文章核心观点 - 在AI金融应用领域，当前AI技术仍处于辅助阶段，其核心价值在于信息归纳、提炼与分类，但在从复杂文本中提取关键数据进行精准计算方面存在不足，且易产生“幻觉” [2] - 行业发展的重点在于实现AI输出的“准”而非“通”，通过构建专业知识库来训练AI是提升质量、拓展应用场景的关键路径 [2] - AI能力的深度转化依赖于大量专业人员的开发与辅助，在AI时代人工的专业价值仍需被正确认知 [3] AI在金融信用分析领域的应用现状与定位 - AI目前在信用分析服务中处于辅助阶段，行业正尝试探索更多应用场景 [2] - AI类似“文科生”，擅长信息归纳、提炼与分类，量化计算并非其短板 [2] - AI的真正不足在于从复杂文本中提取关键数据进行精准计算的能力 [2] - 实际使用中，AI常出现逻辑分析正确但基于联想产生不准确信息的情况，即“幻觉” [2] 行业发展趋势与提升路径 - 对于AI金融应用，“准”比“通”更重要，实现“准”是当前发展重点 [2] - 提升路径在于针对特定场景（如舆情分析）建立知识库并让AI学习，以实现从“通”到“准”的质量飞跃 [2] - 国际三大评级公司已基本在内部完成AI知识库的搭建，其应用场景多由员工通过头脑风暴提出 [2] - 知识库建成后，AI输出将不仅限于舆情领域，更会拓展至风险预警、信用研究、政策解读等方面，提供更优质服务 [2] 人力资本在AI时代的作用 - 尽管AI时代个人需求呼声高，但将AI基础能力转化为精准知识点需要大量专业人员参与开发与辅助 [3] - 因此，在AI时代，人工的价值仍需被正确认知 [3]