光大资产配置 Skill严选落地与投研交互新模式

本报告聚焦投研FDE角色、Skill落地逻辑及新型投研载体探索，旨在解决AI投研中的信息处理与效率提升问题。报告指出投研FDE作为连接买方需求与中后台技术开发的角色，承担口径对齐与翻译功能，解决技术与投资语境的交流障碍，推动AI投研落地。Skill落地遵循小步慢走、做减法的原则，区分Workflow类与Know-how类Skill，后者沉淀研究员的隐性经验，形成认知壁垒。Skill分为三层结构：基座层、中间层、顶层，进门AI已上线5个核心Skill。

报告指出传统投研载体（研报、路演、电话会）将被Skill与看板取代，前者侧重方法论可复用，后者体现数据工程能力。卖方投研服务模式将变革，Skill类服务有望成为买方与卖方投研交互的新形态，用户可通过进门AI调用光大证券上线的Skill，实现定时更新复杂投研信息。这表明AI投研工具将成为行业主流，推动投研效率提升与模式创新。

报告重点分析了Skill落地成果与关键流程。在成果方面，报告介绍了5个已上线的Skill，包括商品期货期限结构Skill、商品持仓分析Skill、有色金属矿业产能追踪Skill、中美宏观周报Skill、ESG每日新闻简报Skill，这些Skill通过自动化处理数据与分析任务，显著提升投研效率。在关键流程方面，报告阐述了Skill创建的四层结构，强调需将隐性研究规则显性化，以自然语言交互替代编程，并要求工程师视角下优质Skill需具备健壮性。

报告指出当前AI投研工具正逐步落地应用，Skill类服务成为买方与卖方投研交互的新形态。进门AI已上线5个核心Skill，涵盖商品、宏观、ESG等领域，展现出AI技术在投研领域的应用潜力。同时，报告强调Skill落地需遵循小步慢走、做减法的原则，区分Workflow类与Know-how类Skill，表明AI投研工具的普及仍需逐步完善与优化。

报告未明确提示具体风险，但通过强调Skill落地需遵循小步慢走、做减法的原则，以及工程师视角下优质Skill需具备健壮性的要求，间接指出AI投研工具在落地过程中可能面临技术实现难度、隐性知识显性化挑战、数据交叉校验复杂性等问题。此外，传统投研载体被Skill与看板取代的趋势，也可能带来对传统投研能力的需求变化，需关注适应新模式的挑战。