AI 能把业绩电话会变成研究队列，但队列必须可审计
AI 在电话会研究中的实用升级不是预测价格，而是把说法、证据缺口和待核查事项整理成带日期的可复核队列。
AI 改变了研究员阅读业绩电话会的第一步，但它真正有用的地方不是预测市场。更稳妥的用法，是把长篇记录整理成一条带日期的核查队列：哪些是管理层的说法，哪些是新风险，哪些需要与上一季度比较，哪些仍然缺少证据。投资判断仍应由能够检查原文和时间边界的人完成。
电话会尤其容易制造“听起来合理”的错误。模型可能把准备稿和问答混在一起，把预测说成事实，或者删掉限定词。因此，最终产物不应是漂亮摘要，而应是一组可以被质疑的证据卡片。
这个流程以公开的一手资料为基础。SEC 介绍了 EDGAR 的 API 与数据文件，FINRA 关于 AI 的指引则强调监督、治理和不透明输出的风险。由此可以得到一个窄而明确的规则：让模型整理证据，但让每一条重要事项都能回到原文。
传统流程是线性的：读电话会、划重点、写笔记，之后再回忆每句话来自哪一季度。新的流程分成几段。先冻结电话会、相关申报文件及其发布时间；再让模型提取“原子化说法”，同时记录发言人、原文片段、日期、主题，以及它是历史事实还是前瞻性表述；最后分成“核查”“对比前期”“证据缺失”和“暂不重要”。模型找不到准确原文时必须写“未核实”。拒答不是缺陷，而是防止流畅措辞变成无出处研究。
每一行至少包括：说法、逐字原文、是否为前瞻性表述、上一期间的可比片段、对应文件或表格，以及人工复核结果。第二轮专门寻找矛盾：定义是否改变、限定词是否消失、电话会与申报文件能否对应。复核者逐行接受、修改或拒绝，并保存模型版本和提示词。
用 60 分钟做一次研究练习。前 10 分钟下载一份带日期的电话会和最近的申报文件，记录发布时间并冻结文件；20 分钟人工建立 15 条说法的基准队列；15 分钟让模型按固定格式提取；最后 15 分钟检查每条引文和矛盾标记。衡量逐条准确率、引文是否真正支持结论、遗漏的重要说法、主动弃答率，以及每条合格记录所需时间。基准是人工队列，不是虚构的交易结果。
如果无法保存时间戳，前十条中有两条以上缺少准确出处，或修正模型队列所用时间超过人工基准，就停止测试。全程只做研究，不把结果变成下单、预测或收益承诺。若延长七天，应每天使用新的电话会，保持同一字段和评分规则，避免后来的价格信息泄漏进原始判断。
限制也很清楚：电话会可能省略上下文，申报文件可能采用不同定义，模型可能偏爱醒目的句子而不是重要句子。预先设计的分类还会带入研究员自己的偏见。更改后的文件、修订版记录和后来发生的市场变化都不能回填到原始测试。人工复核本身也是瓶颈，增加队列条目不等于改善决策。
这条队列延续了本站此前关于带时间戳的财报筛选和检索门控金融推理的讨论：在模型输出影响研究之前，先把证据边界说清楚。
因此，正确的结论是让 AI 压缩阅读，而不是取得权威。要求原文、日期、不确定性、矛盾检查和弃答路径，并与人工基准比较合格证据和有害遗漏。这样，AI 才是在改变一个可检查、也可以安全拒绝自动化的研究流程。