券商数智化人才培养,别再问上什么课

真正要设计的，是未来的工作

过去几年，券商越来越重视数智化人才培养。AI培训、数据分析、产品经理、创新训练营、数智化课题，几乎已经成为不少公司的标准配置。尤其是生成式AI快速进入金融行业以后，很多企业的第一反应都是：得赶紧让员工学起来。但如果今天重新设计一套券商数智化人才培养体系，我反而不会先问“今年应该上什么课”，甚至不会急着先画一张能力模型。我想先回答另外一个问题：三年以后，这家券商到底会怎么工作？

01为什么不能从课程表开始

因为全球金融机构正在改变的，已经不只是工具。高盛2025年启动 One Goldman Sachs 3.0，第一批选择的不是几个孤立的AI应用，而是客户准入/KYC、供应商管理、监管报告、贷款、企业风险管理和销售赋能六条端到端工作链。它在年度报告里明确提出，AI带来的变化不只是重新装备技术平台，而是要重新审视人怎么组织、决策怎么发生，以及生产率、效率和韧性如何形成。

DBS的路径更直接。它先识别哪些岗位会被AI显著改变，再针对这些岗位开展深度提升、再培训和重新部署。2025年，超过11,000名员工被纳入这一范围；与此同时，DBS推动 Operating Model Transformation，把流程重构、人与AI协同、岗位重新设计、员工再培训和组织调整放在一起做。

过去，我们按照今天的岗位培养明天的人；未来，要先设计明天的工作，再培养能够创造这种工作方式的人。

图1｜从工具应用到人才重塑：数智化真正改变的是问题的顺序

这两个案例最值得关注的地方，不是“国外机构更重视AI培训”，而是它们正在调整问题的顺序。过去的逻辑是岗位已经在那里，再去补岗位需要的技能；新的逻辑则是技术先改变任务和流程，工作重新组合成岗位，再倒推未来需要什么样的人。这个变化，看起来只是顺序调整，实际上会决定整套人才体系到底是追着技术跑，还是能够提前为业务变化准备组织能力。

02回到券商，数智化人才已经不能只是一小部分人的标签

国内证券行业其实也在快速往前走。2026年，中国证券业协会将“证券公司数字化能力成熟度”直接纳入证券公司做好金融“五篇大文章”专项评价，数字金融这一项的10分全部由数字化能力成熟度构成。数字化已经不再只是某个科技部门做得好不好，而开始成为评价一家券商综合能力的重要维度。

企业端也在加速。广发证券已经形成全覆盖、分层级、常态化的培养体系，2025年全员AI培训覆盖率达到96%，并通过青年人才训练营、跨部门敏捷小组和“学练结合、以练为主”的方式培养复合型人才。这些探索说明，行业正在形成共识：数智化能力不能只掌握在少数技术人员手里。

但下一步如果仍然只是继续增加课程、认证和训练营，可能还不够。因为AI正在同时进入研究、财富管理、投行、机构业务、运营、风险、合规乃至内部管理，真正需要回答的是：每一种工作未来会怎样变化？哪些重复任务应该交给AI，哪些专业判断会因此变得更重要，哪些流程需要彻底重构，又会出现哪些今天还不存在的新角色？

学到的是新技术，留下来的却还是旧工作，这是数智化人才培养最需要警惕的结果。

03真正要建立的，是一座“人才金字塔”

因此，券商数智化人才不应该只有一种标准画像。更合理的结构是三层：最底层是全员数智素养，让每个员工理解AI、数据和安全，能够像使用办公软件一样自然地使用智能工具；中间层是业务数智化骨干，他们首先是业务专家，但能够发现数智化机会、定义问题、理解技术和数据的可能性，并推动业务、科技、数据和风险合规共同把改变做出来；最上层则是少量数智化转型领军人才，负责跨部门、跨专业的复杂转型，推动组织模式、业务模式和决策方式的改变。

图2｜三层数智化人才体系：全员解决素养，骨干推动业务重构，领军推动组织转型

三类人显然不能上一套课，也不能用同一套标准评价。全员层重点是普及和安全使用，业务骨干必须依靠真实项目形成能力，领军人才则需要被放进更加复杂的战略命题和跨部门转型项目中。真正的体系，不是把所有人变成同一种“复合型人才”，而是让不同层次的人在合适的位置上发挥数智化价值。

04培养的核心载体，不是课堂，而是真实问题

课程当然需要，但课程应该成为弹药，而不是培养项目本身。一个财富管理的客户经营问题，一个投行项目执行效率问题，一个风险预警场景，一个经营管理中的决策问题，本身都可以成为培养载体。学员不是“先学完再实践”，而是在解决真实问题时，需要用户研究就学习用户研究，需要数据分析就学习数据分析，需要AI就学习AI，需要流程重构就学习流程重构。

课程只是工具，真实问题才是训练场；人不是在课堂里成为数智化人才，而是在真正改变一项工作之后形成数智化能力。

这也意味着，结业答辩不能成为终点。真正有价值的课题应该进入公司的数智化场景池，继续获得业务、科技和数据资源支持；真正优秀的人应该进入数智化人才池，在下一次更加复杂的项目中被继续使用。已经跑通的场景再沉淀成方法、案例和内部知识，反过来成为下一批人才的训练素材。

图3｜从培训项目走向人才体系：人才与场景双沉淀，形成持续进化闭环

05最后，要改变的不是培训指标，而是衡量人才的方式

如果体系真的建立起来，培训人数、课时、考试通过率当然还可以统计，但它们只能证明“培训发生过”，不能证明公司的数智能力发生了变化。更值得关注的是：我们发现了多少值得改变的工作，多少场景进入真实验证，多少最终落地，释放了多少重复劳动，改善了多少客户体验，提升了多少决策和风险管理质量，以及公司到底识别出了多少真正能够推动改变的人。

这才是数智化人才培养从项目走向体系的分界线。AI时代，企业当然需要不断给人增加新的知识和工具，但如果工作本身没有改变，只是在旧岗位、旧流程、旧分工上叠加新技能，人才培养最终仍然只是追着技术跑。

数智化人才培养的终点，不是培养出一批“懂技术的人”，而是让组织拥有一批能够重新设计工作、重新组织资源，并持续创造业务价值的人。

所以，如果今天重新设计一家券商的数智化人才培养体系，我会从一张“未来工作地图”开始，而不是从一张课程表开始。先看见未来的工作，再准备未来的人；先让工作方式发生变化，再让人才在变化中成长。因为真正决定一家公司能否穿越技术周期的，从来不是学过多少新工具，而是组织能不能不断长出新的工作方式。