作 者 | 九卦姐

來 源 | 九卦金融圈

銀行科技人

焦慮? !

最近，越來越多的銀行科技人開始焦慮。隨著DeepSeek V3和R1推理模型的發布，開源AI在銀行的應用逐漸成為現實。同時，阿里的Qwen2.5、百度的文心一言等AI技術也在金融領域不斷優化。有人甚至預言：“銀行終于可以少招點IT人員了。”

這話并非危言聳聽。某股份制銀行的AI代碼生成工具已經讓初級程序員的需求減少了30%；某城商行的AI運維系統則讓傳統運維團隊裁撤了50%。就連風控部門也開始采用AI自動審核交易，許多曾經炙手可熱的科技崗位似乎正被AI逐步取代。

那么，問題來了——銀行科技人的價值，是被AI徹底取代，還是在AI時代迎來新的躍遷？

科技崗真的在“縮水”嗎？聽聽銀行高管們怎么說？

面對AI的“入侵”，銀行科技崗是否真的面臨“裁員”危機？九卦姐訪談了多位銀行的科技、數字金融、網絡金融部的負責人，他們的回答比數據更直擊人心。

廊坊銀行副行長、中國互聯網協會數字金融委員會副主任 陳樹軍：

“客服中心坐席人員最先受影響，坐席人員必須要有危機感，盡快做好轉崗能力和心態準備。”AIGC在銀行領域可以廣泛用于與客戶對話、人機交互等交互環節、培訓學習等素質提升環節、報告撰寫環節、信息搜索環節、編程環節和營銷運維環節（素材生成）等，對于日常的客戶交互、培訓等崗位將有很大替代可能。

新網銀行副行長 李秀生:

AI對銀行的影響是全方位的，類似于計算機和移動互聯網帶來的變革。勞動密集型崗位將面臨直接沖擊，而技術崗位則需要適應AI協作的新模式。AI對銀行崗位的影響已經顯現，大模型已經在測試案例自動生成上發揮很大作用，編碼輔助能力也在逐步提高，AI工程師和數據標注工程師的需求上升。未來，軟件開發崗也可能會受到沖擊。

某銀行數字銀行部負責人 陸觀溟（筆名）：

“AI沒有取代科技崗，反而促使銀行新增了AI相關團隊。”現階段雖然理論上 AI 可承擔系統架構設計、編寫代碼等工作，但實際尚未發生。未來科技人員重點在于研究 AI 供應商，包括架構、選型（開源或購買 API），規劃基座功能（如是否支持多模態、語音文字輸出、圖片視頻等）。

某股份制銀行網絡金融負責人笑納百川（化名）也對九卦金融圈表示：“在金融行業AI的應用估計直接對客戶服務現階段比較難，畢竟有模型幻覺不能保證100%正確，如果引入保險公司承擔小概率風險，就像支付寶剛推快捷支付時承諾先行賠付，這樣AI的推廣會快得多。”

這些聲音，背后恰好代表了兩種截然不同的現實。在銀行里，有的崗位在AI時代“貶值”，但有的崗位卻在“升值”。

科技崗分化：哪些人在“貶值”？哪些人在“升值”？

IT初級崗：最先被AI擠壓

某銀行科技負責人表示：“我們團隊已經用AI代碼生成工具，初級開發崗的需求確實減少了。”在某大型銀行，AI代碼助手的引入讓代碼編寫時間縮短了30%。以往需要3~5人維護的簡單開發任務，現在1~2人輔助AI就能完成。

而正在萎縮的崗位包括：

• 基礎開發崗（前端、SQL數據查詢）

• 重復性運維崗

• 低層級IT支撐

“讓AI幫你寫代碼，而不是你自己寫代碼。”這個趨勢已經成為現實。

風控與數據崗：變革的“風口”

廊坊銀行副行長陳樹軍對九卦金融圈指出：“AI在風控模型、智能營銷上的應用已經很成熟，貸款審批場景是用AI最多的。”

據悉，某股份制銀行的AI風控系統已經讓反欺詐檢測效率提升40%，同時減少了30%的人力成本。

但AI真的讓風控崗沒價值了嗎？李秀生也提到，數據安全和隱私保護是銀行應用AI的核心挑戰，尤其是在調用外部API時，需嚴格限制于公共數據場景。這些放心全由AI掌控嗎？

被AI取代的部分包括：

• 手工篩選數據的風控崗

• 低端數據分析員

價值提升的崗位有：

• AI風控策略師（AI決策+數據解讀）

• 模型調優工程師（優化AI預測模型）

• 監管合規科技專家（確保AI風控符合監管要求）

AI取代的是“機械化的風控”，但真正有決策能力的人反而比以前更重要。

AI時代的科技核心：懂業務的“復合型科技人”

新網銀行副行長李秀生表示，銀行對大模型的探索已覆蓋客服、風控、知識庫等核心場景，在“開源+自研”的模式下降低技術成本，同時保障數據安全。對相關AI工程師和數據標注工程師需求自然也在上升。

某銀行數字銀行部負責人陸觀溟認為，“AI沒有取代科技崗，反而促使銀行新增了AI相關團隊。”

陳樹軍表示，AIGC目前在銀行領域應用主要挑戰還是領軍人物的缺乏，以及營銷類數據缺乏系統性整理，小模型算力需求對銀行而言不是挑戰，模型也可以開源學習。未來3年，科技人員需要加強深度學習AIGC技術，了解其特征，根據銀行業務特點，探索在銀行應用的場景，并開始實踐應用，豐富更多場景。

陳樹軍認為，每一次科技迭代更新都是對科技人員的挑戰，科技人員必須保持旺盛的學習動力，擁抱變化，與時俱進，否則每一次新技術浪潮都可使其掉隊、被淘汰。

許多銀行正在大規模招聘“AI+金融”復合型人才，因為AI并不會自己決定怎么用，它需要人來做決策。

銀行正在尋找的人才包括：

• AI戰略架構師——負責AI戰略落地，決定AI在銀行的應用方向。

• 大模型調優工程師——訓練和優化AI模型，確保其適配銀行業務。

• AI+業務融合崗——既懂AI，又懂銀行業務的人，能將AI轉化為實際金融產品。

對此，廊坊銀行副行長陳樹軍的建議是：“科技人員必須學習業務，了解客戶，以終為始，增強自身復合能力，為跨崗位流動做好準備。”

李秀生強調，未來銀行科技人才的核心競爭力在于“AI+業務”的復合能力，以及與時俱進的創新精神。

是的，在AI時代，“會AI”這件事本身已經不夠了。真正值錢的，是那些能用AI解決銀行業務問題的人。

科技人如何在AI時代“增值”？

面對AI的挑戰，銀行科技人應該如何提升自己，避免被AI淘汰？

學會“AI+金融”復合能力

純技術崗的需求在降低，但“技術+業務”復合能力正在成為新的門檻。未來的銀行科技人，不僅要懂AI，還要能把AI應用到業務里。

李秀生認為，科技人員需要從傳統軟件研發轉向更高價值的任務，如AI模型優化和業務創新。

陸觀溟稱，他們的科技團隊正在探索打造 AI 基座，計劃后續在各業務條線部署垂直領域 AI 助手，預計會在行內制度文件解讀及內部管理等方面率先取得突破。AI 雖然未對現有崗位產生替代跡象，但對數據和業務部門影響會更大。

陸觀溟認為，在零售業務方面，待科技人員打造好 AI 基座，將廣泛應用于產品創新、文案編寫、推廣營銷（含廣告文案、圖片設計、話術等）；和對公業務，比如可用于撰寫調研報告、客戶調研方案、可行性研究報告、行業報告、營銷方案策略、產品創新等；中后臺風險領域，可用于風險架構設計、特定風險特征分析、風險策略及預防方案制定等。

對此，各業務部門都需依據自身客戶、產品特點，提出垂直領域 AI 的具體需求方案并落實應用。

掌握AI時代的新工具

DeepSeek等，是未來AI銀行的基礎能力。你不一定要會訓練AI，但你必須會用AI來提升銀行業務，讓自己成為“AI戰略人才”。

AI并不會自己創造價值，銀行里懂AI策略、能推動AI落地的人才是最稀缺的。未來3~5年，銀行AI崗位需求會增加，而不是減少，但核心崗位的需求將向高端轉移。

廊坊銀行副行長陳樹軍強調：“那些有學習能力、能迅速掌握新技術的科技人，總能在新崗位獲得發展機會。”

李秀生總結道，AI時代，銀行科技人需從‘技術執行者’轉變為‘AI業務推動者’，通過掌握AI工具和提升業務理解力，實現職業升級。”

陸觀溟補充道，以往數據標注基于滿足管理者、經營者和前線人員使用習慣，如今要兼顧大模型的數據使用習慣，思考數據治理方式、基礎數據供應策略，這些都將深刻影響數據團隊的工作內容、方向與方法論。

結論很清楚。AI不會讓科技人失業，但它會加速科技人的分層。如果你不能適應AI時代，就真的要小心了。

最后，問題來了——你認為 AI 讓銀行科技人更值錢了嗎？

結語：AI 時代，科技人的命運正在分化

有人正在被 AI 擠壓，崗位需求下降，甚至面臨裁員。

有人正通過 AI 讓自己“增值”，成為銀行不可替代的核心科技人。

你怎么看？你認為銀行的科技崗，未來會是“增值”還是“降溫”？

你所在的銀行，AI 真的在取代人嗎？還是反而創造了更多的新崗位？

歡迎在評論區分享你的看法，我們一起討論吧！