行业资讯

加入亿拓客·流量大师 撬动财富之门!!!

AI在券商上岗,怎样才算干得好?

wang 2026-11-16 行业资讯
AI在券商上岗,怎样才算干得好?
 本账号发布之内容,未经授权不得转载
 转载拒绝任何形式删改
 否则保留追究法律责任的权利
“

41家上市券商2026年半年报观察

翻开2026年半年报,看看AI的工作记录,41家上市券商,34家披露了自身AI相关工作或安排,占82.9%,显然,AI已成为券商圈里的一个高频词了。

但把这些披露按业务拆开,画面就变了。客户服务与财富管理有31家涉及,占样本的75.6%;投资银行业务有9家涉及,占22.0%。同一个行业,同一批半年报,披露的分布并不均匀。

更关键的是,这些数字把已经使用的工具、正在建设的系统和未来的安排都装了进去。家数多,不等于用得深;写了“已落地”,也不等于说清了创造多少价值。一个问答助手、一套研究预审工具、一段智能询报价流程,都可以叫AI应用,接过去的工作却不是一回事。

要看清券商AI的实践成效,还得往业务里走一步:它接过了哪些工作,人在哪些环节把关,效果又拿什么证明?

岗位分布:AI出现在哪些业务

先看分布,也先把分母说清。

本文观察的是既定样本中的41家独立上市券商,以2026年半年报为统计依据。统计对象是公司自身及纳入合并范围子公司的AI相关工作,投资AI企业、讨论AI行业行情,以及参股公司的应用,均不据此计入。

客户服务与财富管理的披露最集中,31家涉及,占75.6%。这里的“客户”既包括个人投资者,也包括机构和企业,不能把整类业务理解成面向股民的智能客服。

其后是投研与投顾支持,23家,占56.1%;合规风险与审计,22家,占53.7%;运营办公与研发,19家,占46.3%。投资交易与资产管理、投资银行两类,分别为15家和9家,占36.6%和22.0%。

另有26家披露了平台、算力、模型治理、AI培训等内容,单列为“其他”。这一类既有支撑应用的基础设施,也有制度和人员准备,不能统称为已经建成的业务系统。

统计说明:“有相关披露”包含已使用或建成、建设探索及未来计划。同一公司在同一类别只计一次,可以进入多个类别,各行不可相加。7家公司在本次口径内未检得匹配披露,不代表没有开展AI工作。“41家”是本次样本边界。

这张图回答的是:AI相关工作被写进了哪些业务。要知道它到底走到了哪一步,还得把财报里的动词读清楚。

上岗进度:计划、建成与使用要分清

“计划建设”、“已经建成”、“投入使用”,几个字的差别,背后是不同的进度。

山西证券就是一个例子。半年报一处在下半年安排中提出完成AI中台搭建,另一处则在报告期经营举措中披露:智能答疑机器人已经全面投产。前者是计划,后者是已经发生的事。它们可以同时出现在一家公司的同一份报告里,却不能合并成“这家公司AI已经全面落地”。〔1〕

国金证券的情况也类似。AI会议助理被描述为取得初步探索成果;AI财报点评、产业周报提效工具,则有明确的落地表述。同一条业务线内部,不同工具的进度也不一样。〔2〕

因此,判断应用进展,至少要分开三件事:系统或工具是否建成,是否进入实际工作,是否拿出了使用与效果的证据。建成可以是使用的前提,却不能替代使用;使用规模扩大,也还需要回答质量和成本。

人工复核同样不能被当成“AI还没落地”的证据。工具已经投入使用,人继续把关,两件事可以同时成立。真正要看的,是AI交出什么结果,人检查什么,以及两者怎样完成交接。

下面,沿着六类业务往里看。

任务分工:六类业务,各接什么活

从客户服务到投资决策,从材料生产到审核把关,AI面对的任务不同,判断进展的尺度也应落在具体工作上。

3.1 客户服务与财富管理:接待客户,也辅助交易

同样面向客户,AI承担的任务并不相同。

国信证券的“金太阳AI财富助手”,强调多智能体协同的对客服务;西部证券的“AI小西”,支持实时语音交互与对话式问答,并对接“点将台”专属顾问。客户可以开口问,智能问答与人工顾问服务也有了衔接。〔3〕〔4〕

华泰证券的“AI涨乐”,把任务延伸到了交易辅助。任务助手连接选股、持仓复盘、智能盯盘和条件交易,支持用户用语音指令生成网格交易、分批止盈等策略。AI接到的任务,已经超出了回答问题。〔5〕

不过,生成策略、执行操作与替客户作出投资决定,需要分别判断。报告呈现了工具能力;要进一步看清操作边界,还需要知道授权到哪一步、哪些操作必须确认。客户使用的交易辅助,也应与券商用自有资金开展的投资交易区分。

客户也不只有个人。华安证券在机构客户业务中介绍了“华企通”科创智能体平台,为科创企业提供一站式资本服务。它呈现的是企业客户服务;至于是否参与投行尽调、审核或承销,报告这段内容尚未展开。〔6〕

3.2 投研与投顾支持:帮着写,也帮着审

投研,即投资研究。它为投资判断和投资顾问服务提供分析依据,AI已经参与其中的材料生产与检查。

国金证券落地了AI财报点评、产业周报提效等工具,把技术用在研究材料的处理与产出上。华泰证券则通过大模型技能平台,以及数据、工具调用能力,重构智能撰写流程,并开展研报智能预审。〔2〕〔5〕

一个帮助生产内容,一个参与检查内容。AI在研究流程中承担的工作,已经有了具体轮廓。

接下来要检验的,是这两类工作的质量:生成内容是否可靠,预审能识别哪些问题,分析师需要花多少时间复核。上述披露没有给出足以比较这些结果的完整指标,也不能直接推出研究判断或投资收益已经改善。

写得更快,判断是否更准?这是另一道题,需要另一组证据。

3.3 投资银行:工具列了名,工作要说清

投行业务,主要是帮助企业上市、发债、并购重组。尽职调查、材料制作和项目审核,都在这条工作链上。

国元证券将“投行大模型”列入自主研发成果,但相关段落没有展开它具体承担哪些任务。产品名称已经出现,流程分工还不清楚。〔7〕

国信证券的披露更具体:融合多源数据,实现尽调与画像智能生成,推动投行管理向数据智能驱动升级。用途已经指向尽调和信息处理,但报告没有由此交代实际使用规模、覆盖环节及项目效果。〔3〕

两者的区别,在于读者看到了多少具体工作。一个给出了产品名,一个指出了信息处理和内容生成的用途。继续往下判断,还需要知道:生成的内容怎样被核验、进入哪一道项目流程、为团队减少了多少工作。

3.4 投资交易与资产管理:AI接任务,人工怎样配合

投资交易和资产管理,涉及券商运用自有资金或受托资金开展投资。这里的AI,开始与定价、策略和组合管理发生联系。

国信证券披露了权益做市策略及AI做市升级,结合衍生品风控平台,推进智能做市与实时预警。做市的核心工作之一,是持续提供买卖报价。〔3〕

华泰证券则把AI放进了场外衍生品询报价环节:识别交易参数、进行前置合规校验,并采用“智能询报价+人工复核”的方式。它还披露了连接数据采集、研究分析和组合管理的多智能体工作流,为投资研究和决策提供支持。〔5〕

这些案例最值得看的,是人机分工已经进入具体业务操作。AI处理什么、人工在哪一步复核,能够沿着流程追问。至于投资收益,则还受市场行情、策略选择和风险承担等因素影响,不能因为同一时期用了AI,就把收益变化全部归给它。接了多少工作,与创造多少收益,需要分别算账。

3.5 合规风险与审计:查了多少,还要看查得怎样

合规审核面对的,既有业务材料,也有不断增加的内容形式。

华泰证券构建了覆盖图文、视频和直播流的智能合规审核体系。东方证券的证券投顾平台2.0,则实现了产品上架审核流程的自动化,并持续优化AI审核能力。前者扩大了可处理的内容类型,后者把自动化与智能审核放进了产品上线流程。〔5〕〔8〕

这里需要读准一个区别:整条审核流程实现自动化,并不意味着每个环节都由AI完成。判断AI实际承担了多少工作,还要看它负责的检查项目,以及后续如何复核和处置。

看得更多,是否意味着漏得更少?自动审核之后,人工检查是减少了,还是换了位置?

误报、漏报和复核工作量,才是回答这些问题的指标。它们把“覆盖扩大”进一步连接到审核质量与实际成本。

3.6 运营办公与研发:日常工作交给AI,减负效果逐项看

到了后台,AI面对的是报销、业务审核、办公和开发这些日常工作。

华泰证券在经纪业务运营中引入智能审核数字员工,参与客户信息变更、证券组合开户等高频业务;在费用报销中启用智能报销审核员,披露“85%的流程全智能审核”,并达成“T+0实时审核”目标。〔5〕

这组数字有分量,也要读准。85%对应公司所述的流程覆盖,不能改写成效率提升85%,也不能直接换算成85%的报销单据;T+0描述的是审核时效,不是报销款当天到账。

国金证券披露了GPT员工助手、智能问答等建设内容;研发侧,国信证券提到持续增强代码助手能力。办公工具在建什么、开发助手能做什么,已经进入披露,但实际使用量和效果仍需要分别检验。〔2〕〔3〕

一项工作交给AI之后,省下多少处理时间,又增加多少检查和异常处理?这才接近后台部门每天要面对的账。

六类业务看下来,AI已经承担了一批具体任务。下一步值得关注的,是这些任务能否连起来,成为持续运转的业务流程。

协同作业:从一个助手到一条工作流

一个助手能完成一项任务,多个助手能否共同完成一项业务,是进一步的问题。平台、智能体和工作流,分别处在这条连接中的不同位置。

先看平台。华泰证券的“泰为”大模型平台支撑模型管理、智能体搭建和生产部署;中泰证券以自研“仓颉大模型平台底座”联动通用产品与业务应用;国元证券建成总算力20 PFlops的智能算力平台。模型管理、应用搭建、算力供给,分工不同,都是在为具体应用打基础。〔5〕〔7〕〔9〕

承担任务的,是智能体和各类能力模块。国泰海通披露,累计发布1,314个智能体、404个Skills。可以把前者理解为围绕任务组织起来的AI应用,把后者理解为供应用调用的技能模块;具体功能与统计方法,仍以各公司的定义为准。〔10〕

再看工作流。华泰证券的权益投资案例,将数据采集、产业链分析、行业研究、个股研究和组合管理纳入多智能体协同流程,并自动汇总相关信息,为投研决策提供支持。值得注意的变化,是任务之间开始衔接:几个AI参与同一项业务,前后环节有了协同。〔5〕这表明AI开始被组织,而不只是被使用。

不过,数量不能混着比。华泰证券还披露,3,800余名员工参与低代码搭建创作,累计开发超19,000个轻量级智能应用。这与国泰海通的1,314个智能体,统计对象和口径不同,不能直接排出谁领先。〔5〕〔10〕

平台提供基础,应用承担任务,工作流连接环节。它们各有作用,但连起来之后是否稳定运转、实际有多少人使用、业务有没有做得更好,还需要效果的证据。

工作考核:看使用、看质量、看投入产出

半年报里,最抓眼的是数字。读懂这些数字,先要分清它们在量什么。

国泰海通的智能体和Skills数量,是发布规模;国元证券的20 PFlops,是算力容量;中信建投“信谛听”平台累计签约人数突破1.65万,是签约规模。三者分别记录了建设或业务进展。〔7〕〔10〕〔11〕

使用端也已有证据。国泰海通披露,报告期内累计智能化服务超过8,300万人次,智能投顾客户月留存率超过90%。前者呈现服务规模,后者呈现相关客户群体的留存表现。〔10〕

质量指标则要读得更细。山西证券披露的80%,是智能答疑机器人的“问答识别准确率”。它不能直接被理解成所有回答的正确率,更不能据此断言每五次回答就有一次错误。样本是什么、识别什么、怎样评测,会决定这个数字能说明多少问题。〔1〕

华泰证券的流程覆盖比例和审核时效,也提供了具体进展。要进一步算出业务价值,还需要知道原来的处理时间、差错情况、复核工作量,以及改造和运行成本。〔5〕

至此,这次研究分析要进入到如何计算“投入产出的这笔账”阶段。模型与算力、开发与维护、人工复核与异常处理,都要算进去。处理时间缩短之后,检查工作是否增加?服务覆盖扩大之后,质量有没有跟上?这些变化都会影响对价值的判断,不能只记收益、不记投入。

因此,评价一项应用,可以沿着四个问题往下追:是否进入实际工作?用了多少?做得怎样?算上投入,业务得到了什么?

财报已经回答了其中一部分,即建设数量、使用情况、质量与时效,各有证据。但是,可比较的基准、完整成本,以及业务改善中AI贡献的部分,还需要继续补齐。

上了岗,算清贡献尚待时日

AI已经在券商中得到了广泛应用。它参与到回答问题、参与预审、辅助报价、处理报销。其中部分AI应用,还给出了可喜的服务规模、客户留存和流程时效的数字。

接下来,账要算得更细。用了多少,做得怎样;比原来改善了什么,为此又投入了多少。把这些放在一起,才更接近“用得值不值”的答案。

AI接过了哪些工作,我们已经看见了一部分。它究竟做出了多少价值,券商估计还需要一段时间才能把这笔账算明白!?

资料来源

  1. 山西证券2026年半年度报告 印刷第15—16页/PDF第16—17页:中台计划、答疑机器人及80%指标
  2. 国金证券2026年半年度报告 印刷及PDF第20、46—47页:会议助理、财报点评、产业周报及员工工具
  3. 国信证券2026年半年度报告 印刷第13页/PDF第16页:财富助手、投行尽调与画像、做市升级、代码助手
  4. 西部证券2026年半年度报告 印刷第18页/PDF第20页:AI小西与点将台
  5. 华泰证券2026年半年度报告 印刷第025、034、042页/PDF第26、35、43页:泰为平台、研究流程及预审、交易辅助、多智能体工作流、审核指标与员工应用
  6. 华安证券2026年半年度报告 印刷及PDF第17页:“机构客户业务”中的华企通
  7. 国元证券2026年半年度报告 印刷及PDF第13—14页:20 PFlops及自主研发成果
  8. 东方证券2026年半年度报告 印刷第022页/PDF第23页:证券投顾平台2.0、产品上架审核及AI审核能力
  9. 中泰证券2026年半年度报告 印刷及PDF第22页:仓颉大模型平台底座
  10. 国泰海通2026年半年度报告 印刷第017、033页/PDF第22、38页:服务人次、客户留存率、智能体与Skills数量
  11. 中信建投2026年半年度报告 印刷第15页/PDF第16页:信谛听累计签约人数
ITHowBiz /睿·信科技
  • 拥抱数字变革

  • 诠释数智创新

  • 展现科技价值

  • 专注于CIO成长

提供专业咨询、内容、活动服务。

猜你喜欢