91.7%的券商缺人,缺的不是会写代码的,也不是懂业务的,是架桥的

前言

当“懂业务的不懂技术，懂技术的不懂业务”成为行业普遍困境，学习路径的选择比学习本身更重要。

2026年春招季，一个信号格外清晰：艾瑞咨询2026年发布的《AI时代下的金融科技发展洞察报告》基于对银行、证券、保险三大领域108家机构的调研显示，证券业91.7%、保险业73.3%的机构将专业人才缺乏列为AI落地的首要难点，“既懂业务又懂AI”的人才几乎没有现成供给。

与此同时，具备扎实金融底层知识且精通前沿算法模型的复合型技术人才缺口预计到2026年将扩大至80万人。市场在抢人，但抢的不是会调参的人，也不是懂业务的人，而是能打通两者的人。这个人从哪里来？

报班：最快的入门，最浅的停留。

市面上AI培训课程铺天盖地，从提示词工程到智能体开发，价格从几百到几万不等。报班的价值在于快速建立认知框架，但它的局限同样明显：课程教的是“通用知识”，而金融AI的难点在于“专用场景”。一个在课堂上学完RAG的人，回到银行面对的可能是信贷审批流程中数据口径不统一、监管规则随时变化、责任边界模糊的复杂局面。课堂不会教这些。

考证：缓解焦虑，但不解决能力问题。

考证焦虑正在金融职场蔓延。中国银行业协会联合建行大学、深圳大学、香港科技大学发起的“中国银行业金融科技师（CFT）”认证，旨在培养“懂业务、懂技术、懂产品”的高端复合型人才，已逾万名学员获得证书。但现实是：掌握AI知识不等于能处理金融业务，获得认证不等于完成职业转型。

普华永道2026年3月发布的《AI助推中国内地和香港金融服务业焕新升级》报告印证了这一判断：基于对201名金融业高管的调研，61%的金融机构AI投入占科技预算的比例不足10%，与实际需求之间存在30至40个百分点的缺口，人才短缺与僵化的组织结构是阻碍AI规模化部署的核心障碍，其影响程度远超预算或技术层面的问题。

做项目：最难的路，最实的积累。

工商银行软件开发中心的“未来星AI创新训练营”提供了一条参考路径。项目摒弃填鸭式授课，以真实业务挑战为起点，构建 “组队选题—培训赋能—实战攻关—汇报展示”四阶闭环训战融合体系，所有攻关课题必须源自一线业务部门的切实诉求，85名学员全员通关，最终孵化出18套覆盖智能营销、风控、运营、客服等领域的智能体解决方案，多项优秀成果已进入孵化落地阶段。

杭州银行在“三三六六”战略规划开局之年推出的数字化复合人才进阶培训同样采用“实践导向、业技融合”模式，为期两个月，全行各条线46名优秀员工参与，业务人员和技术人员混合编组形成9个项目小组，围绕日常业务痛点设计AI智能体方案，46名学员全部顺利结业，优秀项目成果将纳入开发计划逐步落地。

这些案例的共同逻辑是：AI能力不是学出来的，是在解决真实业务问题的过程中长出来的。

三条路，其实是一条路。

报班解决“知道是什么”，考证解决“证明学过”，但真正决定职业转型成败的，是“用AI解决过什么问题”。对于金融IT人而言，最务实的学习路径或许是：用报班快速建立认知框架，把考证当作阶段性检验而非终点，把主要精力投入到至少一个完整的AI应用项目中去——哪怕这个项目很小，只要它来自真实业务需求，并且你能说清楚投入了什么、产出了什么、效果如何衡量。

91.7%的证券机构将专业人才缺乏列为AI落地的首要难点，缺的不是会写代码的人，也不是懂业务的人，而是能在两者之间架桥的人。桥不会在课堂里建好，也不会在考场上建好，它只能在项目的泥泞里一寸一寸铺出来。