AI时代，金融机构需要哪种人才？

（葛雷，中国人民大学数量经济学助理教授）

提起人工智能，大家在日常生活中或多或少都接触过 ChatGPT、DeepSeek、Kimi、豆包等人工智能模型。这些模型在我们的工作、学习、写作中提供了极大的便利与帮助。其实，人工智能在金融领域同样具有重要的应用价值，它可以为千家万户的金融资产安全提供强有力的保障。金融市场的有序和健康发展不仅关乎金融机构自身的资产安全，也关系到广大人民群众的存款、理财、投资、房产等金融资产的保值与安全。

传统的金融资产管理与投资高度依赖人工和分析师的经验。资深金融分析师可能需要十几年的积累，通过几千个案例总结出一套分析体系，用于金融资产的定价；而人工智能机器学习算法则只需几个小时，便可以轻松分析数十万乃至上千万笔资产数据。人工智能通过对海量数据的高效处理与模式识别，在分析精度和效率方面远超人类分析师，具备巨大的应用优势。

现如今，各大金融机构所管理的金融资产规模庞大，直接关系到人民群众的财富安全和国家的经济发展。截至2025年第一季度，中国银行业金融机构总资产已突破440万亿元，稳居全球首位；保险业总资产超过35万亿元，证券行业资产规模也达14.6万亿元。以银行业为例，其资产种类繁多，包括各类涉房抵押贷款、固定资产抵押贷款、信用贷款等。每一笔贷款的背后都有不同的抵押品，其价值也随市场不断变动，因此对每一笔贷款都需要进行贷前风险审批、贷后风险监控及不良资产控制。

面对如此海量的贷款数据和每月必须进行的动态评估，即便再多的人力也难以完成任务，更无法保证效率和准确性。在这一背景下，人工智能技术展现出不可替代的价值。人工智能模型能够替代人类分析师，快速且精准地对每一笔资产的相关数据进行分析，大幅提升风控效率，为金融机构开展大规模、高频次、微观层面的金融风险监控提供了强有力的技术支持。

当然我们也应该注意到，金融机构在利用人工智能与机器学习算法上也不是能一蹴而就的。金融机构应当避免过度依赖第三方机构来开发自身的核心金融风险监控人工智能模型。虽然这种方式能够快速落地，但长期来看存在潜在巨大风险。它不仅无法充分释放金融人工智能模型的核心效能，更会导致金融机构的风险管控流于表面化运作。金融人工智能与机器学习模型是金融机构的核心竞争力所在。金融机构必须通过自主培养和组建专业的建模团队，持续积累经验与数据，才能根据市场动态及时优化模型，有效应对各类金融风险挑战。

推动人工智能在金融领域的深度落地，已成为当今金融行业的现实需求。当然，技术的发展也需要人才支撑，尤其是金融与人工智能交叉领域的复合型人才的培养至关重要。

金融与AI的复合型人才是以技术重构金融逻辑的创新者，而非简单叠加金融与编程技能。例如，笔者所在的高校近期举办的金融AI建模大赛（196支队伍参赛）中，跨专业学生（涵盖经济、金融、计算机、数学等）利用机器学习构建的预测模型，其精度甚至媲美行业专家水平。这一案例不仅展现了中国青年在AI时代的创新潜力，更印证了金融AI领域将成为跨学科青年实现突破的核心舞台——技术、金融、数理等多元背景的融合，正是推动行业革新的关键动力。

本文为一财号独家首发，仅代表作者观点。