银行人不会被AI替代,但会被会用AI的同事替代
上周跟一个股份行分行的老同学吃饭,他在信贷部管对公。他说部门新来一个95后,写一份制造业客户的授信调查报告——财报、征信、流水、纳税、押品材料一堆——从拿到资料到出初稿,两个半小时。他自己当年干这个活儿,两天。我说你觉得这年轻人厉害在哪,他想了想说,也不是厉害,就是他手里那套东西比我们快。这句话我觉得就是当下银行业最真实的分水岭:AI不替代人,被替代的是不用AI的做法。
两年时间,银行在AI上的投入已经不是同一个量级
先看钱。六大行2024年年报口径下的金融科技投入合计已经超过1200亿元,工行、建行单家都在250亿元上下;招行一家股份行的信息科技投入也接近140亿元。这个体量放在三年前是不可想象的。更关键的是投入结构变了——早些年大头在核心系统、分布式改造这类"重基建",这两年明显往智能审查、智能营销、智能风控这些"贴近一线"的场景挪。
为什么挪?因为管理层算过账。核心系统改造是必须花的钱,但不直接产生收入;而一个能帮客户经理省下60%报告撰写时间的工具,一年能多跑几百户小微客户,这是能被写进KPI的。我在几家城商行交流时听到过类似的说法:不是我
监管公布的商业银行净息差,2025年二季度已经降到1.42%左右。这个数字意味着什么?意味着传统"靠利差躺着赚钱"的逻辑彻底走完了。一家资产规模5000亿的城商行,净息差每下降1个基点,一年营收就少几千万。在这种压力下,中间业务收入、客户经营效率、单位人力产出,全都从"锦上添花"变成"活命指标"。
商行,净息差每下降1个基点,一年营收就少几千万。在这种压力下,中间业务收入、客户经营效率、单位人力产出,全都从"锦上添花"变成"活命指标"。所以你会看到一个有意思的现象:越是资产规模中等、议价能力弱的银行,对AI工具的态度反而越积极。大行有规模摊薄成本,小行决策链短、改起来快,最难的是中间那一档——既没有大行的资源,又没有小行的灵活。我判断未来三年,这一档银行的分化,很大程度取决于它把一线员工的生产效率抬起来没有。
AI真正吃掉的,是那些能被规则描述清楚的工作
说实话,很多人对AI在银行的想象是错位的。它不会替你判断这家企业的实际控制人是不是在转移资产,也不会替你在贷后检查里发现老板的微信朋友圈突然开始发搬厂照片。但它能干的活儿其实很扎实:三张报表的勾稽关系核对、征信报告的结构化解读、银行流水的异常交易识别、押品权属信息的一致性比对、客户工商司法信息的交叉核验。
这些活儿有什么共性?规则清晰、
举个具体的例子。以前查一笔受托支付的真实性,客户经理要看合同、看发票、看收款方、看资金流向,一笔一笔对。EAST数据报送和反洗钱可疑交易的初筛,也是靠人盯着规则跑。现在很多行的做法是让模型先跑一遍,把可疑点标出来,人只处理被标记的部分。效率提升是很明显的,但你要注意——最终签字的是人,承担责任的是人。
以前查一笔受托支付的真实性,客户经理要看合同、看发票、看收款方、看资金流向,一笔一笔对。EAST数据报送和反洗钱可疑交易的初筛,也是靠人盯着规则跑。现在很多行的做法是让模型先跑一遍,把可疑点标出来,人只处理被标记的部分。效率提升是很明显的,但你要注意——最终签字的是人,承担责任的是人。这就是我想强调的边界。金融监管总局发布的《银行保险机构数据安全管理办法》在2025年3月施行,人民银行早几年也出过《人工智能算法金融应用评价规范》和《金融领域科技伦理指引》,这些文件传递的信号是一致的:算法可以辅助决策,但不能替代责任主体。模型不承担合规责任,写报告的那个人承担。所以AI越强,人的判断力反而越值钱,因为你要有能力看出模型哪里错了。
被淘汰的不是岗位,是工作方式
我观察到银行内部正在分成三拨人。第一拨是压根不用,觉得AI写的东西不靠谱、要返工、还不如自己写来得快——这种心态我理解,但两年内会很危险。第二拨是会用但不会校验,拿来就用,报告里出现模型幻觉编出来的数据,被审批部门打回来,甚至埋下风险隐患。第三拨是既会用、又会审,把AI当成写初稿的助手,自己专注在判断和结论上。
说到底,前两拨人干的活儿,第三拨人一个人能干两个半人的量。行长不会因为你会用AI给你涨薪,但会在调岗的时候先想到你。这就是"替代"的真实形态——不是机器换人,是效率高的人换效率低的人。
我的判断:三年内,银行一线会重估"经验"的定义
过去银行特别认经验,因为经验意味着你知道去哪儿找信息、知道监管关注什么、知道哪类客户容易出问题。这些判断力依然重要,但"找信息"这一层正在被快速抹平。一个入行一年的新人,如果会用工具,他在信息整合上的产出可能超过入行八年的老手。老手的护城河会退守到两块:客户关系和风险直觉。
客户关系这块,AI暂时替不了。你陪客户熬过一次抽贷的坎儿,你在他厂子里喝过茶,这些信任是有温度的。风险直觉这块更微妙,它来自踩过的坑,来自那些报表上看不出来但你觉得"不对劲"的时刻。这两样东西,恰恰是工具最难复制的。
该怎么做:三件事,今年就能开始
第一件,把AI扔进你最高频、最耗时的那个场景里。别贪多,就挑一个——写贷后报告也好,整理客户资料也好,做行业尽调也好。用一个月,把提示词打磨成你自己的一套模板,能反复用。这件事的价值不在于省了多少时间,而在于你会因此摸清它的脾气,知道它在哪儿靠谱、在哪儿胡说。
第二件,训练自己的校验能力。AI给你的每一个数字、每一条结论,都要有来源可查。尤其是涉及财务数据、监管指标、客户信息的,必须回到原始材料上核对。我见过不止一个案例,模型把两个客户的财报数据串了行,如果直接交上去,那就是重大的操作风险事件。
第三件,守住合规底线。客户信息、账户数据、未公开的经营信息,不要往外部工具里贴。行内有部署的用行内的,没有的就跟科技部门提需求。这不是保守,这是银行人最基本的职业素养——我们干的活儿,容错率本来就不高。
最后说一句我的真实感受:这轮变化里,最焦虑的往往是中间层,最轻松的反而是一线年轻人。因为年轻人没有"我以前都是这么干的"这个包袱。工具的迭代速度远快于制度的调整速度,与其等总行出规范,不如自己先跑起来。等你把AI用顺手了,你会发现它没抢走你的活儿,它只是把你从那些本来就不该由你干的活儿里捞了出来。
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。
