券商疯抢的AI Agent人才,到底做什么?

最近两三个券商的老同学，先后问了我差不多的一句话：组里的 JD 开始写 AI Agent 了，这到底要什么样的人？

我给他们讲了一遍，顺手也写在这里。

先说个真事。有个在券商做行业研究的姑娘，做了五年，日常工作就是读研报、整数据、写报告。去年开始她坐不住了，花三个月补了补 AI 的东西，现在在一家金融科技公司做 Agent 产品。

她没学算法，也没转码。

她做的事说穿了很简单：把 AI 接进她本来就熟的那些活儿里。

以前研究员一天要啃十几份研报，摘重点、拉数据、做对比。这些活 AI 现在干得不错——让它去检索、汇总、做初步提炼，人只看最后的关键判断。

投顾那边也一样，客户画像、产品匹配，AI 先把粗活干了，人做最后一道把关。合规审核更明显，材料堆成山，AI 先筛一遍，标出可疑的，人再细看。

你发现没有，这几个场景有个共同点：

AI 干粗活，人做判断。

这才是金融机构用 AI 的真实样子。不是让 AI 替代分析师，是让分析师从抄写员的位置上挪开。

所以券商招的"AI Agent 人才"，说到底要的是懂业务的人：知道哪一段流程能交给机器，哪一段绝对不能，出了错谁来兜。

这个判断力，教程里没有，只长在业务里泡过几年的人身上。

她那三个月具体学了什么，其实没那么玄乎。

大模型的基本概念、Prompt 怎么写、RAG 是怎么回事、Agent 怎么编排任务，就这几样，两三周能把概念过完。

真正的功夫花在后面：她挑了三个自己最熟的场景，各做了一个能跑起来的小东西。

一个投研助手，接了研报和公告的数据，自动检索汇总；一个内部知识库，把业务规范喂进去，同事用大白话就能查；还有一个风控方向的，AI 初筛加人工复核。

第三个我印象最深。面试的时候对方问：模型判错了怎么办？她说她已经把人工复核那一环做进流程里了，还讲了哪几类情况会触发复核。据说面试官当时点了头。

说白了她赢就赢在这一步。

大多数人转行，忙着证明"我会 AI"；她证明的是"我知道 AI 在金融里哪儿靠谱、哪儿不靠谱"。

技术三个月能补。业务里哪段流程敢放手交给模型、哪段出了事是天大的事——这个判断，没泡过业务的人给不了。

所以如果你在金融行业，想往这个方向挪一挪，我的建议就两条：

第一，别去卷算法。你的金融经验才是别人拿不走的那部分，缺的只是把 AI 接上去的那一层。

第二，学 AI 别贪多。围绕你天天在做的那几个业务场景，各做一个能演示的小东西。面试的时候，一个讲得出细节的小项目，比简历上十行技术名词管用。

桌子刚支起来，先坐下的人先点菜。

你在金融机构里，最想把哪块活儿丢给 AI？评论区说说，我帮你看看靠不靠谱。

大模型基础、RAG、Agent 到金融场景项目，这条线怎么走我整理了一份路线，留言「金融AI」发你。