题；（2）解释清楚并把活拆分给Agent；（3）检查输出质量。

那么问题就变成了：一个能发现好问题、能把自己的想法解释清楚、会给AI布置任务、又能判断输出结果是对是错的人——为什么还需要这个“研究”过程呢？为什么不能从“想法”直接到“执行”？就像现在有了AI coding工具，从idea到产品可以跳过产品经理一样？

所以“投研”和“投资”分开了这么多年，现在是不是可以合并成一件事了？只要你有想法，你就能自己执行，而中间的研究过程已经被AI压缩成了你和模型之间的对话。

投研界一直有个说法：如果你有真正能赚钱的策略和分析，干嘛不自己赚呢？所以卖研报的人，卖的东西本质上已经是"不赚钱的信息"了。你读到的研报，要么是给机构做反向对冲的工具，要么就是知识付费，满足一下爱做研究的人的"先知欲望"。

所以“研究”这个职业肯定要变了（包括经济研究、其他研究，甚至是科学研究）。但我觉得原因不是AI，而是流程的改变。

提到技术变革，大家应该都听过一个流传了十几年的励志故事：ATM在1970年代开始普及，所有人都预测银行柜员要没了。结果呢？柜员人数不但没降，还涨了。所以每次新技术冲击就业的讨论一出，就一定会有人搬出这个例子来论证"技术不会造成大规模失业"。

问题是这个故事只讲了一半。ATM开始确实没有消灭柜员，原因是经典的杰文斯效应——ATM降低了开设银行网点的成本，银行于是开了更多网点，总的柜员数量反而上升。

但故事还有下半场：从大概2010年开始，美国银行柜员的就业人数开始断崖式下跌。Why？因为2007年iPhone发布了。

iPhone催生了手机银行App。所有以前需要跑银行才能干的事，在家里躺着就能办。既然客户不来了，网点开着当然没意义。于是美国商业银行人均网点数在2009年达到峰值后下降了近30%（FDIC）。

所以ATM是在旧世界里做优化。而在手机银行 App 的世界里，“柜员”这个角色压根就不存在。

技术史上有一个反复出现的规律：真正改变世界的不是技术本身，而是围绕技术建立的新流程、新组织、新范式。电力在1880年代就商业化了，但美国工厂的生产率直到1920年代才出现爆发——中间隔了四十年。为什么？因为早期的工厂只是把电动机放在蒸汽机原来的位置上，驱动同样的皮带和齿轮系统。效率当然有所提升，但远没有达到电力的真正潜力。直到工厂设计从多层楼改成单层、从集中传动改成每台机器独立供电、从固定工位改成可重排的流水线——也就是说，直到人类围绕电力的特性重新设计了整个生产流程——生产率才真正起飞。

AI目前大部分应用，说实话，还是在做ATM的事——不过是把现有的工作流程里塞进一个更聪明的工具。只要工作流程还是围绕人类设计的，就永远会有一堆摩擦和瓶颈需要人来处理——人就暂时还是有用的。

蒸汽机需要人类花几十年摸索出工厂制度，电力需要人类重新设计生产线布局，计算机需要人类发明互联网和电子商务——这些新范式都是人类自己构建的，但是需要时间。

这就是"从未来看现在"的作用。因为一两年内，你能看到的都只是局部替代，看到的是我们自己，或者“人奸”（人类的汉奸）正在热火朝天地进行“替代自己”的流程改造中。

不管是做研究还是其他，大家现在不过都是身处ATM和iPhone之间的某个位置而已。