从 2015 年前后的 " 无牌荐股 " 幻象与激进试错，到如今大语言模型重塑金融交互界面。在这份研究报告中，对 AI 投顾的痛点进行了最新剖析。记者总结下来主要有三点：
第一点是制度边界。现在的通用 AI 规定主要管的是内容安不安全，管不到金融行业特有的 " 替客户着想、不能有利益冲突 " 的行业属性；而以前针对人工投顾的规定，又没写清楚机器犯了错该算谁的、怎么评估客户合不适合。
第二点是客群变了。目前来看，技术公司会参与 AI 投顾技术建设，在后面做系统，容易变成没有牌照的非法 " 荐股 "；而且因为 AI 投顾门槛低，一下子涌进来大量不懂投资的普通老百姓，光靠几道简单的调查问卷，很容易把不合适的理财产品卖给错误的人，保护不过来。
第三句是智能体 " 失控 "。AI 的底层逻辑是个 " 黑盒子 "，它自己怎么算出来的谁也说不清，有时候还会胡思乱想、瞎编数据误导人，也就是模型幻觉。更可怕的是，如果券商用的都是差不多的大模型，市场一跌，机器可能同时跟着一起砸盘调仓，容易把市场搞崩溃。
财联社持续对 AI 投顾展业保持关注，今年已在《券商 AI 投顾痛点跟踪，哪些是绕不开紧箍咒？》《让 AI 投顾打通服务客户最后一公里？券商走到哪一步？最新调查》等报道中有过呈现。
2025 年以来，证券业已涌现出华泰证券 "AI 涨乐 "、东吴证券 " 小水滴 "、国泰海通 " 灵犀 APP" 等代表性案例，通过智能化手段为投顾人员提供支持或为用户提供决策辅助，对于人工智能在证券投顾服务的合规问题依然是行业摸索的一大方向。
整体而言，当人工智能从 " 工具 " 跨越到 " 引擎 "，深度学习模型的运行特征与证券投顾持牌行业的信义义务、利益冲突防范等底层逻辑，正在发生深度的碰撞。
痛点一：制度的错位
在这份研究报告中，对 AI 投顾所面临的挑战是最大看点，主要从三个纬度进行了展开。
通用人工智能监管法规（如《生成式人工智能服务管理暂行办法》）的监管重心主要是具有舆论属性及社会动员能力的应用及其基础模型的内容安全、伦理底线，难以覆盖金融服务特有的信义义务、利益冲突防范等合规要求。
而现行的行业监管规章（如《证券投资顾问业务暂行规定》）其制度设计植根于传统人工投顾的业务流程与责任链条，对 AI 投顾决策的责任归属、适当性评估、合规义务以及信息披露等方面仍需进行细化。
此外，对 AI 投顾潜在的新型风险，目前缺乏预警指标体系、风险监测机制和干预手段，监管机构难以有效识别并应对算法策略趋同可能引发的风险。
痛点二：服务客群长尾化对适当性管理形成冲击
在参与主体方面，科技公司深度参与却可能无牌展业，与持牌机构间的法律责任难以厘清，需要通过牌照管理规范主体资质、准入条件和义务。
在服务客群方面，AI 投顾低门槛、标准化的特性，拓展了服务半径，使更广泛的大众投资者得以接入投顾服务，但服务客群长尾化对适当性管理形成冲击，依赖有限问卷的评估模型易在信息不完备或客户自我认知偏差下导致风险错配，大量金融知识匮乏的投资者涌入也加剧了投资者保护压力。
痛点三：" 模型幻觉 " 对投资者产生严重误导
人工智能算法黑箱与公平性挑战也不容忽视。这主要体现在四个核心技术风险：
首先是算法的可解释性困境，深度学习模型内部决策过程高度复杂且不透明，损害了投资者的知情权，也使得监管机构、审计方及开发方自身难以对算法决策进行有效审查、追溯与问责；
其次是生成式人工智能的 " 模型幻觉 " 与事实性误判风险，虚构不存在的经济指标与股价波动的因果关系，对投资者产生严重误导；
再者是算法公平性挑战，若训练模型的基础历史数据存在社会偏见，算法可能放大偏见，导致对特定客户群体提供不公正或次优的服务；
最后是算法同质化潜藏系统性风险，当众多金融机构采用相似的基础模型、风险因子或商业化策略库时，系统可能在市场面临压力时作出方向高度一致的调仓或止损决策，在极端情况下威胁整个金融体系的稳定。
建议：行业可探索专项业务牌照管理
基于上述痛点，中证协发布的这份研究报告对证券行业合规开展 AI 投顾业务的建议。
对比美国资本市场 AI 投顾发展呈现出的规章制度相对更细（如 SEC 推出《机器人投顾监管指南更新》明确业务性质并提供指引）、投资标的相对丰富、投资者接受度更高的特征，境内在推进 AI 投顾业务时，需结合本土市场个人投资者占比高、自主决策倾向强等生态生态现状，建立健全针对性的合规与管理手段。
建议一是坚持约束与激励并行的监管理念并实施业务范围分级准入制度。在维持安全与发展平衡的前提下，约束方面可参照《金融稳定法》草案精神设置监管红线，激励方面则对技术及市场条件成熟、具备展业条件的场景实施沙盒监管。
在准入上，面向员工端的助手（如投资研究辅助、客户需求分析、合规风险筛查等）因不直接面向投资者且风险传导性较弱，可免于监管；面向客户的 AI 投顾数字员工则需进行差异化准入管理：对持仓分析、ETF 基金推荐等成熟、低风险场景简化登记流程并优先推广；对资产配置建议、投资组合调仓建议等高复杂度场景，在监管沙盒框架内面向专业投资者或高风险承受能力客户进行试点；对个股推荐、估值等高风险业务，当前应审慎评估展业风险。
建议二是完善 AI 投顾的管理手段并健全责任追究机制。行业可探索专项业务牌照管理，在现有证券投资咨询业务牌照框架下研究设立 " 智能证券投资咨询业务牌照 "，向在技术与场景成熟领域完成监管沙箱验证、按规定履行应用及算法登记等义务的持牌机构核发，从准入源头厘清业务边界与主体责任。
同时，应针对 AI 投顾业务专门设计评估问卷，真实、全面、无诱导地反映客户情况，检验 AI 投顾生成的建议组合是否与客户 KYC 特征精准匹配。此外，必须健全主体责任追究机制与纠纷解决机制，要求展业机构建立责任归因和包括风险准备金在内的损失保障机制，规定清晰的纠纷解决流程与举证责任分配。
建议三是建立算法登记与持续测试机制并建设全行业风险防控体系。金融监管机构应建立针对投顾业务特性的算法登记监管体系，重点关注投顾算法透明度（检验信息来源可信性、投资逻辑合理性）、投顾逻辑一致性（验证建议与信息披露的一致性）、算法公平性（验证是否存在群体歧视或系统性偏见）以及通过压力测试检验模型的稳健性和风险控制能力。
在此基础上，制定 AI 投顾业务数据报送标准和涵盖策略集中度、调仓同步性、流动性冲击等多维度的关键风险指标体系，运用监管科技搭建行业级数据报送与监控平台，对异常交易和市场共振效应进行系统性监测。
建议四是建立 AI 投顾人才培训体系及行业知识库。AI 投顾的稳慎创新离不开复合型人才的支撑。行业应当建立系统的 AI 投顾人才培训体系，提升从业人员在算法、风控、合规及伦理方面的综合素养，培养既精通投顾又理解技术的复合型人才。
同时，积极构建行业知识库，通过整合境内外典型案例、技术方案、监管实例与最佳实践，为整个证券行业的合规发展与创新实践提供长效的标准化支持。
