Er komen nog steeds incidenten voor waarbij analisten AI gebruiken om opzichtige onderzoeksrapporten te schrijven. Onlangs werd in een door twee analisten ondertekend wekelijks rapport over onroerend goed de verklaring over onroerend goed op de Executive Meeting van de Staatsraad van 2024 ten onrechte bestempeld als het nieuwste beleid op 7 juni 2026. Veel insiders uit de sector vertelden verslaggevers dat deze foutmodus van ‘verkeerde uitlijning van de tijd + volledige overdracht van inhoud’ in overeenstemming is met de typische kenmerken van de ‘illusie’ van grote AI-modellen.



In het onderzoeksrapport werd vermeld dat de uitvoerende vergadering van de Staatsraad op 7 juni 2026 vastgoedgerelateerde werkzaamheden zal inzetten, wat feitelijk informatie is van twee jaar geleden.

Dit onderzoeksrapport luidt: "De uitvoerende vergadering van de Staatsraad op 7 juni 2026 heeft vastgoedgerelateerd werk ingezet, waarbij de implementatie van bestaand beleid vereist is, nieuwe maatregelen zijn gereserveerd om de voorraden af ​​te bouwen en de markt te stabiliseren, bestaand onroerend goed en land gestaag nieuw leven in te blazen, de bouw van een nieuw model van vastgoedontwikkeling te versnellen en het 'markt + zekerheid' huisvestingssysteem te verbeteren." Door het traceren van openbare informatie is dit echter feitelijk een oud document uit 2024. De vastgoedkwestie werd ter sprake gebracht tijdens de uitvoerende vergadering van de Staatsraad op 7 juni 2024.

Afgaande op het gezonde verstand is het voor een dergelijke vergadering van de staatsraad op hoog niveau, als analist uit de vastgoedsector die het beleid volgt, onmogelijk dat er een fundamentele cognitieve fout wordt gemaakt over het tijdstip en de inhoud van de vergadering. De Raad van State hield op 5 juni dit jaar wel een relevante bijeenkomst, maar de inhoud en het tijdstip kwamen niet overeen.

Toevallig vonden verslaggevers ook vrijwel identieke foutieve uitspraken op sommige zelfmediaplatforms, behalve dat de tijd ten onrechte werd geschreven als ‘6 juni 2026’. Het is duidelijk dat analisten of onderliggende grote modellen te maken kregen met ernstige ‘informatievervuiling’ bij het vastleggen van publieke informatie op internet, en AI ‘reisde’ oud nieuws rechtstreeks van twee jaar geleden naar vandaag, zonder strikte controle.


Sommige zelfmedia citeerden ook soortgelijke foutieve informatie.

Beleggingsonderzoek is het vakgebied met de diepste implementatie en snelste resultaten van AI in de effectensector, omdat het kernwerk van beleggingsonderzoek informatieverwerking en kennisproductie is, wat toevallig het vermogen van grote modellen is. Het gebruik van AI om te helpen bij het schrijven van onderzoeksrapporten is een gangbare praktijk geworden in de sector. Veel makelaarsonderzoeksinstituten hebben ook onderzoeksgroepen voor AI-investeringen opgericht en publiceren regelmatig door AI gegenereerde onderzoeksrapporten. Op dit moment speelt AI vooral een ondersteunende rol bij het schrijven van onderzoeksrapporten, zoals het oppoetsen van teksten, het citeren van publieke informatie, etc.

Hoewel het een ondersteunende rol speelt, betreedt informatievervuiling op internet via AI-instrumenten het terrein van professioneel onderzoek, wat waakzaamheid verdient. Net in 2025 verspreidde een beursvennootschap een foutieve PPT veroorzaakt door informatievervuiling, waarin stond dat "80% van de particuliere beleggers dit jaar geld zal verliezen." Uiteindelijk bleek dat alles, van de gegevens tot de gegevensbron, verkeerd was.

Als belangrijke informatiebrug die beleggers en de kapitaalmarkt met elkaar verbindt, spelen onderzoeksrapporten van effectenfirma's een cruciale rol bij het begeleiden van beleggingsrichtingen, het verbeteren van de markttransparantie en het vrijwaren van de belangen van beleggers. Tegenwoordig, nu de effectenindustrie AI-technologie diep omarmt, kunnen de uitdagingen van procescompliance en vertrouwensmechanismen niet worden genegeerd.

Waarom komen hallucinaties voor?

Het type onderzoeksrapport dat dit keer het probleem blootlegt, is een wekelijks rapport dat regelmatig door effectenbedrijven wordt uitgebracht. Dergelijke genormaliseerde en hoogfrequente onderzoeksproducten zijn precies de gebieden waar AI-hallucinaties het meest waarschijnlijk voorkomen.

Het is niet moeilijk te begrijpen waarom. Week- en dagbladen zijn ‘goedkope’ onderzoeksproducten en hebben over het algemeen een vast sjabloonkader. Zolang u een sjabloon toepast, gegevens importeert en openbare informatie citeert, kunt u snel een document schrijven. De introductie van AI-tools heeft de productiecyclus verder verkort.

Gemak gaat vaak gepaard met onzorgvuldigheid. In het op sjablonen gebaseerde productieproces gaan analisten vaak niet één voor één terug naar de oorspronkelijke bronnen om de beleidsinhoud te beoordelen die automatisch door AI wordt vastgelegd en gegenereerd. Met name sommige beleidsverklaringen die “correct” lijken te zijn, zullen tijdens het beoordelingsproces waarschijnlijker worden losgelaten.

Aan de andere kant heeft de populariteit van AI-tools op de onderzoeksafdelingen van effectenbedrijven een overlappend effect gecreëerd met veranderingen in de personeelsstructuur.

Een groot aantal jonge analisten en stagiaires zijn al eerder blootgesteld aan en gewend aan het gebruik van AI-schrijfhulpmiddelen. Voor hen is het gebruik van grote modellen om gegevens te ordenen en eerste concepten te genereren standaard in hun dagelijkse werk. Een deel van het personeel is zich echter niet bewust van het belang van bronverificatie en vertrouwt te veel op AI-outputresultaten.

Wanneer er al een groot aantal onjuiste uitspraken over de ‘Real Estate Conference 2026 State Council’ op internet staat, kan AI deze vervuilingsinformatie tijdens het trainings- en redeneerproces als ‘feiten’ weergeven en in een formeel onderzoeksrapport opnemen.

Dit is niet de eerste keer dat AI het probleem van ‘illusie’ op het gebied van effecten blootlegt. De Financial Associated Press publiceerde eerder in "Zal de 'modelillusie' van Robo-Advisors investeerders misleiden?" In het rapport ‘Three Major Pain Points Survey’ hebben we vervolgobservaties gedaan naar feitelijke afwijkingen op het gebied van AI in de beleggingsadviessector.

Hoe hallucinaties op te lossen?

Een principe waarover in de sector consensus bestaat, is dat de output van AI op het gebied van investeringsonderzoek altijd het label van ‘menselijke beoordeling’ moet dragen.

Door AI gegenereerde inhoud die niet door analisten is beoordeeld, mag niet verschijnen in officiële onderzoeksrapporten. Dit is geen efficiëntieprobleem, maar een complianceprobleem: als er iets misgaat, is het de analist die tekent, niet de AI.

In de praktijk zijn het echter nog steeds kwesties waarmee elke effectenfirma te maken krijgt, hoe de standaarden voor "review" moeten worden gedefinieerd en hoe efficiëntie en kwaliteit in evenwicht moeten worden gebracht.

Tot nu toe heeft de China Securities Regulatory Commission geen nieuwe regelgeving uitgevaardigd specifiek voor door AI gegenereerde onderzoeksrapporten. De in maart 2025 herziene "Administratieve maatregelen voor de openbaarmaking van informatie over beursgenoteerde bedrijven" voegden wettelijke bepalingen toe voor "outsourcing"-gedrag, maar maakten geen expliciet melding van AI.

De naleving van AI in scenario's voor beleggingsonderzoek is momenteel vooral afhankelijk van zelfregulerende richtlijnen in de sector en de interne risicobeheersingssystemen van effectenbedrijven. Dit “grijze gebied” is zowel een uitdaging als een kans; het gebrek aan duidelijke regels betekent ruimte voor innovatie, maar het betekent ook dat de grenzen van de verantwoordelijkheid zelf moeten worden overschreden.

Het is vermeldenswaard dat er sinds 2025 geen sprake is geweest van een grootschalige vertekening van onderzoeksrapporten als gevolg van AI-schrijven in de sector, wat het algemene belang aantoont dat de onderzoeksactiviteiten van effectenbedrijven aan compliance hechten.

Maar zodra er zich een probleem voordoet, kan de impact niet worden onderschat. Een onderzoeksrapport met feitelijke fouten zal niet alleen de publieke opinie opwekken, maar, nog belangrijker, het vertrouwen van buy-side instellingen en investeerders in sell-side onderzoek schaden.

“Is het onderzoeksrapport dat iedereen ziet noodzakelijkerwijs juist?” Zodra dit soort twijfels wortel schieten in de hoofden van beleggers, zal dit de geloofwaardigheid van de gehele sell-side onderzoeksindustrie schaden.

Wat interessant is, is dat AI zowel problemen creëert als oplost. Volgens het onderzoek van de verslaggever zorgen de intelligente handmatige bedieningsplatforms die door veel effectenbedrijven zijn geïntroduceerd voor systematische innovatie in het onderzoeks- en compliancemanagementsysteem van de verkoper. Het ontwerp van de standaardworkflow en de ondersteuning van kunstmatige-intelligentietechnologie hebben de dubbele upgrade bereikt: het standaardiseren van het schrijfproces van effectenonderzoeksrapporten en het uniformiseren van de beoordelingsnormen.

Het gebruik van meer volwassen AI om de door AI gegenereerde inhoud te beperken en te standaardiseren kan op dit technische pad een onvermijdelijke keuze zijn. Een makelaarsanalist vertelde verslaggevers dat, hoe de technologie zich ook ontwikkelt, één ding niet zal veranderen. De eisen van de kapitaalmarkt aan informatieauthenticiteit zijn hoger dan alle efficiëntieverbeteringen.