AI時代，越專業，越危險

文/債市邦

5月前10天，華爾街裁了約38000人。理由都一樣：AI改造。

Fidelity裁800人，PayPal裁4760人，高盛部署了一套內部系統，替代了200個初級分析師。HSBC和花旗合計裁減超5000人，但同期Q1利潤創歷史第二高。

賺得更多，裁得也更多。

這一輪的性質和2022年不同。2022年是加息周期里的景氣收縮，有來有回。這一輪是商業模式重構，方向不會逆轉。AI替代的是業務里的那個人。

過去，為了寫一個深度報告，分析師可能要花一周時間去搭模型、爬數據、做核驗。這一周的工作量是門檻，也是薪資的依據。

現在，一個對市場一知半解的人寫幾行prompt，10分鐘拿到同等質量的輸出。技能壁壘消失了，壁壘背后的人也就不再不可替代。Citigroup的內部研究報告提到，54%的金融崗位具有"高度可自動化"特征，也就是分分鐘可以被AI替代的意思。

今天簡單聊聊AI時代受到沖擊較多的金融崗位。

研究：毫無疑問是首當其沖的，行業研報的核心工作——數據整理、原因分析、格式化輸出——恰恰是AI最擅長的。高盛的內部AI工具已經能在2分鐘內完成過去需要半天的報告摘要。初級研究員的產出物，在技術上可以被批量復制。

券商投行的初級崗：標書制作、募集的撰寫、盡調文件整理，這些在AI眼里是"標準任務"。沒有客戶資源、職級卡在associate到VP之間的人——純靠技術能力撐場子，靠熬夜改文件去血拼的職場基層員工。

銷售交易這一側有明顯分化。量化交易AI的參與度已經相當深。但真正的交易決策，尤其是流動性極差品種的定價博弈、大型機構客戶的談判，仍然需要人在場。最危險的是那些既不夠資深、又不夠客戶化的銷售中間層。

托管、清算、結算后臺：對賬、指令核驗、合規檢查，高度標準化、規則明確，正是AI最適合的操作場景。花旗20000人的裁員計劃，后臺運營是主體之一。

商業銀行出現了一個鄙視鏈反轉案例。

在過去授信審批、風險管理、審計合規歷來是強勢的一側。比如"老信貸"是內部對經驗豐富審批人員的尊稱，對行業有深度認知，對項目風險有精準判斷，對政策和產品全面掌握，一個項目能不能過，老信貸點頭不點頭，分量極重。

天天在外吃飯喝酒拉業務的客戶經理，在審批同事眼里專業含量是低配的：政策說不清楚，產品講不明白，靠的就是一張嘴和一張關系網。

AI把這個鄙視鏈掀翻了。

把一家銀行過去十五年的信貸審批數據、違約追蹤記錄、行業風險標注喂給AI，打造一個"老信貸 skill"，原來幾十年積累的經驗判斷，可以被模型系統化復現。護城河的建造原料是數據，數據銀行里已經有了。

老信貸多年建立的專業壁壘，在這個邏輯下轟然倒塌。

客戶經理那一側，AI替代不了的恰恰是那些說不清楚的東西：多年走動積累的信任感，對方企業困難時還愿意打的那個電話，逢年過節那條消息背后的來往。這些是非標準化資產，無法被模型生產，無法被遷移復制。AI時代，資深客戶經理的價值進一步凸顯。

但這場變革里最大的諷刺，留給了金融科技子公司。

過去幾年，大行紛紛成立科技子公司，招兵買馬，科技部門成為行內人數最多砸錢最狠的部門。

結果呢？

不市場化的薪酬體系留不住真正的技術人才。行內幾個業務部門輪番提需求，來來回回修改項目方案。兩個月搗鼓出來的系統功能殘缺、體驗稀爛，核心工作還是靠外包。代碼和app做的依舊一坨——而行外一個普通用戶開一個Claude Code會話，一天之內能跑出功能完整的原型。

砸了多少錢、堆了多少人，產出跑不過一個AI工具的一日工作量。這個成績，如果真放在管理層面前，是非常難堪的。

未來這些科技子公司最大的KPI，估計就是如何裁員降本增效。當初"招人是戰略"，現在"減人才是戰略"。戰略的前后兩半，構成了一個完整的諷刺。

簡單梳理下來有一個清晰的畫像：被替代的往往是那些崗位垂直、專業門檻高、但產出可被標準化復現的人。

幸存的是兩類人：一是真正做復雜判斷的資深專家，二是擁有穩固關系網絡的覆蓋型人才。

這也指向一個值得認真想的問題：AI時代應該怎么培養自己？

答案可能是：從對"事"的研究，回歸到對"人"的研究。

不是說對事的研究不重要了。恰恰相反，通過AI工具，技術短板可以被迅速拉長，原來需要一周的數據報表，現在半天完成；原來需要三年才能掌握的行業知識框架，現在通過工具快速補課。效率拉平之后，省出來的時間應該投向哪里？

投向真正有價值的人際關系的打磨，投向對一家機構真正運行邏輯的理解。那些沒有寫在規章制度里的東西——誰說了算，決策在哪里真正發生，關系鏈條如何疏通。這些是AI無法告訴你的，也是AI時代里含金量越來越高的認知資產。

越專業，越危險。說的是那些技能精準、但技能邊界恰好在AI能力覆蓋范圍之內的人。真正的問題不是會不會被替代，而是：你有沒有在做那些AI做不到的事。