ARTICLE · 1123571
AI时代,银行人会不会被替代?
今天想聊一个很多人都在焦虑的话题：AI到底会不会替代我们的工作？尤其是金融行业、银行从业者，在AI浪潮面前，我们的位置在哪里？
前段时间，我在看理想听了经济学家梁捷的一期节目。里面有个故事我印象很深
这个故事是这样的：经济史学家保罗·大卫讲过，电动机1890年代就发明了，但美国工厂的生产率一直到1920年代都没明显变化。为什么？因为一开始，工厂只是把车间中央的蒸汽机原地换成了电动机，厂房布局原封不动。这样换，效率提升当然有限。
直到后来有人想明白：为什么非要在车间中央放一个大电机？不能把电动机拆成小马达，装到每一台机器上吗？这样一来，整个车间的流水线都要推倒重来，围绕电动小马达重新布局。到这时候，生产率才真正起飞。
反观现在，AI现在很可能就处在这个"换蒸汽机"的阶段——大家还在拿AI替换具体的工作，比如让AI写PPT、做表格。但真正的变革还没来。等到整个工作流程都围绕AI重新设计的时候，影响才会真正显现。
今天我就结合银行信贷的实际工作，聊聊我的思考。
先说一个基本判断：AI不会替代所有工作，也不会替代一个岗位上的所有人。它替代的，是工作中的一部分。
关键问题是——AI替代的是你工作里困难的部分，还是容易的部分？
MIT的经济学家奥托有个"专长"理论，把这件事讲得很透。他研究了美国四十年间303个职业的数据，发现了一条非常清晰的规律：
如果自动化消灭的是低专长的任务——也就是简单的、机械的部分——那么留下来的人工资会上升，就业人数会下降。反过来，如果自动化消灭的是高专长的任务——也就是最难、最专业的部分——那么工资会下降，就业人数反而上升。
举两个对照的例子。
第一个是出租车司机。在GPS普及以前，伦敦的出租车司机要背下两万多条街道，通过号称全世界最难的考试。认路，是这份工作里最难、最专业的部分。但导航一来，把最难的部分自动化了，司机的工作就剩下开车本身。门槛消失了，任何人只要会开车就能干，于是就业大增，工资大跌。这个职业被降级了。
第二个是编辑。拼写检查软件把校对工作中最机械、最简单的部分自动化了，不需要专门查错别字的人了。但剩下的工作——判断文风、理顺逻辑、核对事实——都是更难的部分。所以校对员的岗位少了，但留下来的编辑干的活更高级，工资反而上涨了。这个职业被升级了。
你看，同样是自动化，结果完全相反。取决于它拿走的是难的那一半，还是容易的那一半。
放到银行业，这个判断就更有意思了。
银行作为金融机构，在社会经济活动中扮演的角色一定会存续。比如对公信贷业务——银行向企业提供贷款，这是社会经济活动中必不可少的一种融资工具，所以对公信贷这个业务本身不会消失。
但业务不消失，不代表岗位里的每一项工作都不变。我们要想清楚的是：在对公信贷的整个流程里，哪些是简单的、可标准化的，哪些是难的、需要人来判断的？
还有一个更深层的分化——同一职业内部的分化。
梁捷在节目里提到了伯克利学者奥蒂斯做的一个田野实验。他们在肯尼亚找了600多个小企业主，随机给一半人配了一个AI商业导师，装在WhatsApp里，有经营问题随时可以问。另一半人发一本传统的经营指南，作为对照。
五个月后看结果，平均效果是零。但这个零的底下，有巨大的分化——原本经营得好的企业主，有了AI之后业绩提升了15%以上；原本经营得差的，业绩反而下降了接近10%。
为什么？因为经营好的人，问的是具体的、可执行的问题，拿到建议还会掂量一下，选适合自己的去做。而经营差的人，一上来就问"我生意不好怎么办"，AI给出一堆泛泛之谈，他们不加分辨地照做，结果越做越糟。
这个实验说明了什么？在有标准答案的封闭任务上，AI确实可以拉平差距，新手很快能接近熟手水平。但在没有标准答案的开放任务上，AI反而会放大差距——强者愈强，弱者反而被带偏。
而在银行里工作的演化方向，恰恰是封闭任务不断被AI吃掉，剩下的越来越多是开放任务。这就意味着，未来决定你位置的，不是你掌握了多少标准答案——标准答案AI也知道——而是在没有标准答案的地方，你的判断力够不够强。
那银行业属于哪一种？为什么到现在我们还没有看到银行大面积使用AI替代员工？
原因很简单——银行是经营风险的机构，监管要求高，容错空间小。你不能让AI去做一个信贷决策，然后出了问题说"这是AI决定的"，监管不答应，银行自己也承受不起这个风险。
所以银行在AI的应用上一定会非常谨慎，步子不会迈得太快。这是金融行业的属性决定的，也是我们这代从业者的缓冲期。
但缓冲期不是安全期。趋势是明摆着的。
具体到信贷业务，什么是有标准答案的，什么是没有的？
财务报表分析、指标计算、数据比对——这些能量化的部分，看起来是核心，其实反而是最容易被AI替代的。给AI一套报表，它能很快算出所有指标，比人算得快、算得准。
但决定了信贷分析质量的，其实不是定量分析本身，而是你对这些数字的判断。
比如说尽职调查。客户经理去企业现场，跟老板和高管访谈，看厂房、看仓库、看生产线，观察员工的工作状态，再把拿到的各种资料做交叉验证，再加上你对这个行业的理解，对商业模式的判断，加在一起，才是完整的定性分析。
这部分，目前算法还干预不了。因为它不是一个标准化的过程，你不能拿着一张固定清单去收集资料，然后就得出结论。你得根据现场看到的真实情况，随时调整调查方向，判断核心风险点到底在哪里。
所有企业的资料、信息、财务报表，都会经过一定程度的包装。人的作用，就是通过这一整套工作，去搞清楚这些数字到底能不能反映企业的真实情况，离真实情况还有多远，哪些数字需要调整、怎么调。
AI能算，而且算得很快。你把数据放进去，它能按照你的要求马上算出所有指标。但问题是，这些数据本身准不准？哪些需要调整、调整多少？算出来的结果和企业真实情况之间有多大差距？——这些判断，AI做不了，得你自己来。
如果没有这个判断能力，谁把数据丢给AI算，出来的都是一样的结果，那你的价值在哪里？
所以我一直有个观点：AI能帮你算，但不代表你自己可以不会算。
这不只是说你得记住几个财务指标的公式。而是说，你脑子里得有一整套完整的财务分析模型和体系。
三张报表之间的勾稽关系是什么？一个指标异常，通常可能是哪几个原因导致的？不同行业的财务结构有什么不同的特点？哪些科目之间是联动的，一个变了另一个必然跟着变？——这些东西，你得心里有数。
有这套体系的人，看到AI算出来的结果，立刻就能发现哪里不对、哪里不合理、哪个指标和他的预期有偏差，然后顺着这个偏差往下挖，找到真正的问题。
没有这套体系的人，AI给什么他就接什么，他连"为什么不对"这个问题都问不出来。因为他根本不知道正常应该是什么样的，又怎么可能判断出异常呢？
说白了，你能问出什么问题，取决于你脑子里有多少知识。你没有知识体系，就问不出有质量的问题；问不出问题，就无从判断AI输出的结果靠不靠谱。
这也是为什么前面说，AI会拉大同一个职业内部的差距。会用的人，用AI放大自己的判断力；不会用的人，把AI当成拐杖，自己的腿反而越来越废。
再比如说写报告。未来AI肯定能很快地帮你出一份信贷报告，但这份报告的逻辑结构是什么、重点要突出哪些风险点、为什么是这些风险而不是那些、风险能不能缓释、通过什么方式缓释——所有这些，都得是你先基于尽职调查和分析判断，自己得出了结论，然后让AI帮你把成果更快地呈现出来。
AI是帮你提速的，不是替你思考的。
所以现在很多人有个误区，凡是工作中需要思考和判断的事情，就总想让AI来完成。这个不现实，也不可能。而且反过来想，如果有一天AI真的能替代你做判断了，它把你工作里价值最高的那部分拿走了，那就意味着你这个职位在银行里就彻底没有价值了。
所以，面对AI，银行人最该做的一件事，就是时刻提醒自己——你现在在用AI做什么？你是如何使用AI的？
这个问题的答案，决定了未来AI会怎么对待你。
如果你把工作中简单的、重复的、机械的部分交给AI，自己把时间和精力花在思考、判断、建立自己的知识体系上，那AI就是你的放大器，你会越来越值钱。
但如果你把自己觉得困难的、不会的、懒得学的部分，全都外包给AI，试图让AI替你搞定，那你就是在亲手培养自己的替代者。等到有一天AI真的能做那些高价值的判断了，第一个被替代的就是你。
所以，别再把你不会的东西外包给AI了。即使它现在能帮你更高效地算出结果，你也要知道为什么。抓紧时间搭建自己的知识体系，练出自己的核心判断力。
我觉得现在不能使用AI辅助自己工作，原因是你不能判断AI是不是在胡说，以及什么都扔给AI，觉得AI比自己做得好，都要认真反思一下。同样的AI工具，能呈现出布加迪威龙还是一台老头乐，本质上取决于使用AI这个人的水平。
THE END
—