智能投顧“模型幻覺”是否會誤導股民？三大痛點調查

財聯社6月1日訊（記者 林堅）伴隨AI投顧突破傳統服務邊界、實現普惠金融，全新的合規挑戰也隨之而來。記者獲悉，中證協最新一期研究報告中指出，境內智能投顧（便于讀者理解，此文狹義形容為AI投顧）正在政策空間、技術進化與工具擴容的支撐下，步入以“復合智能”為特征的二次發展階段。

從2015年前后的“無牌薦股”幻象與激進試錯，到如今大語言模型重塑金融交互界面。在這份研究報告中，對AI投顧的痛點進行了最新剖析。記者總結下來主要有三點：

第一點是制度邊界。現在的通用AI規定主要管的是內容安不安全，管不到金融行業特有的“替客戶著想、不能有利益沖突”的行業屬性；而以前針對人工投顧的規定，又沒寫清楚機器犯了錯該算誰的、怎么評估客戶合不適合。

第二點是客群變了。目前來看，技術公司會參與AI投顧技術建設，在后面做系統，容易變成沒有牌照的非法“薦股”；而且因為AI投顧門檻低，一下子涌進來大量不懂投資的普通老百姓，光靠幾道簡單的調查問卷，很容易把不合適的理財產品賣給錯誤的人，保護不過來。

第三句是智能體“失控”。AI的底層邏輯是個“黑盒子”，它自己怎么算出來的誰也說不清，有時候還會胡思亂想、瞎編數據誤導人，也就是模型幻覺。更可怕的是，如果券商用的都是差不多的大模型，市場一跌，機器可能同時跟著一起砸盤調倉，容易把市場搞崩潰。

財聯社持續對AI投顧展業保持關注，今年已在《券商AI投顧痛點跟蹤，哪些是繞不開緊箍咒？》《讓AI投顧打通服務客戶最后一公里？券商走到哪一步？最新調查》等報道中有過呈現。

2025年以來，證券業已涌現出華泰證券“AI 漲樂”、東吳證券“小水滴”、國泰海通“靈犀 APP”等代表性案例，通過智能化手段為投顧人員提供支持或為用戶提供決策輔助，對于人工智能在證券投顧服務的合規問題依然是行業摸索的一大方向。

整體而言，當人工智能從“工具”跨越到“引擎”，深度學習模型的運行特征與證券投顧持牌行業的信義義務、利益沖突防范等底層邏輯，正在發生深度的碰撞。

痛點一：制度的錯位

在這份研究報告中，對AI投顧所面臨的挑戰是最大看點，主要從三個緯度進行了展開。

通用人工智能監管法規（如《生成式人工智能服務管理暫行辦法》）的監管重心主要是具有輿論屬性及社會動員能力的應用及其基礎模型的內容安全、倫理底線，難以覆蓋金融服務特有的信義義務、利益沖突防范等合規要求。

而現行的行業監管規章（如《證券投資顧問業務暫行規定》）其制度設計植根于傳統人工投顧的業務流程與責任鏈條，對AI投顧決策的責任歸屬、適當性評估、合規義務以及信息披露等方面仍需進行細化。

此外，對AI投顧潛在的新型風險，目前缺乏預警指標體系、風險監測機制和干預手段，監管機構難以有效識別并應對算法策略趨同可能引發的風險。

痛點二：服務客群長尾化對適當性管理形成沖擊

在參與主體方面，科技公司深度參與卻可能無牌展業，與持牌機構間的法律責任難以厘清，需要通過牌照管理規范主體資質、準入條件和義務。

在服務客群方面，AI投顧低門檻、標準化的特性，拓展了服務半徑，使更廣泛的大眾投資者得以接入投顧服務，但服務客群長尾化對適當性管理形成沖擊，依賴有限問卷的評估模型易在信息不完備或客戶自我認知偏差下導致風險錯配，大量金融知識匱乏的投資者涌入也加劇了投資者保護壓力。

痛點三：“模型幻覺”對投資者產生嚴重誤導

人工智能算法黑箱與公平性挑戰也不容忽視。這主要體現在四個核心技術風險：

首先是算法的可解釋性困境，深度學習模型內部決策過程高度復雜且不透明，損害了投資者的知情權，也使得監管機構、審計方及開發方自身難以對算法決策進行有效審查、追溯與問責；

其次是生成式人工智能的“模型幻覺”與事實性誤判風險，虛構不存在的經濟指標與股價波動的因果關系，對投資者產生嚴重誤導；

再者是算法公平性挑戰，若訓練模型的基礎歷史數據存在社會偏見，算法可能放大偏見，導致對特定客戶群體提供不公正或次優的服務；

最后是算法同質化潛藏系統性風險，當眾多金融機構采用相似的基礎模型、風險因子或商業化策略庫時，系統可能在市場面臨壓力時作出方向高度一致的調倉或止損決策，在極端情況下威脅整個金融體系的穩定。

建議：行業可探索專項業務牌照管理

基于上述痛點，中證協發布的這份研究報告對證券行業合規開展AI投顧業務的建議。

對比美國資本市場AI投顧發展呈現出的規章制度相對更細（如SEC推出《機器人投顧監管指南更新》明確業務性質并提供指引）、投資標的相對豐富、投資者接受度更高的特征，境內在推進AI投顧業務時，需結合本土市場個人投資者占比高、自主決策傾向強等生態生態現狀，建立健全針對性的合規與管理手段。

建議一是堅持約束與激勵并行的監管理念并實施業務范圍分級準入制度。在維持安全與發展平衡的前提下，約束方面可參照《金融穩定法》草案精神設置監管紅線，激勵方面則對技術及市場條件成熟、具備展業條件的場景實施沙盒監管。

在準入上，面向員工端的助手（如投資研究輔助、客戶需求分析、合規風險篩查等）因不直接面向投資者且風險傳導性較弱，可免于監管；面向客戶的AI投顧數字員工則需進行差異化準入管理：對持倉分析、ETF基金推薦等成熟、低風險場景簡化登記流程并優先推廣；對資產配置建議、投資組合調倉建議等高復雜度場景，在監管沙盒框架內面向專業投資者或高風險承受能力客戶進行試點；對個股推薦、估值等高風險業務，當前應審慎評估展業風險。

建議二是完善AI投顧的管理手段并健全責任追究機制。行業可探索專項業務牌照管理，在現有證券投資咨詢業務牌照框架下研究設立“智能證券投資咨詢業務牌照”，向在技術與場景成熟領域完成監管沙箱驗證、按規定履行應用及算法登記等義務的持牌機構核發，從準入源頭厘清業務邊界與主體責任。

同時，應針對AI投顧業務專門設計評估問卷，真實、全面、無誘導地反映客戶情況，檢驗AI投顧生成的建議組合是否與客戶KYC特征精準匹配。此外，必須健全主體責任追究機制與糾紛解決機制，要求展業機構建立責任歸因和包括風險準備金在內的損失保障機制，規定清晰的糾紛解決流程與舉證責任分配。

建議三是建立算法登記與持續測試機制并建設全行業風險防控體系。金融監管機構應建立針對投顧業務特性的算法登記監管體系，重點關注投顧算法透明度（檢驗信息來源可信性、投資邏輯合理性）、投顧邏輯一致性（驗證建議與信息披露的一致性）、算法公平性（驗證是否存在群體歧視或系統性偏見）以及通過壓力測試檢驗模型的穩健性和風險控制能力。

在此基礎上，制定AI投顧業務數據報送標準和涵蓋策略集中度、調倉同步性、流動性沖擊等多維度的關鍵風險指標體系，運用監管科技搭建行業級數據報送與監控平臺，對異常交易和市場共振效應進行系統性監測。

建議四是建立AI投顧人才培訓體系及行業知識庫。AI投顧的穩慎創新離不開復合型人才的支撐。行業應當建立系統的AI投顧人才培訓體系，提升從業人員在算法、風控、合規及倫理方面的綜合素養，培養既精通投顧又理解技術的復合型人才。

同時，積極構建行業知識庫，通過整合境內外典型案例、技術方案、監管實例與最佳實踐，為整個證券行業的合規發展與創新實踐提供長效的標準化支持。