AI不是替人判断,而是让判断更清楚|北大汇丰EMBA成都公开课回顾

PHBS EMBA公开课

今天已经不是一个缺乏答案的时代。

借助人工智能，人们可以迅速获得大量知识，但知识点越来越容易获取，并不意味着判断会自然产生。刘柏霄教授指出，在这个时代，真正重要的不只是掌握具体的知识点，更要形成理解问题的整体框架，知道自己应当从哪些维度思考，并能够提出正确的问题。

这也是他研究和讲授人工智能问题的基本出发点：不笼统讨论AI能够改变什么，而是把问题放入具体的金融与经济场景中，通过研究和实践分析AI究竟能够做什么，哪些工作仍然需要由人完成，以及人与机器如何协同，才能获得更好的结果。

刘柏霄教授以《兰亭集序》为例说明，大模型可以识别和处理作品中的文字，但人在观看书法作品时所形成的审美感受，并不能被简单归结为文字信息。机器具有强大的信息处理能力，人则拥有经验、感受与判断。由此出发，无论在财富管理还是产业投资估值中，都不应把问题理解为“机器是否取代人”，而应思考人与机器分别做什么，以及二者如何更好地配合。

PHBS EMBA公开课

结合自己在机器学习与金融领域的研究，刘柏霄教授将人工智能在金融场景中的能力概括为四类：预测、任务自动化、语义与情绪提取，以及替代数据生成。

AI可以处理大量新闻、研报、财务资料与市场信息，对分散的信息进行筛选、归类和整理；也可以承担规则明确、重复度较高的工作，并从文本、图像等不同类型的数据中提取过去难以直接处理的信息。这些能力提高了金融工作的效率，也改变了财富管理服务的生产方式。

刘柏霄教授指出，传统财富管理在相当程度上采用卖方思维，更接近于从既有产品中选择并向客户推荐。随着AI工具的发展，客户也可以利用人工智能理解产品说明、分析产品特点。仅仅传递信息和销售产品，已经难以构成理财师的核心价值。财富管理需要从产品销售转向顾问服务，更具体地理解客户的偏好、现实需求和风险承受能力，并据此提供个性化的财富管理方案。

在这一过程中，AI可以帮助理财师获得客户洞察、进行投研分析、生成资产配置建议，并提供持续的信息响应。但刘柏霄同时强调，财富管理离不开人与人之间的信任。机器可以扫描市场信息，分析某项资产变化对客户投资组合的影响，形成备选方案并准备分析材料；到了与客户沟通、作出判断和承担责任的环节，仍然需要人参与。

因此，未来的理财师首先要成为能够驾驭AI的“AI策略师”，理解工作流程中哪些部分可以交给机器，哪些节点需要人工干预；同时也要承担“心理咨询师”的角色，理解客户、建立信任并保持人与人之间的沟通。技术可以提升处理信息和生成方案的效率，但最终的信任关系仍然需要由人建立。

PHBS EMBA公开课

任务自动化并不等于责任自动化。刘柏霄教授以信用审批为例说明，机器可以依据既定标准处理资料、完成分析并提出建议，但最后的“同意”仍然十分重要，因为这意味着有人作出判断，也有人为判断承担责任。

这一原则同样适用于财富管理。AI可以帮助人扩大信息范围、提高处理速度，但其输出不应被直接视为结论。使用者需要判断信息是否可靠、分析是否合理、建议是否符合客户实际情况。尤其是在涉及资产配置与投资决策时，金融从业者不能因为使用了人工智能，便将本应由自己承担的专业责任交给机器。

刘柏霄教授还提醒，人工智能可能出现幻觉，其输出也可能受到训练数据和模型特征的影响。因此，金融从业者既要会使用AI，也要具备识别错误、检查依据和修正结果的能力。所谓人机协同，并不是人在机器完成工作后简单确认，而是在工作流程的关键节点进行判断和干预。

PHBS EMBA公开课

在下半场的分享中，刘柏霄教授将讨论转向产业投资估值。他指出，从金融学的基本框架看，价值可以理解为未来现金流的贴现值。产业投资估值主要涉及未来现金流、贴现率和时间期限。估值公式并不难，真正困难的是如何获得可靠的信息、建立合理的假设，并在不确定条件下形成判断。

一级市场企业缺少连续的市场价格，初创企业提供的财务资料也可能不够完整和规范。估值人员需要处理财务报表、合同、访谈纪要和行业资料，寻找合适的可比公司，并判断企业所处的发展阶段。与此同时，市场规模、市场份额、收入增长、成本变化等假设稍有调整，估值结果便可能出现明显变化，融资条款也会影响交易结果。

因此，一级市场估值的难点不在于不会使用公式，而在于资料口径是否一致、信息是否可信、假设是否稳定、模型是否合适，以及交易条款应当如何进入估值过程。估值不是单纯的算数，而是一套包含证据、假设、模型和沟通的判断流程。

PHBS EMBA公开课

人工智能首先改变了估值资料的处理方式。过去需要人工逐份阅读和录入的非结构化资料，如今可以借助AI整理为更便于比较和分析的结构化信息。在寻找可比公司时，AI也可以扫描更大范围的企业样本，帮助估值人员比较业务模式、发展阶段、客户与渠道以及风险特征。

刘柏霄教授结合自己的估值实践谈到，过去由团队完成一项估值工作，通常需要较长时间；如今借助AI，可以在短时间内形成报告的初步结果。他曾用不到半个小时生成一份估值报告的初稿，随后又用一周进行人工干预和调整。这个案例所说明的，并不是AI可以独立完成估值，而是估值工作的时间结构已经发生变化：机器承担了大量资料处理和初步计算，人则把更多精力投入关键变量、敏感假设和结果合理性的判断。

AI还可以快速调整假设，使用不同方法进行测算，并对结果开展压力测试。过去受限于时间和人力而难以反复完成的工作，现在可以快速迭代。但机器并不知道哪些输入真正敏感，也不能自行确认某项假设是否符合行业实际。找出决定估值结果的关键变量，并判断数据、模型与结论是否合理，仍然依赖人的专业知识和行业经验。

在刘柏霄教授看来，AI负责扩展证据边界、提高资料处理和模型迭代的速度；人负责定义问题、判断可信度并承担责任。只有把整个估值流程拆解清楚，明确需要人工干预的环节，AI才能真正成为估值能力的一部分。

PHBS EMBA公开课

刘柏霄教授指出，估值需要“讲故事”，但这里的“故事”不是用愿景替代事实，更不是通过包装感动投资者。能够进入估值过程的企业故事，必须可以转化为具体变量，并反映到收入、成本、现金流和风险之中。

市场是否存在真实需求，产品能否形成持续购买，企业能够获得多大的市场份额，才是判断商业故事能否成立的重要依据。创业者如果只强调技术先进，却无法说明技术解决了什么问题、如何形成收入以及客户为什么愿意付费，投资者便很难将其转化为可验证的估值依据。

对于需要融资的企业，刘柏霄教授特别强调，应当先把资金用途讲清楚。企业需要多少资金，不应简单从预设估值和股权比例倒推，而应从实际经营出发，说明资金将用于哪些固定资产、人员、研发项目和阶段性目标。融资材料也不只是宣传册，其核心任务是完成价值论证：企业为什么需要这笔钱，资金投入后将达到哪些里程碑，这些里程碑又将如何支撑下一阶段的发展。

AI可以帮助创业者检查企业故事能否转化为核心变量，发现论证中的逻辑跳跃，并提前提出投资委员会可能关注的问题。但企业的业务模式是否成立、市场边界在哪里、哪些收入有证据支持、哪些成本可能被忽略，仍然需要创业者和投资者依据现实情况作出判断。

PHBS EMBA公开课

当资料整理、重复计算和基础分析越来越多地由机器完成，人的工作将更多转向理解问题和判断结果。刘柏霄教授认为，AI并不必然带来能力上的平等。不同个人和机构在专业经验、数据资源、工具使用和工作流程上的差异，可能因为AI而进一步扩大。

拥有行业经验和系统知识的人，可以借助AI扩展自己的信息边界和工作能力；缺少判断框架的人，即使使用同样的工具，也未必能够得到可靠的结果。低水平的计算可能被替代，高水平的判断则会变得更加重要。

这也是本次分享贯穿始终的核心观点：AI不是替人判断价值，而是帮助人把判断建立在更充分的证据、更快速的验证和更清晰的逻辑之上。机器可以处理信息、生成假设和完成计算，但什么问题值得研究、什么信息可以相信、什么结果应当接受，以及由谁承担最终责任，仍然需要由人回答。

从财富管理到产业投资估值，人工智能正在改变工作的流程和方法，却没有取消判断本身。对企业经营者、金融从业者和投资人而言，真正需要建立的，是提出问题、理解行业、识别关键变量并对最终决策负责的能力。

PHBS EMBA