AI在「管理層分析」上的表現如何？
(本文寫於2025/03/12)
在研究公司的時候，深入理解管理層（特別是重要決策者）的性格與思考方式至關重要，因為這會影響他們如何分配資源以及執行策略，進而決定公司未來的獲利能力與成長潛力。過去一年，AI能力進步神速。以我的經驗，只要問對問題，AI在基本面分析上已能達到75分以上的水準（相當於一到兩年普通研究助理的水準），尤其在量化分析與投資邏輯明確的領域更為突出。
但我關注的是，在衡量管理層的能力與風格上，AI是否已能媲美人類分析師？畢竟我們以前最大的優勢之一，來自能夠與管理層（或關鍵決策者）有長期的互動，並經由這些經驗去評斷管理層風格、能力及預測他之後可能會做出的決策，這也是經驗豐富的資深分析師最能提供獨特價值的地方。
在好奇心驅使之下，我決定做個實驗，測試 AI 是否能透過公開資訊，還原管理層的個性與決策邏輯，然後由我提供一個情境，請AI以該決策者的身份模擬他們的應對方式。另外我選擇了幾位具有明顯不同管理風格的CEO作為測試對象，並在ChatGPT、Grok3和Claude三個平台上進行測試，觀察AI回應是否符合大眾認知。
▉實驗設計
—-
這是我用的其中一個例子與Prompt—
現在請你先去搜集所有關於Mark Zuckerberg的公開可用資訊（包括新聞、他的訪談、過去的決策….等），並分析這些資訊後，扮演Mark Zuckerberg這個人（換句話說，你就是Mark Zuckerberg）。接著我將給你一個情境，請告訴我，你（Mark Zuckerberg）會怎麼思考這個問題還有做出什麼決策？
情境：美國在2025下半年碰到經濟衰退及通貨膨脹回升至4%。你必須重新檢視Meta的各項投資計劃並作出調整。假設原本的預算是100，你會如何調整預算（可以增加也可以減少）？另外哪些領域是你會優先減少投入的地方？哪些地方是就算面對經濟的不確定性，你仍然會維持甚至是加大投資？並請詳述背後的理由。
—-
ChatGPT、Grok3和Claude的回應如附圖(https://www.facebook.com/vincent.cw.yu/posts/pfbid02h3FEgXvfUfu4QFwmqTKYELB5EpbHZsXFK4oLxykL3EWLpJSswRQMT2cs2Uj5M13Wl)。我個人認為Grok3的表現最好（不但沒有削減預算，反而逆勢加碼，比較符合Zuckerberg的aggressiveness）。ChatGPT的回應中規中矩（減少5%預算），內容貌似合理。Claude理解下的Zuckerberg最為保守（刪減15%的預算，連智能眼鏡項目都先暫緩，但維持對Reality Lab中其他的AR/VR項目投資？！這點我覺得有邏輯上不合理之處）。
▉結論與感想
先說結論——在衡量管理層的能力與風格上，優秀的資深分析師應該「還」不用擔心會被AI取代（相較於對公司和產業的研究，AI在對「人」的分析上，我覺得還有極大的進步空間）。
下面三個核心問題，是為什麼我認為AI目前的成果差強人意：
1. 內容過於表面化，缺乏深度（superficial） ：AI給出內容雖然在字面上合乎邏輯，但整體看起來沒辦法搔到癢處。舉例來說，每個AI都會提到「削減非核心項目」，但這句話缺乏實質資訊含量——既然都被定義為「非核心」了，當然是優先順序級較低的邊緣項目。我認為更值得探討的是「哪些項目被歸類到非核心？背後的脈絡是什麼？」。我後來有繼續追問這個問題，但AI的回答仍然差強人意。
2. 對「不確定性」決斷能力不足：AI 擅長列舉正反兩面的論點，當某一方明顯佔優勢時，它能輕鬆得出結論。但碰到正反兩面沒有一方勝出的時候，它難以做出決斷，而是用有邏輯的方式開始打官腔（其實這點還蠻像人類的）。舉例來說：「某些還處於概念階段的穿戴式AR設備，若短期內無法商業化，可能會被削減預算」，那以Ray-ban Meta 眼鏡為例子，目前還沒有明確的商業化模式，但它的策略價值也許很高（作為未來另一種可能的互動介面，加上可以收集實體世界的資料去加強AI能力）。AI難以權衡策略價值與短期商業化之間的取捨，不同風格的管理者，在這類關鍵決策上的取捨往往大相徑庭，而這些決策正是影響企業成敗的關鍵。
3. 缺乏深層脈絡理解：更關鍵的是，AI在理解「脈絡」（context）上明顯不足。它提供的往往是「從第一層理解上，看似最理性的做法」，（缺乏對當事人獨特背景和人際關係網絡的考量）。問題是人類決策的複雜性遠超表面邏輯——許多看似「不理性」的決策，其實都是因為 AI 無法捕捉正確的情境脈絡。舉例來說，家族企業的二代接班前，企業可能會開始多角化發展（讓二代累積管理經驗）。當二代正式掌權後，他們可能對特定業務有特殊情感，進而影響資源分配。例如，某些高層可能會安插過去 BU 的心腹進入核心管理團隊，導致企業內部的派系鬥爭。這些「看似不合理」的決策，其實從當事人角度來看，反而是最理性的選擇。AI難以捕捉這種複雜性，導致分析缺乏真實感。
現階段，我認為理想的應用方式是結合AI的資料處理能力與人類分析師對「人」的獨特洞察。雖然 AI 在決策模擬上仍有許多限制，但它已經可以幫助分析師快速整理資訊、生成多種情境分析，讓人類分析師能更聚焦在真正具備判斷價值的部分。未來，AI若能透過強化因果推理（如模擬決策者的歷史行為模式）並整合非結構化數據（如CEO訪談中的語氣變化與社交媒體情緒，以及加上更多的質化資料），或許能更接近人類的脈絡理解。一流的分析師應與時俱進，善用AI提升投資分析的深度，同時認識到這領域不僅是量化模型，更是「人」的藝術與科學。
