ARTICLE · 1210810
32岁金融分析师转AI,3个月拿下中信证券35K,传统金融人的出路可能变了
32岁金融分析师转AI,3个月拿下中信证券35K,传统金融人的出路可能变了先说她什么背景。她今年32岁，金融专业出身，在金融行业做了7年分析相关工作，平时主要负责行业数据整理、财务指标分析、市场信息跟踪和研究报告撰写。说实话，她的专业能力并不差，行业知识、数据分析和业务理解都有一定积累，但工作几年后，她越来越明显地感觉到，很多基础分析工作正在被AI工具改变。以前需要花半天整理的数据、汇总的资料，现在AI已经能辅助完成，虽然不能完全替代专业判断，但工作方式确实变了。 她真正开始焦虑，是发现身边有些同事已经在用AI做资料检索、报告初稿和数据分析，而自己虽然也用过一些大模型，却基本停留在问问题、改文字的阶段。她担心的不是自己突然失业，而是再过几年，别人既懂金融又懂AI，自己的竞争力会不会慢慢被拉开。 她第一次跟我聊的时候，问得很直接：“我已经做了7年金融分析，现在再转AI，是不是太晚了？难道还要从头学编程吗？” 我当时给她的建议是：先别急着转行，更不要一上来就去啃算法。你过去7年积累的金融知识、分析思路和业务经验，并不是包袱。真正需要补的，是如何把这些经验和AI应用结合起来，让自己从单纯做金融分析，升级成能够理解金融场景、设计AI解决方案的复合型人才。 📌 我们最先做的，不是学技术，而是重新看她每天的工作。她以前习惯接到任务后整理数据、查找资料、分析指标、撰写报告。我们把这些流程拆开以后，发现里面有不少适合AI辅助的环节，比如金融资料检索、研究报告初稿、行业信息归纳、企业财务数据解读，以及内部金融知识查询。 但我也提醒她，金融场景不能只追求效率，数据准确性、信息来源、合规要求和人工复核都很重要。AI可以辅助整理和分析，却不能把模型生成的内容直接当成投资结论。 📌 真正让她建立信心的，是自己动手做了一个金融研究助手。我们没有让她停留在写Prompt、套模板，而是围绕金融资料检索和研究报告辅助，尝试搭建一个基于RAG的知识库。她需要整理资料、设计检索逻辑，让模型回答问题时尽量引用对应来源，还要考虑资料过期、信息冲突、检索不到答案等情况。 这个项目并不意味着她一下子变成了技术专家，但让她第一次把金融业务经验转化成了一个能够讲清楚的AI应用方案。她也终于明白，企业真正关心的不是你背了多少技术名词，而是你能不能解释清楚：这个场景为什么需要AI，AI能做什么，不能做什么，出了问题又该如何处理。 📌 到准备面试的时候，我们才开始重新整理她的职业定位。以前她介绍自己，重点是做过哪些行业分析、写过多少报告、跟踪过哪些数据；后来她开始从业务流程和AI应用的角度讲自己的经验，比如如何用AI提升资料检索效率，如何利用RAG构建金融知识库，怎样评估生成内容的可靠性，以及如何在金融业务中设置人工审核和风险控制。 她没有刻意把自己包装成算法工程师，而是突出自己真正有优势的地方：既理解金融业务，也知道AI应用如何落地。 后来，她陆续投递金融科技、金融AI应用相关岗位，经过几轮面试，最终拿到了中信证券35K的Offer。对她来说，这次变化最重要的并不是学会了多少新技术，而是终于找到了过去7年经验和AI能力之间的连接点。 当然，金融行业不同岗位的招聘要求并不一样，掌握AI应用也不代表一定能拿到高薪。但我一直觉得，对于已经有多年金融经验的人来说，没必要一看到AI就想着彻底推翻过去。金融分析、风险管理、投研支持、客户服务、合规和运营等不同场景，都值得去研究AI能否真正解决业务问题。关键是结合目标岗位补齐能力，而不是只追热点、堆概念。 我本人6年Java后端转大模型产品，现在在大厂做AI产品，业余时间一直在带不同背景的人转型AI+行业复合方向。最近也准备带一批金融、银行、证券、保险、基金和金融科技相关背景的朋友，从0-1掌握AI应用能力。重点不是让你从零变成算法工程师，而是帮你把原来的金融经验升级成AI时代新的职业竞争力。 💡 带学要求： 必须是我的粉丝（现在关注也可以）； 22—45岁，金融、银行、证券、保险、基金、金融科技等背景优先； 每晚能稳定拿出1—2小时学习，没时间的暂时不建议参加。 如果你也想了解AI+金融的转型方向，或者想进入金融AI产品、智能投研、金融知识库、企业Agent等相关岗位，观一下留个“111”。我把AI+金融学习路线、金融场景拆解、RAG知识库方案、Agent实战案例、AI产品方案模板和面试资料整理了一套，免费发给你。
