【資料圖】

CFi.CN訊：數(shù)據(jù)顯示，當前AI輔助房地產(chǎn)投研過程中，同一份年報被多次重復讀取、歷史上下文持續(xù)膨脹以及數(shù)據(jù)口徑錯誤引發(fā)全鏈路返工等問題普遍存在，大幅推高了隱性成本。

一份研報觀點認為，AI投研效率評價應從單純的模型賬轉(zhuǎn)向完整的任務賬，以通過質(zhì)量門檻的完整研究任務為計量單位，并采用質(zhì)量調(diào)整后的任務成本綜合衡量模型、工具、人工及返工投入。研報指出，Token消耗、完成耗時與輸出質(zhì)量需同步記錄管理。

研報認為，Skill的核心是將多年研究經(jīng)驗轉(zhuǎn)化為包含任務路由、證據(jù)規(guī)則、沖突閘門和失敗處置的可執(zhí)行流程，尤其是證據(jù)型Skill能把原始材料轉(zhuǎn)化為可追蹤證據(jù)，有效阻斷錯誤傳播。48輪實驗顯示，在長報告審閱和估值建模等復雜任務中，證據(jù)型配置可實現(xiàn)100%首次通過，顯著減少返工。

研報指出，研究團隊應優(yōu)先將高頻、穩(wěn)定且驗證重要的環(huán)節(jié)Skill化，并建立統(tǒng)一日志和回歸測試機制。這將大幅降低地產(chǎn)行業(yè)投研成本，同時加快高質(zhì)量研究報告的產(chǎn)出速度。

上述效率提升有望讓市場更及時、準確地消化地產(chǎn)政策變化和企業(yè)基本面信息，為相關股票定價提供更清晰的參考，打開結(jié)構(gòu)性投資空間。