AI时代，越专业，越危险

文/债市邦

5月前10天，华尔街裁了约38000人。理由都一样：AI改造。

Fidelity裁800人，PayPal裁4760人，高盛部署了一套内部系统，替代了200个初级分析师。HSBC和花旗合计裁减超5000人，但同期Q1利润创历史第二高。

赚得更多，裁得也更多。

这一轮的性质和2022年不同。2022年是加息周期里的景气收缩，有来有回。这一轮是商业模式重构，方向不会逆转。AI替代的是业务里的那个人。

过去，为了写一个深度报告，分析师可能要花一周时间去搭模型、爬数据、做核验。这一周的工作量是门槛，也是薪资的依据。

现在，一个对市场一知半解的人写几行prompt，10分钟拿到同等质量的输出。技能壁垒消失了，壁垒背后的人也就不再不可替代。Citigroup的内部研究报告提到，54%的金融岗位具有"高度可自动化"特征，也就是分分钟可以被AI替代的意思。

今天简单聊聊AI时代受到冲击较多的金融岗位。

研究：毫无疑问是首当其冲的，行业研报的核心工作——数据整理、原因分析、格式化输出——恰恰是AI最擅长的。高盛的内部AI工具已经能在2分钟内完成过去需要半天的报告摘要。初级研究员的产出物，在技术上可以被批量复制。

券商投行的初级岗：标书制作、募集的撰写、尽调文件整理，这些在AI眼里是"标准任务"。没有客户资源、职级卡在associate到VP之间的人——纯靠技术能力撑场子，靠熬夜改文件去血拼的职场基层员工。

销售交易这一侧有明显分化。量化交易AI的参与度已经相当深。但真正的交易决策，尤其是流动性极差品种的定价博弈、大型机构客户的谈判，仍然需要人在场。最危险的是那些既不够资深、又不够客户化的销售中间层。

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AI最适合的操作场景。花旗20000人的裁员计划，后台运营是主体之一。

商业银行出现了一个鄙视链反转案例。

在过去授信审批、风险管理、审计合规历来是强势的一侧。比如"老信贷"是内部对经验丰富审批人员的尊称，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，一个项目能不能过，老信贷点头不点头，分量极重。

天天在外吃饭喝酒拉业务的客户经理，在审批同事眼里专业含量是低配的：政策说不清楚，产品讲不明白，靠的就是一张嘴和一张关系网。

AI把这个鄙视链掀翻了。

把一家银行过去十五年的信贷审批数据、违约追踪记录、行业风险标注喂给AI，打造一个"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。

客户经理那一侧，AI替代不了的恰恰是那些说不清楚的东西：多年走动积累的信任感，对方企业困难时还愿意打的那个电话，逢年过节那条消息背后的来往。这些是非标准化资产，无法被模型生产，无法被迁移复制。AI时代，资深客户经理的价值进一步凸显。

但这场变革里最大的讽刺，留给了金融科技子公司。

过去几年，大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砸钱最狠的部门。

结果呢？

不市场化的薪酬体系留不住真正的技术人才。行内几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、体验稀烂，核心工作还是靠外包。代码和app做的依旧一坨——而行外一个普通用户开一个Claude Code会话，一天之内能跑出功能完整的原型。

砸了多少钱、堆了多少人，产出跑不过一个AI工具的一日工作量。这个成绩，如果真放在管理层面前，是非常难堪的。

未来这些科技子公司最大的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想的问题：AI时代应该怎么培养自己？

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AI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。