儘管筆者多次强調，AI和大數據模型在未來很長的一段時間内無法取代絕大部分行業的工作，人類主觀判斷在很多關鍵位置往往不是程式能解決的，然而隨著技術應用越來越多，作爲人類的輔助工具，AI已經發揮了不錯的效果。

又進入了財報季，本次筆者和過往不同的是，嘗試了用AI協助整理多間公司的財務數據，發現效果遠遠超乎筆者預期，本周專欄想深入地和讀者分享。

對於一份財報，無論中英文，動則上百甚至數百頁，儘管關鍵的信息只有數十頁，仔細看一次往往也需要花費半小時至一小時（取決於業務複雜程度和對公司的跟蹤認識），加上管理層的電話會議錄音（大約1小時），和過往的業績比較（半小時），資深的研究員往往需要花上2小時甚至更多的時間才能較爲深刻地掌握數據和業績變化。

以互聯網行業研究爲例，中美上市的互聯網企業覆蓋數目絕對超過100間，業績不少撞期在同一日發佈，儘管估值模型中相關數據的錄入往往可以由初級研究員或助理協助，除非是有特別業務來往，否則再資深的分析師也只可以重點觀察龍頭或有持倉的公司，而且頻繁加班和思考之下，出錯在所難免，第一手觀點判斷也有可能不夠深刻。

然而試用了幾款AI產品，筆者只需要將財報文檔上傳，系統就可以自動將財報的核心要點歸納出來，同時在適當的調試后，企業過往數年，同業的比較，乃至整體行業的平均數和中值都可以用表格的形式輸出，大大方便了研究員補抓重點和有一個整體的概念。在查看關鍵數據時，也不用打開對應文檔搜索關鍵字，只需要在系統輸入相關問題，則可以抓取財報的解答和關鍵内容，體驗感獲得了急速的提升。

可以說，通過調試后的AI系統在財報數據整理方面，比筆者過往10年請的任何一個實習生都要高效，可以替代2個甚至更多人力。

當然AI也有不少限制，例如一開始系統往往不能理解指令的含義，筆者花費了超過5小時去調試出錯的數據才讓的出來的結果符合要求，對於某些數據發生異常，AI也不會嘗試理解和解讀，尤其是“魔鬼細節”，AI絕大部分都會忽略。但不可否認的是，作爲輔助工具，AI在補抓主要數據時表現出色。

筆者并不認爲初級研究員或新聞記者的工作會被AI取代，但毫無疑問，日後新入行的員工，使用AI提升效率相信會是必備技能。