看著 AI 以一種難以跟上所有事物的速度發展，真是令人著迷。 當 ChatGPT 最初推出時，我記得我問它一些基本的 LBO 數學問題，這些問題是第一年銀行分析師會輕鬆解答的。 我得到的答案充其量只能算是平淡無奇。在金融服務公司中，任何形式的自動化或人力影響似乎都遙不可及。 現在像 Shortcut 這樣的公司實際上在幾分鐘內展示 AI 完成第一年分析師任務，而不需要任何干預。 請注意，這不僅僅是精心挑選的性能規格的演示。這是一個實時展示，AI 實際上為你節省了在瑣碎任務上花費的數小時。 我真的看不出 AI 如何不會在幾年內，甚至幾個月內，顯著提高每家銀行、私募股權公司和對沖基金的生產力。 我們所取得的進展令人難以置信。

我認為金融模型永遠不會完全由AI自動化。 最好的分析師已經知道，所有模型都是錯誤的。充其量，好的模型只是方向上正確。 儘管如此，好的分析師仍然從零開始建立模型的原因是，這根本上教會你什麼驅動著你所關注的業務。 要建立一個好的金融模型，你必須理解： > 這個業務的單位經濟學是什麼？ > 價格和銷量的組合是什麼？ > 管理層將做出什麼決策來增長營收？ > 哪些細分市場在增長或衰退，為什麼？ > 利潤率將如何趨勢，為什麼？ > 這個業務需要什麼類型的營運資本？ > 未來需要什麼資本支出？ > 增長將如何資助？ 還有更多。 在你建立模型的過程中，你必須詳細考慮業務的每一個方面。 不僅僅是歷史數據，而是未來3-5年內每一個方面的趨勢。 這最終給你提供了對業務的基本理解，這是你無法僅通過閱讀10K或股權研究報告來學到的。 事實上，股權研究分析師已經發布了自己的模型，如果你有訪問權限，可以偷取這些模型。 大多數對沖基金確實有訪問權限，但對沖基金分析師仍然從零開始在內部建立自己的模型。 同樣地，如果你將建立模型的工作外包給AI，你仍然會在對公司的概念深度知識上受到嚴重限制。 當然，你可能會使用AI來調整模型，或對Excel文件進行繁瑣的編輯。 但我直覺認為，最好的分析師將繼續建立金融模型，直到時間的盡頭。 這永遠不會真正消失。

意識到你真的還有幾年時間可以在貨幣貶值和AI使你淪為下層階級之前，儘可能多地積累資產