AI投顾走到哪一步了？
财策智库
行业导读
AI正在进入高净值客户的投资决策过程。汇丰委托Ipsos完成的一项调查覆盖来自10个市场的9,993名富裕及高净值投资者。其中，73%的受访者表示使用AI处理金融或投资事务，高净值组的比例为82%。
但使用率不能单独说明AI在决策中的权重。同一项调查中，只有12%的受访者表示，AI是最近一次投资决策中影响最大的因素；62%的受访者仍将专业人士视为主要投资想法来源。在高净值组中，后一比例达到70%。
摩根大通、UBS、汇丰和摩根士丹利已经披露多种财富管理AI工具。这些机构公开披露的用途，主要集中在信息检索、客户洞察、会议准备和记录等顾问工作环节。
截至本文资料整理日（2026年8月26日），公开资料最清楚地显示，AI正在成为客户的信息工具和顾问的工作工具。
但现有证据还不足以证明，AI能够独立完成复杂的个性化建议，并持续带来优于人工顾问的客户结果。
判断AI投顾走到了哪一步，需要分别考察客户使用、机构部署、投资能力和建议形成后的治理安排。
01 高净值投资者已经使用AI，关键决策仍依赖专业判断
汇丰调查显示，受访者使用AI的场景包括分析与研究、策略支持，以及为自己的投资想法提供第二意见。50%的受访者表示，其理想的未来决策方式是AI与顾问结合。
CFA Institute调查了6个市场的2,400多名年轻富裕及高净值投资者。约三分之一的受访者使用生成式AI进行金融教育，人类顾问仍是最受信任的信息来源。两项调查都显示，AI已进入信息获取和决策准备环节，专业顾问仍在关键判断中占据重要位置。
Janus Henderson调查了1,000名美国富裕及高净值投资者，重点了解他们对AI使用披露和责任归属的看法。85%的受访者认为，顾问应对其提供的AI生成内容承担最终责任；79%的受访者表示，如果顾问使用AI却没有披露，他们会感到不满。
三项调查的样本范围和财富门槛不同，相关比例也不能直接比较。不过，它们共同说明了：高净值投资者已经在金融研究、教育和决策准备中使用AI，同时仍把专业顾问视为重要的信息和信任来源。
这些调查测量的是使用情况、态度和信任来源，并没有跟踪实际账户交易或长期收益。
图1｜不同调查分区呈现：AI已进入研究与决策准备，专业顾问仍承担关键判断与责任期待。
02 财富机构首先把AI嵌入顾问工作流
摩根大通、UBS、汇丰和摩根士丹利都已披露面向财富管理业务的AI工具，功能集中在信息检索、客户洞察、会议准备、会议记录和投资组合分析等环节。
摩根大通在2025年年报中披露了Connect Coach。UBS公开了STAAT Insights，汇丰披露了Wealth Intelligence，摩根士丹利则推出了AI @ Morgan Stanley Assistant和Debrief。这些工具都被放在顾问服务流程中。
以Debrief为例，它用于生成会议摘要、整理记录并辅助完成会后工作。
FINRA在2026年监管概览中观察到，成员机构的GenAI部署聚焦内部流程和信息检索，摘要与信息提取是其中最常见的用例。由于这些工具主要用于内部流程，机构可以沿用现有服务体系，设置输入权限、输出检查和人工复核。
MSCI对250名财富管理专业人士的调查显示，95%的受访者计划增加AI投入，只有27%认为财富管理领域在AI应用上领先其他行业。这组结果显示，机构的投入意愿很强，但行业应用仍在形成。MSCI列出的AI应用成功指标主要涉及规模、效率、个性化和客户互动，反映出财富机构现阶段首先关注服务流程和顾问产能。
从这些公开材料看，财富机构目前主要用AI支持信息检索、客户洞察、会议工作和部分投资组合分析。
但现有公开材料还不能证明，这些工具已经改善了客户净收益、AUM增长、客户覆盖或建议质量。
图2｜公开部署集中于检索、洞察、会议和部分组合分析，主要用于支持顾问。
03 “AI投顾”至少有三层，评价标准不能混用
被称为“AI投顾”的工具并不属于同一类型：有的帮助顾问整理会议记录，有的参与证券筛选和组合分析，还有的直接面向客户生成个性化建议。
三类工具面向的对象和所处的决策环节不同，功能、效果指标和风险也不相同。
根据工具向谁输出、在投资决策中处于什么位置，可以把财富管理中的AI应用分为三层。
- 第一层是顾问辅助层，主要用于检索、摘要、会议记录和客户线索整理。
- 第二层是投资决策层，包括组合分析、风险监测、资产配置、再平衡和证券筛选。
- 第三层是客户建议层，直接根据个人资料生成具有针对性的财务或投资建议。
三层结构是本文的经营分析框架，不是监管法定分类。在实际应用中，同一工具可能覆盖不止一层：一个组合分析模块可以只向顾问展示风险暴露，也可以根据客户资料生成具体调仓建议。
SEC在《2026财年检查重点》中明确表示会重点关注这三项：
- 机构对工具的宣传和披露是否与实际运行一致；
- 工具生成的建议是否适合相关客户；
- 机构是否建立了相应的监督控制。
当工具开始生成个性化建议或参与交易决策时，机构还要审查建议是否适合客户、相关信息是否充分披露，以及输出是否经过复核。至于具体承担哪些法律义务，仍要结合机构身份、业务类型和适用法域判断。
因此，三类工具不能采用同一套评价标准。
- 顾问辅助层可以考察处理时间、准确率、覆盖范围和复核成本。
- 投资决策层需要考察数据、策略、比较基准、风险和费用。
- 客户建议层还要考察客户画像、适配性、披露、记录和责任安排。
会议纪要是否高效，只能作为顾问辅助工具的评价指标。投资策略是否具备长期能力，则要看口径一致的业绩证据。
财富机构评估AI应用时，应先确认三个问题：
- 工具如何运行？
- 输出提供给谁？
- 是否参与投资建议或交易？
明确这三点，才能确定应该采用哪些评价标准。
图3｜顾问辅助层、投资决策层和客户建议层的输出对象与评价标准不同。
04 能生成合理建议，但仍不足以证明长期投资能力
MIT Sloan与斯坦福研究者发布了一篇工作论文。研究让受访者自行编写提示词，向LLM咨询消费和投资问题，再模拟他们遵循这些建议后的生命周期结果。
模拟结果显示，与受访者原有行为相比，LLM建议使多数人的选择更接近生命周期理论提出的方向，例如更广泛地配置分散化股票基金、随年龄降低股票比例，并保留更多储蓄缓冲。研究同时指出，不同家庭得到的建议和长期影响存在差异，结果也取决于提示方式。
该论文于2026年5月以MIT Sloan Working Paper 7377-26发布，并于同年8月公开arXiv版本。这仍是一篇工作论文。研究模拟的是普通家庭采纳LLM财务建议后的结果，并非高净值客户实盘账户的资产管理业绩。论文呈现了基础财务建议在特定模拟条件下的表现，其结论不能直接延伸到复杂财富账户的长期管理。
Rebellion Research的2025年投资材料展示了机器学习或AI策略的收益，同时披露了多项限制：部分数据未经审计，部分结果来自模拟，部分收益没有扣除管理费等费用。其中，多资产类别策略自2012年以来的实盘业绩均来自运行时间最早的账户，不能代表所有客户账户的统一表现。
只有统计期间、风险、费用和账户范围保持一致，策略与基准之间的收益差距才具有可比性。
评价长期投资能力，需要独立、同口径的业绩证据，并考察费后收益、风险暴露、回撤、样本期和基准选择。对客户建议层的工具，还要检查建议是否考虑客户的流动性、税务、风险承受能力、集中持仓和家庭目标。模型能否在单一任务中给出合理回答，不能替代对其长期管理复杂财富账户能力的检验。
Janus Henderson调查中的受访者还表达了对偏见、数据安全和建议可靠性的担忧。该调查衡量的是客户接受度与风险感知。
对准备扩大AI应用的机构而言，这些态度会直接影响三项安排：
- 如何向客户说明AI参与了哪些环节？
- 如何设置人工复核？
- 如何管理客户数据？
MIT—斯坦福论文与Rebellion材料也说明，基础建议能力和长期投资能力需要由不同的证据链评价。
图4｜基础建议表现与长期投资能力需要不同证据链评价。
05 2026年监管检查围绕宣传、适配、监督和留痕展开
SEC的2026财年检查重点显示，检查人员将核对四件事：
- 机构如何宣传AI工具？
- 工具的实际运行是否符合相关披露？
- 生成的建议是否适合相关客户？
- 机构是否建立了监督控制？
这份文件规定的是SEC本年度的检查方向，本身不会因此增加机构的法律义务。
FINRA指出，成员机构使用生成式AI时，现有规则仍然适用。根据具体使用场景，相关活动可能涉及监督、对外沟通、记录保存和公平交易等要求。
FINRA还列出若干可供成员机构考虑的治理做法，包括建立审查和批准流程，保存提示词与输出记录，追踪模型版本，以及保留人工复核。上述规则和做法只针对FINRA成员机构的相关活动，不能直接套用到所有财富机构。
SEC在2021年的风险警示中披露，检查人员向几乎所有受检的电子投资顾问机构发出了缺陷函。其中，超过半数存在广告问题，其他缺陷还涉及合规管理和投资组合管理。
这轮检查针对的是电子投资建议和机器人投顾，可以用来观察自动化建议在宣传、合规和组合管理中曾经出现的问题，但不能视为2026年生成式AI检查的结果。
适用Regulation S-P的机构，需要建立客户信息保护和事件响应机制，并对处理相关信息的服务商进行监督。这些规定主要处理客户信息和服务商管理。
当AI工具处理客户会话、持仓、风险偏好或家庭资料时，机构需要明确哪些数据可以输入工具、谁可以访问，并对外部服务商进行监督。Regulation S-P是否适用，仍取决于机构身份和具体业务活动。
这些文件只反映美国证券监管机构和自律组织的检查重点与治理要求，不能直接作为中国财富机构的法律依据。中国机构仍需结合自身资质、服务对象、数据流转方式和工具功能，逐项核对中国现行规则。
图5｜美国文件关注宣传、适配、监督和留痕；不能直接作为中国法律依据。
06 AI提高顾问的服务杠杆，机构仍需管好责任链
本文所说的“服务杠杆”，是AI进入顾问工作流后形成的一种经营机制：工具承担检索、摘要、记录和客户线索整理等任务，顾问由此可以把更多时间用于判断、沟通和异常处理。
摩根大通、UBS、汇丰和摩根士丹利四家机构公开的工具都部署在上述环节，说明它们正在用AI改造顾问工作流程。不过，公开资料还没有独立量化这些工具对客户覆盖、AUM增长或客户结果的影响。
AI能否提高顾问的服务效率，取决于输出是否可靠、流程是否可控。如果顾问需要花费大量时间检查错误摘要，或者机构无法说明客户数据流向、模型权限和建议形成过程，前端节省的时间可能转化为后端复核与合规成本。因此，机构不能只计算前端节省了多少时间，还要把数据输入、模型使用、人工复核和客户沟通放在同一流程中管理。
机构首先要明确数据权限：哪些客户数据可以进入哪些工具，谁可以访问和调用。其次要确定复核和否决机制：AI输出由谁检查，哪些情况必须由顾问或合规人员介入，顾问能否否决模型结果。最后，建议、修改、否决和客户沟通都应留痕，以便事后复原建议的形成过程并追查异常。
Janus Henderson调查的1,000名美国富裕及高净值投资者中，85%认为顾问应对其提供的AI生成内容承担最终责任。这反映的是受访者的责任期待，不是法律责任认定。
四家大型机构公开的AI工具也都保留了顾问参与。SEC和FINRA文件则分别关注建议适配、监督、对外沟通和记录保存。不同来源虽然性质不同，但都指向同一个经营问题：机构不能因为使用AI而取消内部复核和处置安排。
标题所说的“责任链”，仅指机构内部的经营治理安排，包括数据权限、输出复核、人工介入、记录留存和客户沟通，并不是跨机构、跨业务、跨法域统一适用的法律责任结论。
建立这条责任链，是为了让机构能够追溯建议的形成过程，并在输出异常时明确谁负责复核和处置。
服务杠杆需要责任链支撑。AI工具越接近个性化建议和交易决策，机构越需要把数据权限、输出复核、人工否决、操作留痕和客户沟通写入具体流程。
因此，财富机构之间的AI竞争，已经不只看部署了什么工具，还要看机构能否治理从数据输入到建议形成的完整流程。
图6｜数据权限、输出复核、人工介入、客户沟通和记录处置共同构成经营治理责任链。
本文作者 & 排版：
财策智库
参考资料
[1] HSBC，The Trust Threshold: AI Makes Investors Bolder, But They Want Human Judgement To Make Decisions，2026
[2] CFA Institute，Next-Gen Investors Report，2026
[3] Janus Henderson Investors，2026 Investor Survey: Perspectives on AI — Trust, Transparency, and Cautious Optimism，2026
[4] JPMorgan Chase & Co.，Annual Report 2025，2025
[5] UBS，Innovation and AI
[6] HSBC，AI Makes Investors Bolder, But Human Expertise Rules at Decision Time，2026
[7] Morgan Stanley，AI @ Morgan Stanley Debrief Launch
[8] FINRA，2026 FINRA Annual Regulatory Oversight Report: GenAI，2026
[9] MSCI，2026 Wealth Trends，2026
[10] U.S. Securities and Exchange Commission，Fiscal Year 2026 Examination Priorities
[11] MIT Sloan School of Management，AI Financial Advice: Supply, Demand, and Life Cycle Implications，2026
[12] arXiv，AI Financial Advice: Supply, Demand, and Life Cycle Implications，2026
[13] Rebellion Research，2025 Rebellion Research Investing，2025
[14] U.S. Securities and Exchange Commission，Observations from Examinations of Advisers that Provide Electronic Investment Advice，2021
[15] U.S. Securities and Exchange Commission，Regulation S-P: Privacy of Consumer Financial Information and Safeguarding Customer Information，2024
[16] U.S. Securities and Exchange Commission，Regulation S-P Small Entity Compliance Guide，2024
免责声明：本文涉及的内容仅供参考，本文所发文章代表作者个人观点，不代表发布者立场，同时不构成对所述产品及服务的出价、征价、要约或要约邀请，不构成买卖任何投资工具或者达成任何合作的推荐，亦不构成财务、法律、税务、投资建议、投资咨询意见或其他意见。对任何因直接或间接使用本文涉及的信息和内容或者据此进行投资所造成的一切后果或损失，本文不承担任何法律责任。
