Industry Solution
金融投资：评级与投研口径落地方案
巴菲特的价值投资框架定义了"好公司"，标普、穆迪定义了"信用风险"的等级。本方案把投资机构的内部口径与评级逻辑翻译成可计算的门禁，让 AI 在合规与可审计的边界内规模化处理信息。
一、行业的主要矛盾
金融是合规压力最硬、结论后果最直接的领域：一端是海量且高频的公开信息与研报，另一端是投资决策必须可解释、可审计、可承担责任。
矛盾不在”信息处理够不够快”——模型足够快。矛盾在于：金融的产出不是一段文字，而是一个附带责任的主张。 模棱两可的表述、无法追溯的数据、说不清口径的评级，在这里不是瑕疵，是风险。
二、既有的制度能力：谁在定义”好”与”风险”
金融行业早已被制度能力深度塑造：
- 巴菲特的价值投资框架定义了”好公司”的评价标准：护城河、ROE、现金流——一套框架定义了无数资金的流向
- **评级机构（标普、穆迪）**定义了”信用风险”的等级，直接影响全球资本流动——它们不出资，却定义了风险的语言
共同点是：定义评价框架的一方，掌握了资本配置的事实话语权。 金融机构内部同样如此——谁定义”我们的口径”，谁就决定了研究与决策的走向。
三、AI 进入后的冲突
| 冲突 | 表现 | 后果 |
|---|---|---|
| 生成 vs 口径 | 研报摘要与结论所用指标口径与机构内部不一致 | 结论不可用，需人工重算 |
| 信息 vs 可追溯 | 数据点无法回溯到原始披露文件 | 无法审计，监管风险 |
| 表述 vs 合规 | 出现预测性、承诺性或推荐性表述 | 合规风险 |
| 规模 vs 责任 | 覆盖标的暴增，研究员签字跟不上 | 责任主体模糊 |
四、落地路径：四道防线的行业映射
数据治理
- 口径统一：财务指标的计算口径（含调整项）集中定义，一处维护全局复用
- 来源锚定：每个数据点绑定原始披露文件与时间戳
- 时效管理：定期报告与临时公告的更新触发重算
- 权限与隔离：研究、投资、自营之间的信息隔离墙在系统层实现
工作流编排
- 任务分流：信息抽取、事件归纳、文本摘要等概率性任务走模型再收敛；指标计算、评级映射、合规校验等确定性任务走规则求解
- 输出结构约束：结论必须绑定口径版本与数据来源，缺项即不通过
- 评级逻辑显式化：内部评级由规则与模型共同产出，但映射逻辑必须可读可审
AI 护栏
- 口径校验：指标计算结果与权威口径不一致即拦截
- 合规校验：预测性、承诺性、推荐性表述自动拦截
- 可追溯校验：无来源锚定的数据点不允许出现在对外材料
- 漂移监测：模型输出分布与历史基线的偏离告警
人机审核
- 分级设卡：内部信息整理抽检放行；对外研报、评级结论、投资建议由持牌人员审核并签字
- 留痕：谁审、依据哪一版口径、改了什么
- 责任闭环：AI 负责规模化信息处理，人负责关键判断与责任归属
五、评测门禁与指标
| 维度 | 指标 | 口径 |
|---|---|---|
| 可审计 | 数据点来源锚定率 | 对外材料中可回溯到原始披露的数据点比例，要求 100% |
| 一致性 | 口径一致率 | 模型计算指标与权威口径的一致比例 |
| 可控性 | 合规拦截率 | 表述类违规被拦截的比例与趋势 |
| 有效性 | 事件归纳准确率 | 抽检的公告与事件归纳正确率 |
| 稳定性 | 重跑一致性 | 同一批次重跑的结论一致率 |
| 效率 | 人工干预率 | 研究员需修改或重算的比例 |
六、交付物与里程碑
交付物：统一口径库与版本管理、来源锚定机制、信息抽取与归纳流水线、合规规则集、审核与留痕平台、运行看板。
里程碑
- 盘点期：梳理内部口径与合规红线，确定优先级
- 试点期：选一类标的或一类公告跑通”抽取—校验—审核—反馈”闭环
- 收敛期：口径与合规护栏厚实，人工干预率下降
- 放量期：规模化信息处理 + 持牌人员关键判断兜底
七、前置条件与边界
需要机构提供：内部口径定义与权威数据源、合规团队的红线清单、研究员参与抽检与反馈。
本方案不提供投资建议，也不替代投资决策——它做的是让每一次信息处理都能说清”数据从哪来、按什么口径算、谁最终负责”。