2025 年 12 月，华尔街银行业的 AI 应用已从早期实验阶段全面进入日常运营，摩根大通、富国银行、PNC、花旗、高盛等头部机构纷纷披露 AI 驱动的 productivity 提升成果，同时也明确释放出 “人员结构优化” 的信号 —— 在 AI 助力下，银行能以现有团队规模实现更高产出，待业务需求稳定后，部分岗位的人员需求将逐步减少，标志着华尔街正式迈入 “AI 提效与人力调整并行” 的新阶段。
从各银行的实践来看，AI 带来的 productivity 提升已覆盖多业务环节，且成效呈现差异化与规模化特征。摩根大通消费者与社区银行业务 CEO 玛丽安・莱克（Marianne Lake）表示，引入 AI 的业务领域 productivity 提升至约 6%，较部署前的 3% 实现翻倍，且随着 AI 融入日常工作，运营岗位未来有望实现 40%-50% 的效率增长。这一成果源于摩根大通的精准策略：搭建安全的内部大语言模型访问体系（如 “LLM Suite” 平台），让员工在受控环境中使用 AI 起草文档、总结内容，同时针对性改造工作流、严格管控数据使用，避免技术滥用与风险泄露。富国银行 CEO 查理・沙夫（Charlie Scharf）则指出，该行目前尚未因 AI 裁员，但 “产出量显著增加”，管理层已通过内部预算规划预判，到 2026 年即便不考虑 AI 的全部影响，员工规模也将缩减，且当前更高的离职补偿金支出，暗示银行正为后续人员调整做准备。
PNC 与花旗的 AI 应用则分别聚焦 “长期趋势加速” 与 “特定领域突破”。PNC CEO 比尔・德姆查克（Bill Demchak）将 AI 定位为 “自动化趋势的加速器”—— 过去十年，PNC 通过自动化与分支机构优化，在业务扩张的同时保持员工数量基本稳定，而 AI 将进一步强化这一趋势，推动后台流程效率再升级。花旗即将上任的 CFO 贡萨洛・卢切蒂（Gonzalo Luchetti）披露，该行软件开发领域借助 AI 助手， productivity 提升 9%，同时在客户服务端实现双重优化：一方面通过 AI 增强自助服务功能，减少人工接电量；另一方面为客服人员提供实时支持，提升通话解决率。高盛则通过 “OneGS 3.0” 计划，将 AI 应用于销售流程优化、客户入职、贷款审批、监管报告等流程密集型业务，且这些工作流改造与裁员、放缓招聘同步推进，直接将技术成效与人员决策挂钩。
从行业共性来看，华尔街银行的 AI productivity gains 集中在 “文档密集、流程重复、规则明确” 的工作场景。生成式 AI 通过缩短信息检索、文档总结、内容起草时间，加速工作在审批链条中的流转，尤其在搭配结构化流程与人工审核时效果显著。典型应用领域包括：运营环节（快速起草回复、总结案例、处理异常订单）、软件开发（生成代码、编写测试用例、重构程序、生成技术文档）、客户服务（自助服务优化与人工客服实时辅助）、销售支持（从文档中提取客户数据、自动填充表单、加快客户开户流程）、监管报告（在严格审查下快速整合报告内容与支撑证据）。这些场景的共同特点是 “高重复性、低创造性”，AI 能快速替代人工完成基础工作，释放人力聚焦高价值决策。
监管合规与 governance 体系是影响华尔街 AI adoption 速度的关键因素。美国监管机构（如美联储、货币监理署）长期要求银行对模型实施严格监管，《SR 11-7》等指引明确了模型开发、验证与持续审查的标准，2025 年美国政府问责局（GAO）报告进一步强调，现有模型风险管理原则（包括测试、独立监督）同样适用于 AI 系统。这使得银行在 AI 设计中高度重视 “可追溯性与可控性”：AI 的自主行动权限受限，提示词与输出结果需全程记录，模型性能需持续监控以防范漂移，高影响决策（如贷款审批、纠纷处理、官方报告）仍由人类负责。这种 “合规优先” 的思路虽可能放缓 AI 落地速度，但有效降低了技术风险，确保 AI 在提升效率的同时符合监管要求。
值得关注的是，AI 带来的人员调整呈现 “分阶段推进” 特征。第一阶段以 “人员规模稳定、产出提升” 为主 —— 随着 AI 工具在团队中普及，银行用现有人力完成更多工作，如富国银行当前的状态；第二阶段则在 productivity gains 稳定后，通过自然离职、岗位调整或定向裁员优化人员结构， Wells Fargo 关于 2026 年人员规划与离职补偿的准备，暗示部分银行已接近这一阶段。从行业层面看，国际货币基金组织（IMF）警告 AI 可能影响全球大量就业岗位，不同岗位与地区将面临 “自动化与增强” 的差异化冲击；世界经济论坛《2025 年未来就业报告》也预测，企业 AI adoption 将推动就业结构大幅变动，技能需求随之调整。
对于 2025 年后的华尔街银行战略而言，AI 的核心价值不仅是 “降本”，更是 “通过流程重构、数据基础建设与合规 governance，实现可持续效率提升”。麦肯锡测算，生成式 AI 每年可为银行业创造 2000-3400 亿美元价值，主要源于 productivity improvements。当前行业的核心问题已非 “AI 能否见效”，而是 “如何在保持审计追踪、数据安全与客户保护的前提下，快速将 AI 成效常态化”，以及 “如何妥善管理随之而来的人员结构变化”。
结合补充信息来看，华尔街 AI 对就业的影响已深入高端岗位。高盛引入 AI 程序员 Devin 处理 “遗留代码” 维护，计划部署数百至数千个 AI “员工”，其软件团队 productivity 提升 3-4 倍，原本需数天完成的工作可缩短至几小时；OpenAI “水星计划” 聘请超 100 名前华尔街投行精英训练 AI 财务模型，目标替代初级金融岗位，时薪达 150 美元；贝莱德构建 “阿西莫夫” AI 研究平台，让虚拟分析师 24 小时扫描研究报告生成投资洞见。这些实践表明，AI 对华尔街就业的冲击已从 “后端运营” 延伸至 “前端业务与技术岗位”，且引发人才培养模式变革 —— 传统 “从基础工作历练晋升” 的路径受挑战，具备 “AI 协作能力、高价值决策能力” 的人才更受青睐。同时，部分失业或在职金融人士转型为 “AI 导师”，通过 Mercor、xAI、Scale AI 等平台训练金融领域 AI 模型，形成 “AI 替代人力 — 人力训练 AI” 的特殊循环，进一步重塑行业人才结构。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/hua-er-jie-ai-cheng-xiao-luo-di-yin-hang-xiao-lyu-ti-sheng
