【全文】
智能投顾在我国拥有巨大的发展空间。改革开放四十多年来，我国经济高速发展，居民总财富与可投资资产总额迅速增长。预计到2023年年底，中国居民可投资金融资产将突破243万亿元，并持续释放可观的增长潜力。除却庞大的财富管理市场体量，同时随着“房住不炒”政策的出台使得实物资产趋向饱和，我国居民对金融资产配置的需求也正逐步快速提升。长期以来，我国居民总资产以实物资产为主，金融资产为辅，房地产和银行存款分别在这两类资产中占据主流，是国内财富管理的主要方式。近年来，伴随着我国经济的快速发展，居民财富规模持续增长，中产阶级规模逐步扩大，从而产生了巨大的理财需求。与美国相比，中国居民的金融资产占比明显偏低，中国的资产配置仍存在优化空间，这意味着未来财富管理市场拥有广阔的发展前景，智能投顾仍存在着巨大的成长空间。
居民财富的快速积累、可投资资产的增加以及互联网普及下居民理财意识和风险意识的快速提升，使得原先单一的财富管理目标向个性化、多元化的方向发展，催生出对专业性投资顾问的需求。然而，专业性投资顾问很难满足当前我国大部分投资市场的整体需求。一方面，我国投资顾问市场本就鱼龙混杂、发展混乱，大部分投资者几乎不可能获得满意甚至是合格的投顾服务；另一方面，银行业、券商等提供的专业化理财服务具有较高的资金门槛，只能服务于资产净值较高的人群。在这种背景下，使用门槛低、相对规范的“智能投顾”，凭借其低成本的优势有效填补了新兴中产阶级、中低收入人群等“长尾客户”的财富管理需求，服务一经走入广大投资者的视野，便迅速获得了他们的青睐。
另外值得一提的是，见证互联网技术腾飞的80后、90后近年来正逐渐成为投资主力军，他们在投资理财服务上对科技驱动型工具的信任度更高，兴趣更为浓厚。居民对线上投资的渠道偏好也为基于线上理财的智能投顾服务的普及提供了有利条件。此外，我国资本市场上以个人投资者为主的投资者结构，相比于美国以机构投资者为主的股票市场，也更利于以零售客户为服务对象的智能投顾业务的发展。
从天时地利到人和，智能投顾正迎来一个“最好的时代”。上市咨询公司埃森哲（Accenture）将智能投顾这一财富管理模式视为“余额宝”之后的下一个“爆品”，并认为巨大的潜在客户市场规模将使得智能投顾成为未来理财市场的主流工具。伴随着基金投顾试点工作的展开，以银行及公募基金为代表的传统金融机构凭借强大的客户资源和产品资源优势占据先机；互联网巨头企业则利用自身流量优势及技术优势吸引个体投资者，获得试点资格的投资咨询机构纷纷上线智能投顾产品，智能投顾行业发展进入了第二个快速增长周期。
智能化程度不足
问题是，我国智能投顾尚处于“有限智能阶段”，智能化程度较为不足。在某种意义上，投资市场环境不佳、投资者素质亟待提升、专业投资顾问人才缺乏等外部问题，正掣肘着智能投顾的智能性发展。在理想的模式下，智能投顾能够驾驭多种分析策略与分析工具，通过建立客户画像与产品标签体系，实时追踪市场动态，在风险阈值控制下平衡投资策略，为投资者提供全方位的财富管理服务。然而，科技进步与传统业务的融合不是一蹴而就的，在实际业务中，智能投顾的应用和推广遇到了许多预期外的问题。
客户画像（问卷）不达预期
我国大部分的智能投顾机构（基金投顾试点机构）选择采用经典的问卷调查的方式辅助投资者画像：客户在回答完十几道问卷问题后，由机构给出投资者风险偏好倾向。市场上使用的调查问卷基本上是以中国证券业协会发布的《投资者风险承受能力评估问卷（适用于自然人投资）》为母版的，出于风险规避的考量，投顾机构往往不会选择在模板上做较大的改动，这就引发了客户画像（问卷）同质化的问题。
除此以外，投资者成熟度低是问卷评估产生偏差的又一重要原因。目前我国市场上大部分投资者没有受过专业的训练，无法明确自己的真实风险和投资偏好。越是经验不足的投资者，依赖简单问题生成科学准确的投资者画像的概率越低，而恰恰是这些投资经验不足的投资者更需要投顾机构辅助他们定位风险偏好。
考虑到我国庞大的长尾客户基数，以及智能投顾因降低服务成本而带来的普惠性，我国智能投顾未来可以考虑另一条发展道路：区分高净值客户与普通客户，并给予不同的指导。针对高净值客户，投顾机构可考虑结合人工和智能算法，通过更全面细致的需求匹配、更为完善的客户画像来帮助客户达成个性化的“投”。针对普通客户，投顾机构可以考虑在格式化的问卷中引入投资者场景，让投资者作出选择，并通过投资者的答案判断风险偏好、投资期望等重要指标。
系统匹配的模式主要适用于以互联网服务为主体的智能投顾机构，他们在客户流量与客户留存数据上具备先发优势，在客户进入投资板块时，即可通过既有数据获取初步的投资者画像。系统匹配的模式对客户来说也更方便、快捷。然而，该模式也有其固有问题。第一，留存数据的丰富程度取决于投资者对软件的既往使用程度，当投资者对软件的使用程度不足，留存数据有限时，系统匹配模式可能会在投资者画像阶段产生偏移。第二，试点机构在使用留存数据时，可能会产生合规问题。
投资服务能力低
我国目前的业务产品虽然繁多，但智能化的程度仍然较低，无法满足投资者需求。举例来说，在投资者完成客户画像环节后，智能投顾机构将在综合判断的基础上，为投资者推荐适合的投资产品。我国智能投顾与美国智能投顾的不同之处在于，如果投资者对智能投顾推荐的投资组合不满意，他/她只能够在下一个风险区域内寻找其他产品（一般是其他的金融产品组合。
除此之外，我国智能投顾构建差异化业务模式和服务场景的能力仍亟待提升。智能投顾的终极目标是“量体裁衣”，为每一位投资者定制最符合其要求的投资计划，然而即便是世界一流的投顾机构目前也无法达到此项要求。目前，国内多数基金投顾业务正处于基金销售向投顾服务转变的阶段，财富管理服务内容还相对单一，因此深入分析投资者需求，细化投资场景，培育丰富的财富管理场景，是智能投顾机构未来业务发展应重点考虑的问题。
市场区分度不足
自《关于做好公开募集证券投资基金投资顾问业务试点工作的通知》颁布后，我国智能投顾业务已经逐渐走上由“基金推介商”向“财富管理师”转型之路。然而目前，虽然部分试点机构已经开始进行客户分类，有针对性地提供不同内容的服务，但智能投顾整体市场尚未形成客户细分的观念。
投顾难“顾”
顾名思义，“智能投顾”区别于“智能投资”。“投资顾问”的称呼意味着，顾问除了应当完成最基本的财富管理目标以外，还应当重视与投资者的交流沟通，对投资者进行培育与教育。事实上，投资并非一瞬间可以完成的事情，从决定进行投资，到确定资产分布比例，选择投资策略与投资产品，调仓清仓再投资，投资包含了财富管理的全部流程。在这个过程中，为投资者获取最大化的投资收益，满足投资者的投资需求固然是投资顾问的基本任务与核心竞争力；但为投资者提供朋友式的支持与帮助，建立长期信任的委托关系，也是投资顾问的隐形义务与进一步的发展方向。
在实际的操作层面，投顾的“顾”可以被分为两个部分。第一，基础部分。此部分服务可以被囊括于投资顾问的信义义务之中，相应的是，如果违背此类义务并造成了投资者损失，则应当向投资者承担赔偿责任。这一层服务包含了密切跟踪市场，勤勉尽责地履行受托人义务，持续关注客户账户，调整持仓基金。第二，进阶部分。此部分服务包含了给予投资者行为指导和为投资者提供陪伴式的服务的内容，更注重与投资者之间的交互性，增强投资者的体验，让投资者感受到投顾服务是一项可以长期信赖和依靠的服务。
投顾难“顾”既存在技术上的原因，也存在业务安排上的问题。从技术角度来看，如果说算法尚能够在“顾”的基础部分努力做到尽职尽责，那么在“顾”的进阶部分，算法在短时间内似乎难以突破技术障碍。人工投顾提供的沟通与陪伴，的确很难被算法模拟。从业务安排角度看，目前我国智能投顾推出的业务，也的确较少着眼于“顾”的属性。大部分智能投顾机构并不愿意在投资者指导与教育上发力，这或许是出于服务成本控制的考量。
影响智能性发展的外部因素
市场低水平的长期资产配置需求
居民的投资行为与金融市场的发展之间存在密切的联系，或者说居民投资行为与金融市场的发展相互制约又相互促进。由于我国居民长期收益资产配置的需求一直以来位于较低水平，传统金融投资服务和现代数字金融服务水平依旧处于较低阶段，存在更为广阔的发展空间。然而值得庆幸的是，尽管扭转持续数十年的低迷状态需要时间，但可以预期，假以时日，我国低水平的长期资产配置需求现状将得到较大改善。
个体投资者不成熟的投资理念
我国个体投资者所表现出的投资态度与一般投资顾问所秉持的投资理念也存在较为明显的差异。尽管金融投资行业在不断向投资者宣传价值投资的理论，宣传“做时间的朋友”“陪伴企业成长”等现代投资观点，但个体投资者追求的依旧是短期快速获取高收益，对风险的心理承受能力极低。一旦投资产品出现亏损，或者无法达到投资者预期的投资收益，投资者往往会直接选择快速更换投资产品。为了迎合个体投资者“短平快”的投资目标，投资顾问可能会选择向投资者推荐短期内收益良好的金融产品，而放弃推荐具备长期投资价值的资产。在这种逻辑链条下，一方面投资顾问展现自身专业技术的场景大大受限，另一方面投资顾问与投资者之间很难形成长期信任关系。
因此老生常谈但又值得一提的是，建设成熟有序的资本市场离不开对投资者的长期教育。金融知识会促进家庭将更多资产配置到金融资产，尤其是风险金融资产上。只有当投资者形成了长期投资习惯，形成了价值投资观念，才能够以更成熟的心态参与到市场投资当中去，才能够更好地与“投资顾问”建立宝贵的信任链接，为智能投顾行业发展创造良性土壤。
投资者转化困难
对以“第三方基金销售平台”身份获得基金投顾试点资格的机构——一般为互联网巨头机构——而言，投资者留存与转化困难是其在发展智能投顾过程中不得不面临的障碍（当然该问题同样可能为传统金融试点机构所烦恼）。互联网公司本身存在巨大的C端客户流量，此外还拥有丰富的客户场景，在大数据的收集与使用上具备先发优势，可以对客户进行精准画像，使其在金融服务效率上更具优势。然而，智能投顾在我国毕竟属于新兴产物，尚处在发展阶段，不仅监管机构对其秉持观望、试探的态度，大部分投资者，尤其是已经形成一定投资习惯的中年投资者，也对其保有谨慎态度。因此，在流量—投资转化率上，智能投顾产品的转化率较传统基金销售产品的转化率仍然较低。
专业投资顾问人才稀缺
第一，行业专业人才不足。报告显示，即便将范围扩展到证券投资咨询机构2018年，证券投资咨询机构员工总数为18331人，投资顾问人数为2150人。相比较而言，2020年年末，A股账户自然人投资者超过1.8亿名。尽管并不是每一位投资者都需要投资咨询服务，但巨大的数量悬殊依旧有力佐证了我国专业投资顾问人才稀缺的现状。行业发展的停滞使得行业专业人才不足的情况无法得到有效缓解。除了极少数的头部咨询机构，我国大部分投资咨询机构不能盈利或者处于亏损状态，这使得整个投资咨询行业对于优秀人才来说，都不具备吸引力。
第二，投资顾问人员服务能力有待提升。囿于我国传统投资顾问的业务模式，投资顾问往往扮演的是“卖方顾问”的角色，并不注重为投资者提供多样化、差异化的服务。在投资顾问的专业能力以及教育程度都有待提升的情况下，“卖方顾问”多数时候只能提供相对基础的服务，这在新的智能投顾商业模式中显然是不足够的。
第三，作为科技与金融高度融合的典型行业，智能投顾行业的高端人才需要具备金融投资行业与信息技术行业两方面的背景知识，从而更加剧了高端人才的稀缺性。一个优秀的智能投顾行业人才，一方面需要具备专业的投资知识与技能，把握投资市场机会与方向，引导投资者理性配置资产；另一方面需要具备基本的信息技术行业背景，对算法模型中所使用的逻辑结构、数据组合、假设与缺陷有立体明确的认识。证券投资行业本身就属于人才密集型行业，建立包含金融投资与信息技术知识的人才培养体系，完善智能投顾人才队伍建设，也是各智能投顾机构必须完成的重要任务。
数据信息合规面临挑战
作为智能化投资咨询服务的基础资料，数据是智能投顾服务的最重要的资产与支柱之一。海量有效的数据是机器学习的基础，可以说没有数据就没有人工智能，更没有智能投顾。随着我国《个人信息保护法》的颁布与生效，有关数据使用与数据安全的话题再次走入智能投顾行业视野。从数据的获取、采集，到数据的集中存储、管理，再到数据的输出与核心数据的保密，数据信息合规工作事实上贯穿智能投顾机构的整个业务流程之中。
数据征集与使用边界
一般来说，智能投顾服务流程的第一步，是以问卷调查形式进行客户画像，这是一个标准的数据搜集过程。在此过程中，客户的年龄、职业、收入、负债、既有资产与金融资产配置等信息，都会被智能投顾机构牢牢掌握——事实上这也是智能投顾信义义务的基本要求。一方面，按照我国《民法典》第1035条的规定，企业收集个人数据应当具备必要性和适当性。智能投顾机构收集、处理个人信息应当遵循合法、正当、必要原则，不得过度处理。另一方面，通过问卷调查步骤收集到的客户信息中，大部分涉及客户的个人经济情况与个人资产状况，属于《个人信息保护法》中规定的敏感个人信息。针对敏感个人信息的保护更加严格。当智能投顾在搜集客户信息时，除了必须遵循“合法、正当、必要”的明示同意规则，将数据收集限定在合理范围以内之外，还必须保证投资者能够对其敏感个人信息的未来用途有较为清晰的认识，并严格控制敏感个人信息滥用的情况。其中，“具有特定的目的和充分的必要性”要求智能投顾企业充分评估其相关产品和服务方案，不得以提供服务为由任意处理敏感个人信息。在这种个人信息保护要求之下，如果想要实现数据的合规治理，则智能投顾机构必须明确数据收集与使用的边界。
实践操作中，智能投顾服务在个人信息的收集环节，已经暴露出了诸多问题。许多应用程序会强制搜集与其提供的服务没有关联的信息。时至今日，仅仅依靠“合法、正当、必要”的原则性指引，对于投资顾问实践活动的指引是远远不够的。细化的指导条款与行政执法案例不仅能为投资者信息安全提供更多保障，而且能够为智能投顾机构厘清数据使用边界，降低数据合规成本。
“一揽子”授权数据信息使用权的合法有效性
就目前的实践操作而言，智能投顾机构一般会以弹出框的形式，要求客户对留存在该应用程序内的数据信息进行全权授权，否则将拒绝为客户提供相应的服务。据前文所述，由于客户资产状况属于敏感个人信息，应当取得客户的单独同意，因此使用类似“同意将你的个人数据用于接下来的投资咨询活动中”这类概括性、笼统的表述，是否能够满足《个人信息保护法》中有关个人信息使用授权的规定，尚存疑问。
根据实际体验发现，智能投顾APP的“同意授权”项除了授权机构对于个人信息的收集、传输、处理、使用以外，往往还包括了数据再利用、共享、转授权、对外提供等多个方面。然而，当客户按下“授权使用”或者“同意使用”的按钮之时，可能只是按照既定流程行事，对授权投资机构使用的个人信息内容、数据范围、后续事宜并不明确。又或者说，以简单的弹出框等形式，在未向客户进行对将要使用内容的梳理、使用正当性说明或告知可能产生的不利情形与风险的情况下，要求客户将数据信息的使用权一揽子授权给智能投顾机构，这一行为的合法有效性仍有待监管机构的进一步明确。
客户留存数据的合规使用
客户留存数据的合规使用问题，给大型金融科技公司带来的困扰可能更加突出。各互联网巨头试点机构在既往长期的金融实践活动中，借助C端流量优势，已经积攒了相当多的客户信息。一般认为，对于客户曾经以明示或者默示形式允许机构进行搜集的信息，以及试点机构通过加工分析获取的信息，在取得投资者同意后，试点机构得在合理必要的范围内进行使用。对于后两类留存数据的使用，智能投顾企业则应当进行额外的说明，明确告知投资者将要使用的数据来源、数据范围、使用目的、使用数据的必要性以及使用数据可能带来的不利影响。
数据信息保护要求带来的合规成本提升
除去在数据的收集和处理中可能遇到的问题，新的数据安全规范对智能投顾企业在进行客户信息保护方面也提出了更高的要求。在进行数据信息合规工作时，应当按照最新法律法规和技术规范的要求完善数据安全建设。我国《个人信息保护法》强调个人信息处理者（在本文的语境下，即智能投顾机构）对个人信息的保护责任，明确其作为信息安全第一责任人的地位。此外，2020年2月，中国人民银行正式发布《个人金融信息保护技术规范》，规定了个人金融信息在收集、存储、使用、删除、销毁等生命周期各环节的安全防护要求，从安全技术和安全管理两个方面，对个人金融信息保护提出了规范性要求。伴随这些合规要求而来的，是企业不断上升的合规成本。智能投顾企业作为投资者敏感信息的守卫者，负有法定的管理义务，除了需要实施常规的去标识化、加密等技术措施外，指定信息保护负责人、对公众个人数据进行分级分类管理、制定信息泄露预案、定期合规审计、对违法处理个人信息的产品或者服务进行调整或废止等程序，都意味着企业必须投入大量额外的人力物力财力，以建立一整套数据合规治理体系。除此之外，由于我国此前针对数据合规的指导政策较少，司法案例不足，企业必须从零开始摸索建立合规治理体系。这意味着除却常规成本以外，企业还将付出额外的试错成本。
人工智能的责任承担与专业资质审查问题
人工智能是智能投顾的核心业务模型，也是将智能投顾与传统金融业务进行区分的基础要素。科技在赋能金融业务的同时，也向传统金融业法律规制体系提出了新的问题。由于金融产品日益复杂以及信息不对称问题日益突出，投资者在谈判能力、决定能力和抵御风险能力上与普通消费者日渐趋同，难以有效监督金融从业者的行为，因而需要特殊的保护。在传统投资顾问模式下，投资顾问与金融机构被视为受托人，承担信义义务，还需履行获得许可、依法注册、保持胜任性以及管理投资者适当性等合规义务。法律还通过对机构内部组织的要求，形成有效监督投资顾问的科层结构。智能投顾的出现使金融行为的作出变成一个混合的过程：这其中既有自然人的设计和设置，也有机器按照算法作出的判断。这种人与机器混合作出金融行为的过程使得传统上对于投资顾问的监管规则在识别行为主体和判断责任时面临困境。
人工智能的责任承担问题
随着科学技术的日新月异，金融业务领域也在不断进行创新和拓展。量化投资、算法选股、精准营销、智能画像、舆情分析、极速交易等内容和服务，都给投资者带来了全新的体验。就目前的技术发展，尤其是应用于智能投顾的算法技术而言，程序并不能被赋予民事主体资格，仍只能被视作人的能力的延伸工具。一方面，程序不能够独立地享有权利、承担义务。另一方面，程序是人类创造出来的，其产生之初即作为民事法律关系的客体而出现，其虽然可能代替人类从事相关的活动，但本质上是受其自身的算法而决定的，尚不具备人类所具有的自主思考的意识和能力。设计者的金融知识、直觉、逻辑、价值判断等贯穿了整个算法流程的方方面面（当然，设计者的专业知识不足、判断的瑕疵、利益衡量偏好也可能反映在算法之中）。计算机系统依据人工输入的指令进行数据搜集，即便貌似给出了“结论”，也只是依据人工预设的逻辑流程作出判断，其结论体现的正是程序编写者而绝非程序的主观意识。
此外，目前智能投顾的发展，仍处在努力克服“不够智能”“千人一面”的阶段，因此仍可依据我国《民法典》侵权责任编之内容，要求运营者承担民事责任。在穿透责任的模式下，智能化程序可以被视为投顾平台向投资者提供服务的“工具”，也即延伸出去的“长臂”，因此要求经营者设计相应的内部控制流程与监督机制，并无不妥。相应地，如果因智能化程序（工具/长臂）的缺陷给投资者带来了损失，也应当由经营者承担责任。
当然，整个智能化程序的设计是一个复杂的环节，中间一般会涉及金融专业判断与算法程序设计。在该种处理逻辑体系下，算法程序设计事实上是服务于金融专业判断的：智能投资顾问作出的决策实际上模拟了提供交易和决策模型的金融从业者的行为，所以“受托”咨询的行为事实上在金融人员提供交易和决策模式时已经前置了，最终为投资者提供“投资咨询服务”的，仍旧应当是专业的金融服务人员；技术人员只是依据金融服务人员之判断，为其提供技术支持。因此，除非是因故意或者重大过失造成投资者损失，否则不应要求技术服务人员承担赔偿责任。但是应当注意的是，程序设计者仍然需要满足从事算法开发的基本资质的要求。
然而，笔者不否认在未来的某天，计算机程序通过自主学习，作出超出人类预判范围以外的选择的可能性。不断发展的机器学习技术（machine learning），正在不断赋予智能机器人算法自我更新和自我学习功能。换言之，随着算法的升级和优化，未来智能程序可能会脱离人类的指示和控制：程序编写者仅仅在系统初化时植入程序，但后续的智能机器人知识库是根据其获得的数据学习得来的。
专业资质审查问题
通常，投资顾问从业人员需要遵循相应的考试与注册制度。以证券投资咨询行业为例，根据有关规定，证券投资咨询从业人员需通过证券投资资格考试。在智能化程序渗透到投资顾问行业方方面面的今天，我们固然能够通过更新证券投资顾问胜任能力考试的内容，要求投资顾问人员同时具备金融行业相关知识与算法领域基础常识；但是如何为“算法”设置准入门槛，就成为了较为棘手的问题。
“算法”显然不可能参加从业资格考试，因此与其最接近的制度，就是计算机程序代码测试制度。尽管计算机代码不可能像人类一样对一张试卷“作答”，但如果抓住了从业资格考试的核心目的，便可以针对代码设计相应的资格认证模块。同从业资格考试相类似，计算机程序代码测试的创设，应当旨在考量计算机代码是否具备了从事此项服务所必需的能力，包括知识图谱及判断能力。对计算机代码能力考察的范围应当包括典型智能投顾服务的全部流程，即适当性分析、大类资产配置、投资组合构建、交易执行、投资组合调整、风险管理、投后分析等。算法不具备民事主体资格，不能够独立承担民事责任，因此即便算法需要通过计算机代码测试，最终承担民事责任的主体依旧是各金融机构。因此这样的“计算机代码测试”，可以由各个智能投顾机构通过“内部测试”的方式率先进行。通过各业务平台的内部测试系统之后，就可以由各智能投顾平台自主决定是否向客户提供。等到行业进行一定数量的横向对比，摸索建立出标准化的评测体系后，可以由监管部门或者指定第三方进行统一的“计算机代码测试”。
