AI“血洗”財富管理，恐慌大可不必

開年以來，市場仿佛籠罩在AI所到之處寸草不生;的氛圍中，軟件、保險經(jīng)紀、財富管理、建筑先后因AI暴跌，AI賦能還沒看出來，AI的破壞性市場倒是先演繹了一遍。那么市場對AI的破壞性反應過度了嗎？

被AI血洗的行業(yè)

2月9日，美股保險經(jīng)紀板塊遭到拋售，標普500保險指數(shù)周一收跌3.9%，創(chuàng)2025年10月以來最大單日跌幅。保險經(jīng)紀公司W(wǎng)illis Towers Watson PLC當日跌幅達12%，創(chuàng)下自2008年11月以來最大跌幅。Arthur J Gallagher & Co.下跌9.9%，Aon PLC跌9.3%。

引發(fā)這一系列拋售的原因可能與私營在線保險購物平臺Insurify推出的新AI工具以及Anthropic的新工具有關(guān)。Insurify的應用使用ChatGPT比較汽車保險費率，輸入車輛信息、客戶信用記錄、駕駛記錄等細節(jié)即可完成比價。該應用于2月3日上線。

而Anthropic的新工具在上周剛剛引發(fā)了傳統(tǒng)軟件行業(yè)的暴跌。

次日，美股財富管理板塊巨震，摩根士丹利的股價下跌2.4%，嘉信理財暴跌7%，Raymond James重挫8%，LPL Financial下跌超過8%。

這次可能是因為初創(chuàng)公司Altruist在其Hazel人工智能平臺上推出的一款稅務規(guī)劃工具，該工具能夠自動分析稅表、財務報表和其他文件，在幾分鐘內(nèi)為顧問的客戶創(chuàng)建個性化稅務策略。

這拓展了單個顧問能夠處理的范圍，使得一般的建議更難證明其價值。;Altruist創(chuàng)始人兼首席執(zhí)行官Jason Wenk如此評價自己的產(chǎn)品。

這段聲明擊中了傳統(tǒng)財富管理商業(yè)模式的核心。過去，復雜的稅務策略和遺產(chǎn)規(guī)劃是需要大量人類專業(yè)知識和經(jīng)驗的領域，也是財富管理者收取高額費用的基礎。

現(xiàn)在，AI正在逐步蠶食這些專屬領域;。

據(jù)了解，該公司僅是一個擁有1000多名用戶的小平臺，但卻讓全球頂尖的金融巨頭市值在一天內(nèi)蒸發(fā)了數(shù)十億美元。

2月11日，同樣的事情發(fā)生在建筑板塊，美股房地產(chǎn)服務公司遭到血洗，CBRE集團和Jones Lang LaSalle股價暴跌12%，Cushman & Wakefield重挫14%，其中CBRE和Cushman & Wakefield創(chuàng)下自2020年疫情市場拋售以來的最大單日跌幅。原因同樣是投資者擔憂AI工具將顛覆其高收費、勞動密集型商業(yè)模式，并沖擊就業(yè)市場和商業(yè)地產(chǎn)需求。

一周連續(xù)三天，一天悶殺;一個板塊，市場初識AI的威力。

市場反應過度

出于擔憂，市場短期的反應是不管三七二十一，先賣了再說，這是開年以來面對AI沖擊，市場的普遍反應，到底是否誤傷，似乎還沒給投資者留下太多的思考時間，業(yè)內(nèi)人士及相關(guān)行業(yè)分析師的反應或許更能說明問題。

此前，英偉達首席執(zhí)行官黃仁勛在思科AI活動上表示：有一種觀點認為軟件工具行業(yè)正在衰落，將被人工智能取代。很多軟件公司的股價現(xiàn)在承受巨大壓力——這是世界上最不合邏輯的事情，時間會證明一切。;他特別點名ServiceNow、SAP、Cadence、Synopsis，稱這些公司在AI時代反而占據(jù)了更有利的位置。

Wedbush分析師Dan Ives將這場拋售稱為我見過的最不理智的預測;。他在節(jié)目中的措辭愈發(fā)鋒利：華爾街認為Salesforce和ServiceNow將結(jié)構(gòu)性崩潰、將被AI原生工具取代——這種觀點是錯誤的。;他的核心論據(jù)是：軟件不是AI要消滅的對象，而是AI革命的心和肺;。當下AI基礎設施建設仍處于早期，真正的應用案例和商業(yè)模式恰恰將在軟件領域涌現(xiàn)

摩根士丹利財富管理部門負責人杰德·芬恩并未對最近的市場波動表現(xiàn)出太多擔憂，其直言：我們的商業(yè)模式是圍繞顧問與客戶的關(guān)系建立的，我們認為這種關(guān)系將持續(xù)存在，遠超新創(chuàng)建的AI交互工具。;

他舉了一個例子——公司的羅斯轉(zhuǎn)換分析器，這是一款AI工具，可自動提取客戶數(shù)據(jù)。顧問可以輸入前瞻性假設，它將提供客戶是否應進行轉(zhuǎn)換的建議。芬恩將AI的威脅比作幾年前我們看到的機器人理財熱潮;。

如今，機器人理財業(yè)務規(guī)模約為8000億美元，僅占摩根士丹利市場份額的三個百分點。

Citizens銀行的一份分析師報告呼應了芬恩的觀點，指出許多公司已經(jīng)整合這類技術(shù)使顧問更高效、改善客戶成果并簡化后臺和規(guī)劃功能;。

盡管業(yè)內(nèi)人士及多數(shù)分析師認為，對于AI的擔憂，市場反應是過度的，非理性的，但瑞銀分析師的這句話卻更能反應當前投資者的心理，瑞銀分析師Michael Brown說：不確定性真的很高，很難反駁負面消息。市場也不知道這些公司未來12個月或24個月會怎樣。;

當未來不可預測，投資者們選擇了先走為上。

財富管理人的不可替代性

高收費、勞動密集型的商業(yè)模式是本輪AI受害者;的典型特征，那么哪個行業(yè)的這種商業(yè)模式最難被AI替代呢，巴倫中文網(wǎng)認為，非財富管理莫屬。主要有以下幾個原因：

財富管理決策責任的歸屬問題。金融決策不是知識問答，而是風險契約。每一份資產(chǎn)配置建議的背后，都對應著客戶未來十年、二十年乃至終身的財務安全。這個責任的重量，算法無法承載，代碼無法承諾。理財經(jīng)理承擔的是雙重責任：一是對客戶財務后果的專業(yè)責任，二是對客戶心理預期的情感責任。前者可以被部分外包給智能投顧，后者卻永遠需要一張真實的面孔。

理財經(jīng)理非理性時刻的價值。行為金融學早已證明：人類在面臨財務損失時的痛苦，約為同等收益帶來快樂的兩倍。當賬戶凈值以肉眼可見的速度縮水，投資者的大腦杏仁核被激活，理性決策能力被恐懼淹沒。

這個時刻，一個冷靜、篤定、熟悉的聲音，價值遠超任何算法給出的止損建議。

Raymond James分析師Wilma Burdis在評價此次AI恐慌時說了一句樸素卻深刻的話：我認為人們最終還是想把錢托付給某個人，一個真實的人。;

這句話的潛臺詞是：財富管理服務的本質(zhì)，從來不是做出最優(yōu)決策;，而是 幫助客戶留在正確決策中; 。大量研究表明，長期投資回報的最大殺手不是選錯了標的，而是在市場低點恐慌離場。理財經(jīng)理的核心價值，恰恰是在客戶最想逃跑的時刻，溫和而堅定地按住他們的手。

AI可以精準計算每一個止損點，可以在納秒級別完成交易執(zhí)行，但它無法在客戶深夜失眠時接起電話說我也經(jīng)歷過這些;。恐懼無法被算法安撫，只能被人性共鳴消解。

財富管理的高度非標準化。人生是非標準化的，而財富管理是人生在金融維度的投射。

Citizens銀行的分析師報告指出：顧問的角色始終需要通過判斷、行為指導和個性化來賺取費用。;這份報告中，個性化;不是指根據(jù)年齡和收入推薦股債配比——那早已被智能投顧實現(xiàn)。真正的個性化，是將金融工具嵌入客戶具體的生活場景。

理財經(jīng)理知道，那個要求保守配置;的企業(yè)主，其實需要將大部分資產(chǎn)隔離在企業(yè)經(jīng)營風險之外；那個說想要高收益;的退休教師，真正需要的是跑贏通脹的穩(wěn)定現(xiàn)金流；那個反復詢問某只基金近期表現(xiàn)的年輕工程師，真正焦慮的不是基金業(yè)績，而是剛剛背上房貸。

AI可以讀取數(shù)據(jù)，卻無法閱讀人生。它可以基于歷史信息推演最優(yōu)策略，卻無法感知客戶尚未說出口、甚至尚未意識到的深層需求。這種同理心推斷;的能力，目前仍然是人類的專屬領地。

財富管理真正的護城河是客戶的信任，而信任的載體只能是人。摩根士丹利機器人理財業(yè)務規(guī)模僅占其市場份額的3個百分點，這個數(shù)據(jù)背后的真相是：絕大多數(shù)高凈值客戶在嘗試過純算法服務后，仍然選擇回歸人力顧問。

當市場劇烈波動，算法建議保持配置不變;時，客戶不知道這是基于長期主義理念，還是僅僅因為程序沒有恐懼情緒。而當一位合作十年的理財經(jīng)理給出同樣的建議，客戶看到的是經(jīng)驗、是立場、是過往無數(shù)正確決策積累的信譽。

AI可以計算最優(yōu)解，卻無法建立信任關(guān)系。信任需要主體，需要歷史，需要被驗證的承諾。理財經(jīng)理與客戶的關(guān)系，本質(zhì)上是無數(shù)次小承諾兌現(xiàn)的累積——按時回復消息、準確執(zhí)行指令、在市場恐慌時堅守陪伴。這些碎片最終編織成一張無法被算法復制的信任網(wǎng)絡。

AI或許還在尋找它的下一個受害者;，但對于財富管理行業(yè)來說，AI可以用來數(shù)據(jù)分析、提供建議，但它無法在股市暴跌時安撫焦慮的投資者，也無法在家庭變故時提供人性化的支持。這正是人類顧問不可替代的價值所在。

金融服務，歸根結(jié)底是關(guān)于信任、關(guān)系和長期承諾的業(yè)務。技術(shù)可以改變交付方式，卻難以復制這些核心價值。（作者｜劉洋雪，編輯｜蔡鵬程）