人工智能浪潮下，专业技能反而成了软肋

今年5月上旬，华尔街各机构累计裁员约38000人。原因如出一辙：人工智能正在重塑业务模式。

Fidelity削减800个岗位，PayPal裁撤4760人，高盛引入内部系统后，200名初级分析师的工作已被取代。HSBC与花旗合计优化超5000人，但同期Q1利润却创下历史第二高的纪录。

利润持续攀升，裁员同样凶猛。

此轮裁员潮与2022年存在本质区别。2022年属于加息周期内的正常收缩，来去有时。这一轮则是商业模式的彻底重构，趋势不可逆转。人工智能正在直接替代具体业务岗位。

今天简单梳理AI浪潮中受冲击最大的金融岗位。

研究分析：首当其冲，毫无疑问。行业研究报告的核心环节——数据整理、归因分析、格式化输出——恰恰是人工智能最擅长的领域。高盛内部AI工具已能在2分钟内完成过去需要耗费半天时间的报告摘要。初级研究员的工作成果，在技术层面完全可以被批量复制。

券商投行基层岗位：投标文件制作、募集说明书撰写、尽职调查资料整理，这些在AI眼中属于“标准化任务”。那些缺乏客户资源、卡在associate到VP级别之间的人——纯粹靠技术能力支撑、靠通宵达旦修改文件拼业绩的基层员工。

销售交易端呈现明显分化。量化交易领域AI渗透程度已相当深。但真正的交易决策，尤其是流动性极差品种的定价博弈、大客户谈判等环节，仍需人员现场把控。最危险的是那些既不够资深、又缺乏客户化能力的中间层销售人员。

托管、清算、结算后台：对账、指令核验、合规检查，高度标准化、规则明确，正是人工智能最适合的操作场景。花旗20000人的裁员方案中，后台运营是主要组成部分。

商业银行出现了一条反转的鄙视链。

过去，授信审批、风险管理、审计合规一向处于强势地位。比如“老信贷”是内部对资深审批人员的尊称，他们对行业有深度认知，对项目风险有精准判断，对政策和产品全面掌握，一个项目能否通过，老信贷的一句话举足轻重。

而常年在外应酬拉业务的客户经理，在审批同事眼中专业能力不足：政策讲不清楚，产品说不明白，靠的不过是一张嘴和一张关系网。

人工智能把这个鄙视链彻底掀翻了。

将一家银行过去十五年的信贷审批数据、违约追踪记录、行业风险标注输入AI，训练出一个“老信贷 skill”，原来几十年积累的经验判断，可以被模型系统化复现。护城河的建造原料是数据，数据银行里已经有了。

老信贷多年建立的专业壁垒，在这个逻辑下轰然倒塌。

客户经理一侧，人工智能无法替代的恰恰是那些难以言说的部分：多年往来积累的信任感，企业遇到困难时仍愿意拨出的那通电话，节日时分那条消息背后的交情。这些无法被模型生产，无法被迁移复制。人工智能时代，资深客户经理的价值进一步凸显。

但这场变革中最大的讽刺，留给了商业银行旗下的金融科技子公司。

过去几年，大型银行纷纷成立科技子公司，招兵买马，科技部门成为行内人数最多、投入最狠的部门。

结果呢？

非市场化的薪酬体系留不住真正的技术人才。行内多个业务部门轮番提需求，来来回回修改项目方案。两个月捣鼓出来的系统功能残缺、体验糟糕，核心工作还是靠外包。代码和app做的依旧一塌糊涂——而行外一个普通用户开一个Claude Code会话，一天之内就能跑出功能完整的原型。

砸了多少钱、堆了多少人，产出却比不上一个AI工具一天的工作量。这个成绩，如果真摆在银行管理层面前，是相当难堪的。

未来这些银行科技子公司最大的KPI，估计就是如何裁员降本增效。当初“招人是战略”，现在“减人才是战略”。战略的前后两半，构成了一个完整的讽刺。

简单梳理下来有一个清晰的画像：被替代的往往是那些岗位垂直、专业门槛高、但产出可被标准化复现的人。

幸存的是两类人：一是真正做复杂判断的资深专家，二是拥有稳固关系网络的覆盖型人才。

这也指向一个值得认真思考的问题：人工智能时代应该怎么塑造自己？

答案可能是：从对“事”的研究，回归到对“人”的研究。

不是说对事的研究不重要了。恰恰相反，通过AI工具，技术短板可以被迅速拉长，原来需要一周的数据报表，现在半天完成；原来需要三年才能掌握的行业知识框架，现在通过工具快速补课。效率拉平之后，省出来的时间应该投向哪里？

投向真正有价值的人际关系的打磨，投向对一家机构真正运行逻辑的理解。那些没有写在规章制度里的东西——谁说了算，决策在哪里真正发生，关系链条如何疏通。这些是AI无法告诉你的，也是人工智能时代里含金量越来越高的认知资产。

越专业，越危险。说的是那些技能精准、但技能边界恰好在AI能力覆盖范围之内的人。真正的问题不是会不会被替代，而是：你有没有在做那些AI做不到的事。