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(nèi)部系統(tǒng)，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(chuàng)歷史第二高。

賺得更多，裁得也更多。

這一輪的性質(zhì)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(yè)模式重構(gòu)，方向不會逆轉(zhuǎn)。AI替代的是業(yè)務(wù)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(shù)據(jù)、做核驗。這一周的工作量是門檻，也是薪資的依據(jù)。

現(xiàn)在，一個對市場一知半解的人寫幾行prompt，10分鐘拿到同等質(zhì)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(nèi)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?jīng)_擊較多的金融崗位。

研究：毫無疑問是首當(dāng)其沖的，行業(yè)研報的核心工作——數(shù)據(jù)整理、原因分析、格式化輸出——恰恰是AI最擅長的。高盛的內(nèi)部AI工具已經(jīng)能在2分鐘內(nèi)完成過去需要半天的報告摘要。初級研究員的產(chǎn)出物，在技術(shù)上可以被批量復(fù)制。

券商投行的初級崗：標書制作、募集的撰寫、盡調(diào)文件整理，這些在AI眼里是"標準任務(wù)"。沒有客戶資源、職級卡在associate到VP之間的人——純靠技術(shù)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(cè)有明顯分化。量化交易AI的參與度已經(jīng)相當(dāng)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(gòu)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(jié)算后臺：對賬、指令核驗、合規(guī)檢查，高度標準化、規(guī)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(yè)銀行出現(xiàn)了一個鄙視鏈反轉(zhuǎn)案例。

在過去授信審批、風(fēng)險管理、審計合規(guī)歷來是強勢的一側(cè)。比如"老信貸"是內(nèi)部對經(jīng)驗豐富審批人員的尊稱，對行業(yè)有深度認知，對項目風(fēng)險有精準判斷，對政策和產(chǎn)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(yè)務(wù)的客戶經(jīng)理，在審批同事眼里專業(yè)含量是低配的：政策說不清楚，產(chǎn)品講不明白，靠的就是一張嘴和一張關(guān)系網(wǎng)。

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(shù)據(jù)、違約追蹤記錄、行業(yè)風(fēng)險標注喂給AI，打造一個"老信貸 skill"，原來幾十年積累的經(jīng)驗判斷，可以被模型系統(tǒng)化復(fù)現(xiàn)。護城河的建造原料是數(shù)據(jù)，數(shù)據(jù)銀行里已經(jīng)有了。

老信貸多年建立的專業(yè)壁壘，在這個邏輯下轟然倒塌。

客戶經(jīng)理那一側(cè)，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(yè)困難時還愿意打的那個電話，逢年過節(jié)那條消息背后的來往。這些是非標準化資產(chǎn)，無法被模型生產(chǎn)，無法被遷移復(fù)制。AI時代，資深客戶經(jīng)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(nèi)人數(shù)最多砸錢最狠的部門。

結(jié)果呢？

不市場化的薪酬體系留不住真正的技術(shù)人才。行內(nèi)幾個業(yè)務(wù)部門輪番提需求，來來回回修改項目方案。兩個月?lián)v鼓出來的系統(tǒng)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(nèi)能跑出功能完整的原型。

砸了多少錢、堆了多少人，產(chǎn)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(dāng)初"招人是戰(zhàn)略"，現(xiàn)在"減人才是戰(zhàn)略"。戰(zhàn)略的前后兩半，構(gòu)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(yè)門檻高、但產(chǎn)出可被標準化復(fù)現(xiàn)的人。

幸存的是兩類人：一是真正做復(fù)雜判斷的資深專家，二是擁有穩(wěn)固關(guān)系網(wǎng)絡(luò)的覆蓋型人才。

這也指向一個值得認真想的問題：AI時代應(yīng)該怎么培養(yǎng)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(shù)短板可以被迅速拉長，原來需要一周的數(shù)據(jù)報表，現(xiàn)在半天完成；原來需要三年才能掌握的行業(yè)知識框架，現(xiàn)在通過工具快速補課。效率拉平之后，省出來的時間應(yīng)該投向哪里？

投向真正有價值的人際關(guān)系的打磨，投向?qū)σ患覚C構(gòu)真正運行邏輯的理解。那些沒有寫在規(guī)章制度里的東西——誰說了算，決策在哪里真正發(fā)生，關(guān)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(chǎn)。

越專業(yè)，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(nèi)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。