夜雨聆风近日，复旦大学经济学院举行“南土国际金融政策圆桌会第12期”暨“迎接AI时代系列”第1期。本次会议以“AI时代的金融人才核心竞争力：基于金融实务工作的思考”为主题，围绕人工智能发展对金融行业和金融教育的影响展开交流。Hi-Finance/Hi金融创始人兼CEO王小钊在发言中指出，AI正在成为金融从业者的必修项，“人”的价值在AI的浪潮中不仅不会消失。相反，越是在AI普及的环境下，金融人才越需要建立个人极致的专业标签、提升基于信息的决策和执行能力，成为信息的关键聚合节点，从而打造快速构建他人对个人的信任。
王小钊结合自身学习和职业经历表示，自己曾接受数理金融训练，身边不少同学进入量化领域，但后来从业于并购基金，在2015年转向金融教育和金融人才培养方向，深度服务各金融机构。
正因长期观察金融行业和人才市场，他认为AI对金融行业最重要的影响之一，是推动“个人量化”成为可能。过去，量化交易和模型构建主要集中在少数机构和专业团队中；如今，随着金融终端和AI工具的发展，普通投资者和一般金融从业者也可以接触量化策略、编辑交易程序，并参与更广泛的数据分析与模型应用。不过，王小钊强调，金融行业不能只从投研和交易岗位理解AI的影响。中国金融从业者规模庞大，除少数二级量化岗位外，还有大量财富顾问、客户经理、私行业务人员、投顾人员和金融服务人员。
AI擅长处理大数据，生成文本和辅助分析，但并不能完全替代面对客户、理解需求、建立信任和承担责任的工作。金融服务的本质仍然是围绕客户/资金的需求展开，尤其在面向客户的场景中，在众多的信息噪音中，选择与需求适配的决策与判断能力，进而实现让对方信服的沟通能力，对需求和市场的理解能力和信任打造能力仍然具有关键意义。王小钊指出，对金融从业者而言，关键不只是获得信息，而是如何结合客户需求、场景判断和个人经验，将信息转化为可信的建议。行为金融、历史、心理学等训练，在这一过程中并非边缘能力，而是帮助金融人才理解客户、沟通观点和建立信任的重要基础。
在谈到AI对金融服务形态的改变时，王小钊提出，未来金融服务中的个人标签和专业风格可能被进一步放大。客户可能越来越倾向于信任少数具有鲜明标签和持续输出能力的专家或机构，资源也越来越向头部和顶级专家集中，无论是擅长定增业务、还是擅长可转债投资、又或者是全球ETF配置，AI一方面可以降低信息获取门槛，但也会使信息本身更加同质化。在这种情况下，真正稀缺的是成为信息节点的价值，广泛获取信息差，借助AI加工信息并契合自己的方法论不断提升认知差，最终由长期专业积累形成的个人增信能力，即哪怕AI会越来越专业，对方选择信任的人依旧是你。
王小钊还强调，AI时代并不意味着每个人都能被平均赋能。相反，AI可能使能力差距进一步扩大。擅长使用AI的人，会借助AI更快获取信息、组织内容、形成方案并迭代判断；不擅长使用AI或拒绝使用AI的人，则可能在同样的信息环境中更快陷入平庸。因此，学生不仅要学习AI工具，更要在具体场景中反复训练如何提出问题、筛选结果、形成判断并落实执行。
谈及决策能力，王小钊认为，AI可以生成大量方案，也可以帮助识别局部最优解，但人在真实工作中面临的关键问题，是如何在多个方案之间作出选择，并承担由选择带来的后果。知识层面的选项可以越来越多，但最终决策只能落到一个可执行路径上。对金融人才而言，选择能力和执行能力比简单获取知识更加重要。尤其在AI可以生成多个“看起来都合理”的答案时，谁能作出判断、推进执行并对结果负责，谁就更有长期价值。
以下为王小钊发言全文（已经本人审定）：
非常感谢杨老师邀请我参加这次圆桌。我们最近也和相关机构一起做了一些关于金融人才和AI的内容，去年讨论的核心词基本就是AI。AI现在已经不是一个可选项，而是金融从业者必须面对的必修项。
前面几位嘉宾讲得非常具体，我想从金融行业和金融教育的角度谈一点观察。过去如果一个人想走纯量化路线，可能比较清楚的一条路就是读数学、学量化。我身边也有很多朋友，从数理、物理、数学背景进入金融市场。但今天如果把金融行业整体展开来看，会发现纯量化只是其中一部分。
中国金融从业者的范围非常大。公募、私募、券商、银行、保险等行业加起来，人数非常多。真正做投研和量化的人只是其中一部分，大量金融从业者是在财富管理、客户服务、投顾、银行、保险和各类金融服务场景中工作。因此，讨论AI是否替代金融人才，不能只看最前端的交易和投研岗位。
我理解金融的本质，是基于需求的资金流通，或者说是围绕需求展开的资金流动。金融服务不仅是算一个价格、做一个模型，更包括理解客户需求、帮助客户选择、建立信任关系，并在特定监管框架下承担相应责任。
今天我自己准备发言时，也大量使用了AI。但最后决定讲哪一段、删哪一段、用什么方式表达，仍然需要人工决策。AI可以提供很多选项，但它不能替我完成最终选择。这个逻辑放到金融行业也是一样。AI可以生成建议、报告和方案，但最终能否面向客户、能否承担责任，仍然需要人审查和判断。
金融行业还有一个特点，就是监管会要求人在中间承担责任。AI生成的内容不可能完全不经人工审核就直接面向客户。尤其是涉及投资建议、财富管理和客户适当性的时候，一定会有人工审查和责任承担环节。也正因为如此，人的价值不会简单消失，而是会转移到更深层的判断、解释和信任构建上。
我认为，在面向客户的金融服务中，客户理解、需求挖掘和讲故事能力会变得更重要。行为金融学背后其实讨论的就是人性和心理。金融从业者需要知道客户为什么相信你，为什么愿意把钱交给你，为什么在市场波动时仍然愿意听你的建议。这种相互信任能力，是AI很难完全替代的。
另一方面，未来金融服务中的风格和标签会被进一步放大。比如在定增、可转债、ETF收或某些特殊策略领域，客户可能只认少数头部专家或头部机构。过去客户可能看一个机构或产品，未来可能更看一个具体的人、一个具体标签，或者一个在特定领域持续输出观点的信息节点。
这背后是信息差和认知差。一个人作为信息节点，可能掌握一些AI无法迅速获得的信息。比如我今天和监管、和几位嘉宾、和行业朋友沟通，这些信息具有一定的即时性和场景性，不一定会马上进入AI训练数据。基于这些信息形成的判断，再传递给客户或合作伙伴，仍然会产生相应价值。
所以我认为，AI并不会让所有金融信息完全平权。相反，它会让一般信息变得更廉价，也会让真正有价值的信息差、认知差和信任关系更加重要。当所有人都可以用AI生成类似文本时，谁能提出更有价值的问题，谁能整合更独特的信息，谁能形成更可信的判断，反而会更重要。
现在很多平台和机构都在尝试把专家能力做成某种skill或智能体。如果未来有某位首席经济学家、某位策略专家、某位行业研究者的专属skill，大家会不会使用？我认为会有人使用。因为背后不仅是AI能力，更是这个专家已有的知识体系、表达风格、判断习惯和市场信任。
但即便有了这些AI化的专家能力，真正难的仍然是决策。AI可以帮助我们寻找局部最优解，甚至帮助比较多个方案，但在真实世界中，很多选择并没有一个绝对确定的答案。什么是局部最优，什么是全局最优，什么是当前阶段可以执行的方案，这些判断非常难。
这也是AI不一定能够完全替代的地方。金融人才的价值，不只是知道答案，而是能够在多个看似合理的答案之间作出选择，并承担后果。除了决策力，还有执行力。很多事情不是知道了就能做到，而是要组织资源、推进落地、持续修正。
从专业能力、信息差、认知差，到判断力和执行力，AI的出现只会让擅长使用它的人变得越来越强，让不擅长使用或不使用它的人变得越来越平庸。AI本身不是平均主义工具，它可能会进一步拉开差距。
在极致标签和信息节点信任的加持下，未来金融资源可能越来越集中在少数有影响力的节点上，而不是平均分散。对金融学生来说，关键不是简单证明自己会使用AI，而是要证明自己能够借助AI建立专业标签、形成判断、构建信任，并把判断落实到具体行动中。
所以，我的基本判断是，AI不会消灭人的价值，但会改变人的价值排序。标准化、文本化、数据搬运类工作会越来越容易被替代；信任、判断、决策、执行以及对客户的理解，会变得更加关键。金融人才如果只把自己定位为信息搬运者，风险会很大；如果能成为可信的信息节点和决策者，反而会获得新的机会。
