投研与行业研究
从信息搜集到观点提炼的 AI 工作流
模块三 · 岗位场景实战 ｜ 全程零代码可完成
每课一份交付物 ｜ 建议阅读时间 10 分钟
编 者 按
上期评论区成了晒单现场：“原来一下午，现在四分钟”“第一次点刷新时手是抖的”。恭喜各位跨过第二个能力台阶。但信息加工只是上半场——十二张乱表变成一张干净表之后，真正的问题才来：从一百条信息到一个判断，路怎么走？这一程，周锐先摔了一跤。
冷开场｜“这个行业怎么样”是个坏问题
上期结尾，林然把老板的追问转给了周锐：三天内，理清一个行业的产业链、竞争格局、关键变量和争议点。
巧的是，同一晚，周锐的首席也在群里@他：“你不是刚接机器人板块？下周一晨会讲减速器行业，二十分钟。最重要的是——要有你的观点。”
林然公司做精密传动部件，正好落在这个板块里。两条消息，同一个行业，同一个deadline。
周锐入行三年，此前覆盖汽车零部件，减速器只在别人报告里见过名字。他打开AI，输入了那六个字：“这个行业怎么样？”
三十秒后，答案来了：市场前景广阔，技术壁垒较高，竞争格局分化，建议关注具备核心技术的龙头企业。
四平八稳，面面俱到，谁都能说，谁也不会为它负责。
把行业名换成光伏或预制菜，这段话照样成立。
周锐盯着屏幕想起一个扎心的事实：研究员的时间，大半花在搜集和整理上，留给思考的反而最少。AI号称能把搜集时间打下来——可为什么他得到的不是时间，而是一段正确的废话？
因为他问错了。确切说，他把布置任务当成了随口提问。
01AI铺“面”，你找“点”
先说工具。主流对话产品大多已内置“深度研究”类功能：你给它一个课题，它会自己拆解问题、多轮检索、交叉比对，十几分钟后交回一份几十页、带引用来源的长报告。这不是升级版搜索，而是一个不知疲倦的研究助理小组。
但它有一条天生的性格：擅长铺“面”，不会找“点”。
“面”是什么？产业链有几环、玩家有哪些、政策出过什么、券商共识是什么——这类公开信息的地毯式覆盖，AI两小时能做到你两周的量。
“点”是什么？市场吵得最凶的那个分歧，你选哪边、为什么、错了会怎样。这是研究员的定价能力所在——共识不产生超额认知，分歧才产生。
AI给你的是认知起点，
不是研究结论。
它让你三天走完别人三周的路，但把名字签在观点后面的那一步，机器替不了你。
具体怎么走？给陌生行业建认知，有一条经过验证的提问序列：
产业链 → 竞争格局 → 驱动因素 → 关键玩家 → 争议点
先画地图，再看地形，最后找战场。顺序不能乱：没有产业链打底，你听不懂格局；没有驱动因素，你评不了玩家；而争议点必须放最后——前四步垫够了，你才配对分歧表态。
02第一天｜用任务书换一张地图
周锐删掉那六个字，重写了一份任务书：
提示词原文
你是一名行业研究助理。请系统研究中国机器人减速器行业（谐波、RV及行星减速器），按以下结构输出：
一、产业链：上中下游各环节价值量占比与议价格局；
二、竞争格局：外资与国产主要厂商、市占率及近三年份额变化；
三、驱动因素：需求端与供给端各列三个，说明传导逻辑；
四、关键玩家：主要上市公司的产品结构、毛利率区间与产能规划；
五、争议点：当前市场分歧最大的三个问题，多空论据分列，不要下结论。
要求：关键数据标注来源与年份；区分“事实”与“预测”；单列一节“公开信息无法回答的问题”。
十四分钟后，一份三十多页的报告回来了。
注意周锐接下来做的事——他没有从头读到尾。三十页报告的正确打开方式是“抽三样”：产业链那张图（地图）、格局那张表（地形）、争议点那一节（战场）。其余部分，是后两天按需回查的索引。
他还做了一件事：把所有“将决定结论”的数字圈出来——国产化率、龙头产能规划、单台价值量——列成一张溯源清单。这张清单，就是第二天的作战计划。
03第二天｜每个数字都要查户口
上午，翻车如约而至。
报告里写：某类减速器“国产化率已超过50%”，引用的是一篇行业自媒体。周锐追问：“这个数字的原始出处是什么？”AI回查后承认：源头是三年前某券商报告对今年的预测值，此后被各路文章互相转载，转着转着就成了“现状”。
这是第7课讲过的幻觉的变种——引用链幻觉：AI没有编数字，但它引的来源本身在以讹传讹。所以本课铁律：
AI给的每个关键数据，
都要溯源到原始出处。
年报、招股书、行业协会、海关数据；层层转引的，一律降级为“待核实”。
周锐给清单上七个数字逐一查了户口：四个在上市公司年报里对上，两个修正，一个查无实据、删除。
下午，他准备专家访谈。这里AI有个高杠杆用法——不是替你访谈，而是替你把问题磨尖：
提示词原文
基于以下三个争议点，为一位减速器厂商前生产负责人设计访谈提纲。不问“您怎么看行业前景”这类可用套话回答的问题；每个问题必须具体到能用数字或案例回答。
对比产出。泛问题：“您怎么看国产替代进程？”磨尖后：“过去两年贵司送样到批量的周期从多久缩到多久？卡在哪个环节？”——前者换来立场，后者换来事实。专家的时间按分钟计价，问题的锋利度就是研究的性价比。
04第三天｜观点是选边，不是总结
第三天，周锐合上所有材料，写了一页纸，只有四栏：
■ 我的观点（三句话以内）
短期共识过热，长期被低估——人形机器人放量节奏慢于市场预期，但精密制造能力的外溢价值被忽视。
■ 我与共识的分歧
市场按明年放量定价，我认为量产爬坡至少晚十八个月，依据是两位专家不约而同提到的良率瓶颈。
■ 我可能错在哪
若头部客户提前锁定长单，节奏判断作废。
■ 待验证问题
龙头实际产能利用率——下周实地调研求证。
顺带，林然老板的问题也有了答案：对手毛利率只降0.8个点，是因为高毛利的机器人减速器占比更高——这条线索，正是周锐分歧点的起点。
这一页纸，AI一个字都没写。周锐用AI做的最后一件事是压力测试：
提示词原文
这是我的观点和论据。请扮演最强硬的反方，攻击我逻辑中最薄弱的三处。
AI指出一条论据依赖单一信源，周锐补了第二个来源，然后——停在那里。他没有问“所以我该看多还是看空”。这个问题AI要么和稀泥，要么顺着你的措辞迎合你。选边下注的那一下，必须是人的手指。
周一晨会结束，首席只问了一句：“分歧点是你自己的判断？”“是，数据都溯过源。”“好，下周去现场。”
三天，从零到一个可以被问责的观点。AI压缩的是前两天，值钱的是第三天。
05避坑指南
坑一把深度研究报告直接当研报交。三十页的AI报告是矿石不是成品——没观点、没溯源、一眼AI味，交上去等于宣布“我只会复制”。
坑二只跑一次就收工。第一份报告的价值是暴露你不知道什么；拿着争议点回炉定向追问，第二轮才出干货。
坑三把“有引用”当成“可信”。引用链可能整条都是转载。关键数字只问一句：原始出处是谁、哪一年、是事实还是预测。
坑四让AI替你表态。“你觉得哪边对”是危险问题，它会迎合你提问的倾向。正确姿势是让它把多空论据按证据强度排序，选边留给自己。
本课交付物
「陌生行业速览」提示词套件 v1.0
01 任务书
“请系统研究[行业]，按产业链/格局/驱动因素/关键玩家/争议点五部分输出；关键数据标注来源与年份；区分事实与预测；单列‘公开信息无法回答的问题’。”
02 产业链拆解
“画出[行业]上中下游结构，标注各环节价值量占比与议价能力，说明利润在链条上的分布逻辑。”
03 格局透视
“列出[行业]主要厂商近三年市占率变化，份额上升者与下降者各自的原因。”
04 驱动因素
“[行业]需求端与供给端各三个关键驱动，说明传导链条，指出哪个变量的边际变化最值得跟踪。”
05 争议点挖掘
“当前市场对[行业]分歧最大的三个问题，多空论据分列并按证据强度排序，不要下结论。”
06 数据溯源
“你引用的[数据]，原始出处是什么机构、哪一年、是统计值还是预测值？如是转引请说明链条。”
07 访谈磨题
“基于[争议点]为[专家背景]设计提纲，每个问题必须能用数字或案例回答。”
08 压力测试
“这是我的观点与论据：[粘贴]。请扮演最强硬的反方，攻击最薄弱的三处。”
前五条帮你铺“面”，后三条逼近“点”。
▎三句话带走本课
壹 深度研究功能要喂任务书，不要喂问题——结构、口径、“区分事实与预测”，一个都不能省。
贰 产业链、格局、驱动、玩家、争议点，五步走完才配表态；关键数字一律溯源到原始出处。
叁 AI铺面，人找点：它给你认知起点，观点必须自己签名。
▎下课预告
周三，周锐把报告发给林然，顺手抄送了大学同学陈默——会计师事务所审计经理。报告里有一段收入确认口径的讨论，他想请专业人士把把关。
陈默凌晨一点才回复：“巧了。我正为客户一个收入确认时点跟财务总监拉锯。我也问了AI，它引用的准则条款、分析框架、结论，看起来天衣无缝。”
“然后呢？”
“然后我总觉得哪里不对。越流畅，越不对。”
签字页上写的是陈默的名字，不是AI的。
第12课《会计与审计：准则查询、底稿与职业怀疑》
当AI答得越像专家，职业怀疑为什么反而越值钱。
▎评论区见
按岗位场景课的惯例，本课继续征集：你最近一次被要求“三天搞懂一个陌生领域”是什么时候？用任务书模板跑一遍，晒出你挖到的争议点清单——记得脱敏。
被选中的场景会成为第二季选题。你的痛点，就是下一课的开场。
David Tian
四大咨询经理 · 多年AI产品研发经验
关注并设为星标 · 完整追更 24 课
可获全套「金融人 AI 工具箱」模板合集
