夜雨聆风折腾了AI大半年，从第一个prompt到搭建完整工作流，到现在开始研究harness和工程化，踩了无数坑，也找到了真正好用的方法。
现在我把这半年的实践，集结成了"金融人怎么用AI"的实操手册。是以为记。
AI 投顾 demo：输入客户画像，AI 直接输出"推荐易方达蓝筹精选，预期年化收益 15%"。
问题来了：你有投顾牌照吗？
没有牌照，这就是非法荐股。
那把这事说清楚。
一句话
AI 能帮你干活，但不能替你负责。合规、隐私、伦理，这三条红线 AI 碰不了。
三条红线
| 合规 | ||
| 隐私 | ||
| 伦理 |
合规：边界在哪
AI 能做和不能做的
金融场景示例：
❌ 不合规：
"根据您的需求，推荐易方达蓝筹精选，预期年化收益 15%。"
✅ 合规：
"根据您的风险偏好，筛选出 3 只历史业绩稳定的基金（数据来源：天天基金）。注：历史业绩不代表未来表现，投资需谨慎。 最终选择由您决定。"
差异在哪：不合规版本直接推荐 + 承诺收益，踩了《基金法》红线。合规版本只做辅助筛选，加了风险提示，最终决策在你手里。
隐私：什么数据不能给 AI
金融场景示例：
❌ 不合规：
客户：王总，资产 500 万，风险偏好中等，持有易方达蓝筹精选 100 万。请分析他的资产配置是否合理。✅ 合规：
客户类型：高净值客户（资产 500 万+）风险偏好：中等持有产品：偏股混合型（占比 20%）请分析这类客户的资产配置逻辑。差异在哪：不合规版本暴露了客户真实身份和资产，违反《个人信息保护法》。合规版本脱敏了，只留分析所需的关键特征。
伦理：不能伤害用户
金融场景示例：
❌ 不伦理：
"王总，这只基金过去 3 年每年都涨 20%，您放心买，肯定赚钱。"
✅ 伦理：
"王总，这只基金过去 3 年平均年化收益 15%，但市场有风险，过去业绩不代表未来。建议您根据自己的风险承受能力决定。"
差异在哪：不伦理版本夸大收益、隐瞒风险。伦理版本客观描述，有风险提示，尊重你的选择权。
三个真实场景
场景 1：AI 投顾合规
背景：公司想上线"AI 投顾"功能，自动为用户推荐基金组合。
合规检查清单：
结论：AI 可以辅助投顾业务，但不能替代持牌人员和最终决策。
场景 2：客户数据分析
背景：AI 需要分析客户持仓数据，生成资产配置报告。
隐私保护方案：
结论：AI 分析必须用脱敏数据，保护客户隐私。
场景 3：AI 生成营销文案
背景：AI 生成了一只基金的营销文案，准备发公众号。
伦理检查清单：
修正后文案：
"易方达蓝筹精选过去 3 年平均年化收益 15%（数据来源：天天基金）。注：历史业绩不代表未来表现，市场有风险，投资需谨慎。 适合风险偏好中高的投资者。"
结论：AI 生成文案必须经过人工审核，确保合规、伦理。
合规检查清单
每次用 AI 前，问自己 5 个问题
1. 数据合规吗？ • 客户隐私？未公开信息？ • 脱敏了吗？ 2. 结论合规吗？ • AI 越界了吗？（投资建议/合规判断） • 最终决策在你手上吗？ 3. 风险提示了吗？ • 包含"市场有风险，投资需谨慎"吗？ • 风险提示摆在显眼位置了吗？ 4. 数据有来源吗？ • AI 引用的数据有来源吗？ • 来源可靠吗？ 5. 用户知情了吗？ • 用户知道这是 AI 生成的吗？ • 用户有权选择不用 AI 吗？
不负责的后果
AI 出错，不是"改一下就行"。在金融领域，后果是法律风险、财务损失、信任崩塌。
三个维度
| 法律风险 | ||
| 财务损失 | ||
| 信任崩塌 |
案例 1：合规越界 → 法律风险
场景：AI 投顾功能上线，自动推荐基金组合。
AI输出：
"根据您的风险偏好，推荐易方达蓝筹精选，预期年化收益 15%。"
后果：
• 客户亏损 20%，投诉到证监会 • 监管调查：AI 承诺收益，违反《基金法》第 92 条 • 处罚：公司罚款 50 万，暂停投顾业务 3 个月 • 责任人：产品经理直接责任，公司法人连带责任
教训：AI 不能承诺收益，不能替代持牌人员。产品经理是第一道防线。
案例 2：数据错误 → 财务损失
场景：AI 生成行业研究报告，数据错误。
AI输出：
"2024 年养老金融市场规模 50 万亿，同比增长 20%。"
实际数据：
"2024 年养老金融市场规模 48.7 万亿，同比增长 18.2%。"
后果：
• 客户基于错误数据做决策 • 亏损 100 万，要求赔偿 • 公司赔偿 50 万（部分责任） • 品牌受损，新客户减少 30%
教训：AI 数据必须验证。错误数据 → 错误决策 → 财务损失。
案例 3：隐私泄露 → 信任崩塌
场景：AI 分析客户数据，未脱敏。
AI 输入：
"客户：王总，资产 500 万，风险偏好中等，持有易方达蓝筹精选 100 万。"
后果：
• AI 服务商数据库泄露，客户信息暴露 • 王总收到诈骗电话，损失 20 万 • 投诉到银保监会，公司被调查 • 客户流失 50%，品牌声誉严重受损
教训：客户隐私是红线。脱敏不彻底 → 隐私泄露 → 信任崩塌。
人工犯错 vs AI 犯错
关键差异：AI 犯错是批量、快速、难追溯的，后果比人工严重 10 倍以上。
常见误区
在金融行业，信任是唯一的货币。AI 可以帮你干活，但信任只能自己建立。
下一篇预告：
下一篇聊「产品经理的 AI 工具箱」——不是替代你，是放大你。前面 4 篇讲完了 4D 原则，接下来 5 篇，一个一个岗位拆。先看产品经理。
如果这篇文章对你有用，欢迎关注「金融人小站」。站内持续更新 AI 协作的实战技巧、工具推荐和思考框架。每一篇都经过实测，每一招拿到就能用。🔗 financepro.mangofolio.com
