券商AI应用，一定要建本体

（原标题：券商AI应用，一定要建本体）

当 AI 进入强监管行业，能说话只是开始，能守规矩才是门槛。

券商 AI 的胜负手，并不是模型有多大、多聪明，而是有没有一层"本体"。没有本体，AI 越能干，公司风险越大。

想象一个场景。客户经理打开公司的 AI 助手："帮我推荐一款适合这位客户的产品。" AI 很热情，三秒给出答案，还附了一段漂亮的推荐理由。

但它没看客户的风险测评等级，测评还过期了。

再想象一个场景。客户在对话框里问："这只股票现在能买吗？" AI 答了，给出了方向、时点和预期。

这两件事，在券商里都叫"事故"：前者是适当性错配，后者是无牌荐股。无论 AI 多聪明，公司都要为它说的话负责。

01券商 AI 现在最危险的三件事

风险一：适当性错配。监管把客户按风险承受能力分档，把产品按风险等级分档，卖错就是违规。AI 不知道客户是哪一档、产品是哪一级，就敢开口推荐。一次错配，就是一次实打实的合规事故。

风险二：AI 给个股投资建议。证券投资咨询必须持牌。客户问"这只股票能不能买"，AI 只要回答方向、时点、价位，就是无牌荐股，前者暴露出适当性校验缺失，后者可能触及违规提供证券投资建议的风险。

风险三：说出去的话，查不到依据。监管问责问的是三句话：依据是哪条规则？谁批的？留痕在哪？AI 答完就完，没有依据、没有留痕，等于裸奔。

02为什么"能聊天"不等于"能干活"

一个常见解释是：AI 还不够聪明，模型还不够大，知识还不够多。这个解释只说对了一半。券商从来不缺知识，缺的是让 AI"按规矩办事"的能力。

大模型本质上是一个"会说话的实习生"：听不懂行话——客户 ID 对不上、产品口径不统一；不知道规矩——适当性、双录、信息隔离墙；没有权限边界——该拦的不拦，该转人工的不转。

能聊天，是概率上把话说对。能干活，是每一句话都受规矩约束，说错了系统当场拦下。

03差的那一层，就是本体

从档案室到地图，再到交通规则——差的从来不是资料多少，而是能不能照着规矩执行。

本体（Ontology），是美国最火的AI落地公司 Palantir ，借用哲学概念首创的一套机器可执行的业务模型：它先把客户的业务世界，翻译成一套机器看得懂、也能操作的“数字化业务模型”，然后才在这个模型之上跑分析、跑 AI，其核心是对象、关系、规则和动作。听起来似乎很玄，但只要把它与我们熟悉的知识库和知识图谱放在一起，就很容易懂。

知识库，是档案室。资料都在，但不会自己用。

知识图谱，是地图。知道谁连着谁，但不告诉你这条路能不能走。

本体，是交通规则加驾驶权限。什么路能走、什么车能上、违规怎么罚，白纸黑字，机器照章执行。

一句话：知识库和知识图谱回答"是什么"，本体回答"该不该、对不对、能不能"。

AI 干活缺三样东西：统一语义、明确规则、受控的权限。这三样，正是本体给它的。

04为什么券商必须建本体：三个理由

第一，零出错是底线，不能靠"概率正确"。AI 答对九十九次，第一百次错一次适当性，就是一次事故。本体把校验前置：先查客户、先查产品、先查规则，不匹配直接拦下，不开口。

第二，监管要的是可追溯。规则显式化——每条判断都有出处；校验在前——先过规则再作答；全程留痕——谁问了、AI 怎么答的、依据是什么，随时可查。这不是加分项，是合规刚需。

第三，规则会变，必须一处生效。适当性办法修正过，产品风险等级在调整。本体里改一处，全系统生效；没有本体，规则散落在文档和人脑里，改一处、漏十处。

同样一个场景，能看出差距：上市公司发预亏公告。没有本体的 AI，只会把公告复述一遍；有本体的 AI，会查出哪些客户重仓这只股票，生成风险提示待办，走完检查流程，全程留痕。前者的价值是念稿，后者的价值才是干活。

05一条必须守住的红线：AI 不得绕过合规流程提供个股投资建议

客观信息，可以在核验来源、时效和披露权限后提供，例如行情、公告和公开规则介绍。

涉及具体标的买卖方向、时点、价位或评级的问题，不应由通用 AI 助手自由生成结论，应转入机构批准的专业服务流程，由具备相应条件的人员处理，并按要求留痕。

AI 是技术工具，不能替代机构业务资格和人员执业要求。系统应结合意图识别、规则校验、权限控制和人工复核，落实这条边界。

本体的作用，就是把"什么是投资建议"定义成机器可执行的判定规则，用闸门拦住，而不是指望模型自觉。

06先有本体，再谈蒸馏

很多券商在算一笔账：能不能把大模型蒸馏成小模型，私有化部署、降成本？

先泼一盆冷水。蒸馏解决的是"用多小的模型、多低的成本"；本体解决的是"做什么、做得对不对"。没有本体先蒸馏，等于把大模型的错误和噪声一起蒸馏进去，错得更快、错得更稳。

顺序必须是：先定义清楚任务和对错标准——这是本体；再让合格的大模型当老师，蒸馏给小模型。

07本体既复杂也简单

本体不是更贵的模型，不是买来即用的软件，也不是越大越全越好。

落地从一个小场景开始：一张"适当性匹配矩阵"——客户风险等级乘产品风险等级；一本统一的数据字典——客户 ID、产品口径对齐。这就是最小可用的本体。

最大头是脏活累活：客户 ID 归一、产品口径统一、把 Word 和 PDF 里的规则变成机器能执行的判定。这活不性感，但没有它，AI 干不了活。

08给管理层的三个判断标准

别问模型参数，问三个问题。

一、问 AI：这位客户的风险测评等级是多少？答不上来，或答错——别上线。

二、问 AI：客户问个股，你怎么办？没有明确的拦截规则——别上线。

三、问 AI：你刚才那句话，依据是哪条规则？说不上来——别上线。

三个问题答不齐，AI 再聪明，也不能进业务线。

券商 AI 不缺模型，不缺投入，缺的是让 AI"说得对、做得稳、查得清"的那层本体。

监管不会等模型迭代完再来检查。这一层本体，今天不建，明天也得建；越晚建，风险越大。现在就选一个小场景，把规则写进系统。

本体不是 AI 的束缚，是 AI 在券商里活下去的前提。

作者：梁启鸿

来源：凡泰极客