36岁,在券商干了好几年,不懂代码,最后拿下中信证券AI产品岗,薪资40K。她做对的最关键一件事,不是拼命补技术,而是没把过去那些年清零。这个案例分析,值得每个金融人认真看一遍。
一、她的困局:经验不少,路却越走越窄
她的工作一直围着金融业务转:证券产品、客户需求、业务流程、市场分析,样样熟。📈可年龄一上来,她开始认真琢磨职业发展这件大事。
在券商这么多年,业务经验是有的。但顺着原来的路线走,发展空间似乎越来越窄:往上,位置就那么几个;往外,很多高薪岗位开始要求AI能力。
想跳槽,怕竞争不过有AI经验的人;想转互联网,又担心没有技术背景,拼不过年轻的计算机科班生。尤其到了36岁,她不想再花两三年,从头摸索一条完全陌生的路。试错成本,她耗不起。
后来,她把目光落在了“金融AI产品经理”这个方向上。
二、为什么是这个方向:不是写代码,是翻译场景
我给她的建议很直接:别急着丢掉证券行业经验,先想清楚一件事——怎么把金融业务能力,和AI真正接起来。
金融AI产品经理,不是单纯写代码的岗位。它更看重三样:你懂不懂金融场景、能不能分析业务需求、能不能把AI技术翻译成真正解决问题的产品。🔍 技术是工具,业务才是方向盘。
市场上最尴尬的,是两类人:纯技术的不懂业务,纯业务的不懂AI。中间那条缝,恰恰是她的机会。
方向一确定,后面的学习就不再是“从零开始”,而是“有目的地补”。
三、她怎么补AI:三步走,每一步都对着业务
她没有一上来啃算法,而是按三步走:
第一步,打地基 :学大模型基础、Prompt、模型能力边界,先弄明白大模型能做什么、不能做什么。这一步不求深,只求不犯常识性错误 第二步,攻RAG :围绕证券业务资料、金融产品信息、专业知识,搭一套能落地的问答系统。文档怎么切、召回准不准、答错了怎么兜,她一个个抠 第三步,上Agent和工作流 :动手做研报信息提取、金融知识助手、智能投研辅助等项目。让AI从“会回答”变成“能干活”
这套路径不花哨,但每一步都对着真实业务。她不是在“学AI”,是在“用AI解决券商里的老问题”。
四、她最大的优势:没把自己当新人
这一点,我觉得比技术更值钱。
在券商攒下的业务知识,反而成了她做项目时的底牌。比如设计金融知识助手,她知道哪些信息必须重点提取,哪些业务规则不能出错;做研报分析,她更清楚真实业务人员到底想解决什么问题。
同样一个Demo,别人只能讲“我用了RAG”,她能讲清楚:这个场景为什么需要RAG、知识库该收哪些资料、哪些回答必须给出来源、哪些判断不能交给模型。
相比只会调用模型的人,她能说明白三件事:为什么要做这个产品、它解决什么问题、怎么判断项目有没有效果。这三问,恰恰是面试官最想听的。
五、作品集 + 面试:拿下中信证券40K
后面她把学习过程中的项目整理成作品集,重点准备四块:AI产品设计、RAG应用、Agent方案设计、金融业务场景分析。
面试时,她没有把自己包装成技术人员,而是围绕业务价值讲方案:这个产品替谁省了什么事、风险点在哪里、上线后怎么评估。
经过一段时间的系统准备,她拿下了中信证券AI产品相关岗位,薪资40K。
六、这件事让我更确定:金融人转AI,不必重学算法
金融背景的人转AI,不一定非要从头学算法、重新当程序员。
尤其是银行、证券、保险、基金这些行业,本身就有大量专业业务场景:智能客服、智能风控、信贷审核、金融知识库、智能投研,一个个都在立项。真正缺的,是既懂业务、又能把AI落地的人。
你过去积累的行业经验,如果再叠上AI产品设计和解决方案能力,就有机会切进一条新职业路径。
从趋势预测看,未来真正有竞争力的金融人才,很可能就是既懂金融业务、又懂AI落地的人。AI不是来替代你的经验,是来给你的经验加杠杆。
七、如果你也想走这条路
如果你也是银行、证券、保险、基金或者财务背景,想往金融AI产品经理、AI解决方案专家方向发展,可以关注我、留个“7 7 7”。
我目前也在系统带学金融AI,内容从AI基础认知、金融场景拆解,到RAG知识库、金融Agent实战,再到完整项目作品集和岗位面试准备,尽量让没有技术背景的金融从业者,也能一步步建立自己的AI应用能力。
每天晚上投入1~2小时,就能循序渐进地学。尤其适合22~45岁、有金融行业经验、想提升职业竞争力的同学。
36岁,并不意味着职业只能走下坡路。与其把过去彻底放弃,不如给它加一项AI能力。
这段经验分享就到这儿。你是银行、证券、保险还是基金背景?评论区聊聊,我帮你看看该从哪个场景切进AI。

研报速递