AI不会替代银行人，但会用AI的银行人正在替代不会用AI的银行人——这个判断，我琢磨了整整一年，现在越发确信它不只是句口号。
过去半年我跑了七家分行，跟信贷、运营、合规条线的老同事聊了个遍。说实话，大家的焦虑比我想象中具体得多：柜员怕被智能柜台替代，客户经理怕被自动审批替代，甚至做报表的同事都在担心excel哪天被机器接管。但我的观察恰恰相反——AI在银行里真正干掉的，从来不是岗位，而是那些依赖繁琐机械劳动、靠信息差吃饭的旧工作方式。
AI先淘汰的，是“不会提问的人”
先看一个扎心的事实。2024年三季度，六大国有银行净息差跌到1.40%附近，营收增速普遍进入微增甚至负增长区间。利润压力之下，各行不约而同把降本增效的靶心对准了基层网点和中后台。某股份行零售条线内部测算，引入AI外呼与智能贷后提醒后，单户催收成本下降了约42%，人力需求直接砍掉三成。可诡异的是，同一条线做高净值客户维护的团队，不但没缩编，反而扩招了15%。
差别在哪？我后来想明白了——那些被AI“替代”的工作，本质上都是不需要判断力的流程性动作。你没发现吗，AI最先取代的不是你这个人，而是你工作中那些“不用脑子”的部分。催收话术是标准化的，贷后提醒是定时定点的，报表复核是规则明确的——这些活儿，AI干得比你快、比你准、比你不知疲倦。但客户经理跟企业主聊资金周转痛点，理财经理帮客户做传承方案的设计，这些需要理解经营逻辑和人情世故的事情，AI连门都还没摸到。
《银行保险机构数据安全管理办法》今年正式施行，其中对数据分类分级、模型可解释性提出了硬性要求。我读到那份文件时心里咯噔一下——监管其实在替我们划边界：AI可以用，但决策责任永远在人。智能风控模型可以给你推送“建议拒绝”的标签，但最终签字确认的是人；大模型可以秒出授信报告初稿，但里面每个数据的真实性、每个判断的合理性，背锅的还是你。
AI替你干活的前提，是你知道该让它干什么
有家头部城商行去年上了生成式AI辅助尽调系统，号称能把报告撰写时间从三天压缩到三小时。营销材料写得很漂亮，但实际上线三个月后，客户经理吐槽最多的不是系统不好用，而是“不知道该怎么提问”。系统能根据上下游工商数据自动生成供应商图谱，能抓取裁判文书和环保处罚信息做交叉核验，但前提是你要把正确的企业名单喂进去，把可疑的关联方筛选条件设置好。
说白了，AI是个超级实习生——你给它清晰指令，它给你十倍产出；你给它模棱两可的需求，它回你一份看着像模像样但隐含交叉错误的垃圾。1104报表填报这件事最能说明问题。过去监管统计岗的同事要手工从核心系统取数、做逻辑校验、核对与昨日报送的差异，每个月那几天熬夜加班是常态。现在报表平台接入了智能取数和异常提醒功能，基础数据自动带出，规则校验一键完成。但真正决定报表质量的，依然是那个懂监管口径、知道哪类资产该计入哪张附表、看得出“其他项”里藏着异常的统计人员。
反正我的判断是：AI不会让你失业，但会让你在老板眼中的分量变轻——如果你只会做那些AI半小时能干完的活，凭什么让银行继续付你五年涨薪的工资？
银行是长在制度化土壤上的行业，AI是化肥不是种子
有朋友跟我抬杠：“那按你这说法，信贷审批岗岂不是会被AI彻底端掉？”我说别急，你去看今年年初金融监管总局通报的罚单统计——涉及信贷业务违规的罚单占比仍在四成以上，其中贷前调查不尽职、贷后管理流于形式是重灾区。人工智能再厉害，它也只能分析数据，跑不了现场，闻不到企业车间里的异味，看不到仓库里真实存货与账面数字的差距。这些靠什么？靠的还是审批人去企业实地尽调，靠的是客户经理跟当地商会、上下游供应商闲聊时听到的蛛丝马迹。
人跟人之间的信任建立、对行业周期冷暖的真实体感、对老板性格和经营风格的综合判断，这些构成银行最核心信贷文化的东西，几乎无法被数据化。人工智能像化肥，能让庄稼长得好一点，但种子还是得靠银行人一颗一颗埋进土里。尤其在经济下行期，企业粉饰报表的能力越来越强，单凭财务数据做决策的风险越来越大。我认识一位在制造业信贷领域做了二十年的审批官，他看企业从来不只看报表，一定要去车间看开工率，去门口数进出的大货车数量。这种经验直觉，AI学不会——它只能学习已有数据，而真正的风险往往藏在数据没有记录的角落里。
2024年末金融监管总局在年度工作会上再次强调“金融队伍专业化建设”，明确要求提升从业者对新兴技术的驾驭能力，而不是简单用技术替代人力。文件用词很谨慎——用了“驾驭”这个词，你品品，意思就是让AI给你当马骑，不是让AI把你从马上掀下来。
与其焦虑被替代，不如焦虑自己与AI协作的能力鸿沟
这个差距会越拉越大，而且速度快得超出你的想象。我注意到一个细节：今年国有大行总行层面的金融科技投入增速普遍回落到个位数，但投向AI大模型和智能决策领域的占比却在翻倍。这说明什么？基础设施建得差不多了，接下来到了真正用AI干活出成效的阶段。走在前面的一批银行人，确实在悄悄吃红利——有的客户经理用AI批量生成行业研究报告，把省下来的时间全泡在客户现场；有的产品经理用小模型自动监测理财产品舆情，负面信息提前四十八小时预警，及时调整了营销口径；还有做同业业务的，用自然语言查询直接调取几十家对手行的历史交易数据，半天时间就完成了过去一周才能做完的授信核查。
有位在某股份制银行总行做交易银行部的朋友，跟我感慨过一句话：“过去我们是按流程干活，现在变成按数据干活、按模型提示干活。如果不懂算法逻辑，连纠错的机会都没有。”这句话我听出了两层意思，一层是本领恐慌，另一层其实是机会——当机器把大量重复劳动接走之后，银行真正稀缺的反而是那些懂得如何定义问题、如何校验模型输出、如何为AI决策兜底的人。
人不会被替代，但一定会被会用AI的人替代——因为银行业本身的底层逻辑没变：经营风险、经营信任、经营关系。AI能帮你把风险评估得更准，把服务响应得更快，但它无法替你承担终身追责的签字责任，无法替你在客户最困难的时候陪着抽一根烟，也无法替你向监管解释清楚一个风险点背后的全部逻辑。
给银行人的三条实在建议
别去学python或算法，那是程序员的事。你应该学的，是怎么把一个模糊的业务问题拆解成AI能理解的指令，是怎么判断模型输出结果的合理性，是怎么把AI生成的初稿改得符合监管口径和人情世故。
找一个你正在做的最繁琐的报表或报告类工作，研究AI能不能把中间环节自动化。一旦尝到甜头，你和别人之间的效率差距就会以乘数效应拉开。这种差距会直接体现在你的业绩指标、业务审批速度、客户反馈——以及年终考评上。
守住你作为人的核心资产：去跑客户、去尽调、去跟风险经理据理力争、去维护那些用时间和信任换来的关系。这听起来很老套，但经历二十年银行周期起伏后你会发现，技术始终在变，而可靠人品、行业判断力、以及对风险的敬畏感，才是这个行业最值钱的东西。
AI这场浪潮，银行人躲不开，但也不必怕。它更像一面镜子，照出我们工作中那些无聊、重复、缺乏创造力的部分，逼着我们往更高处走。反正我的态度是：做一个会驾驭AI的银行人，而不是被AI俯视的银行人——这其中的选择权，此刻还在你手上。
本文由「银行人实用工具箱」（deepwater84.cn）出品，专注银行从业者的效率工具与专业内容。