一个外资银行的程序员告诉我:我不需要 AI 助手,我需要一个“替身”

最近我的 AI 时代田野调查，来到了第四个样本。

这次认真聊的人是狂姐，他以前在一家技术驱动的公司，现在在外资银行参与系统改造项目。在技术圈里，这被称为“给飞行中的客机换发动机”，不仅不能影响当下的业务，还要在一座由历史遗留代码堆积而成的“屎山”里重新理清脉络。

和我前面访谈过的那个“100% 用AI写代码”的开发不同，狂姐的工作场景更接近企业真实世界：旧系统迁移。历史代码改造。跨团队协作。跨国家沟通。大量业务逻辑沉淀在系统里。大量经验沉淀在人脑里。

聊到AI时，我本来以为他会告诉我：模型还不够强，能力还不够好，企业不敢用。结果他给出的答案完全不一样。

他说：

“最大的问题是用 AI 的人。”

这句话让我愣了一下。

因为过去一年，几乎所有关于 AI 的讨论都在围绕模型展开。Claude 更强了。GPT升级了。上下文更长了。推理更厉害了。但站在他的视角，这些已经不是主要问题。

很多人还在把 AI 当搜索引擎

狂姐说，银行有自己的 AI，企业也有 AI 培训。

但很多人对AI的理解，仍然停留在很浅的一层：问问题、查资料、搜答案。也就是，把 AI 当成一个更聪明的搜索引擎。

这当然不是错。但如果 AI 只是被用来“找答案”，它就很难真正进入工作。

因为真实工作里，最难的常常不是找到一段信息，而是判断这段信息能不能用，放在哪里用，和当前业务处境有什么关系，用错了谁来负责。

所以真正的差距，不在工具。而在使用方式。

他需要的不是助手，而是替身

“我需要的不是助手，我需要一个替身。”

他说，如果替身还需要我天天教，那我还得替它操心。

所谓替身，是指在技术底层，人能够把 AI 视为一个拥有独立主体性的协作节点。这意味着它不仅能写代码，还能共享我的历史经验，理解银行特有的官僚合规流程，甚至在面对一段模糊的旧逻辑时，能够像我一样去权衡风险，并代替我做出决策。

这正是目前硅谷最前沿讨论的“AI Harness”——让工具从被动响应的客体，变成能够主动承担责任和分流思考的主体。

但在真实的组织里，要完成这种从“助手”到“替身”的跨越，缺少的不是技术接口，而是人让渡权力的底气。

企业 AI 落地，卡在业务理解

更有意思的是，当我问到 AI 为什么还没有在企业全面落地时，他没有把原因归结于模型，而是归结于业务。

他说：

“很多人用 AI，但并不真正理解自己的业务。”

这句话后来和我之前的访谈突然连起来了。

做数据分析的 Grace 说：

“AI 不懂业务逻辑。”

做开发的同学说：

“资深开发最重要的是业务理解。”

狂姐说：

“银行有自己的 AI，但用 AI 的人未必熟悉银行业务。”

三个不同的业务场景，说的是同一件事。

AI越来越聪明。但业务理解仍然稀缺。真正困难的不是生成内容，而是理解上下文。不是获得信息，而是知道什么信息重要。不是让AI给答案，而是知道该问什么问题。

不会用 AI，像不会用智能手机

访谈快结束的时候，狂姐用了一个很有意思的类比。

他说：

“不会用 AI 的人，有点像以前不会用智能手机的人。”

刚开始我觉得这句话有点夸张。

后来想想，也许他说的不是工具，而是工作方式。智能手机刚出现时，也不是每个人都立刻理解它。有人把它当电话。有人把它当相机。有人把它当娱乐设备。但后来，真正改变人的，是它进入了生活的组织方式：沟通、支付、导航、协作、记录、消费、工作。

AI可能也是这样。如果只是偶尔问它一个问题，它当然只是工具。但当它开始进入你的写作、分析、判断、沟通、复盘和决策流程，它就不再只是一个外部工具。

它会改变你组织工作的方式。也会改变人与人之间的差距。

这是《AI 时代田野调查》的第四个样本。

一个参与外资银行系统改造的项目经理告诉我，AI落地最难的地方，可能从来都不是模型不够聪明。

站在前沿AI公司的视角来看，这个全新的物种其实正在等待被一种全新的范式去驾驭。但站在最真实的业务现场，在那些盘根错节的历史代码以及前人留下的业务逻辑面前，真正的屏障用技术往往无法解释。

很多人目前之所以只是把AI当成浅层的搜索引擎，本质上并不是“学不会”，而是当一个看似能承接一切的工具出现时，人出于面对未知的防备，本能地想要牢牢守住“只有自己才懂业务”的安全感。

这并不是谁的过错，而是新旧事物交错时必然会浮现的人心张力。

在这个新物种还在疯狂进化、而旧范式依然固若金汤的阶段里，普通人正用自己的精力和耐心，在那些断裂的系统和隐秘的上下文之间，默默地做着黏合的工作。

而真正的跨越，也许就发生在我们愿意放下防备、如实地去和它建立一种真正的长期协作者关系的那一刻。