在金融业被 AI「焕然一新」之前，金融人可能已经先被「卷」翻了。

——馨金融

「最近不管是上班开会，还是同业聚会，AI 都是一个绕不开的话题。各家都推进了本地化部署，也在探索更多应用场景，有的人很兴奋，但更多人在焦虑。」林勇（化名）如是感叹道。

作为一家银行技术部门的负责人，他深刻地感受到了这次AI冲击波来得比以往更快、更猛。 

「假期结束一回来，行领导就召集高管们开了几次会，专门讨论AI对银行的影响，还要求大家都去用一用DeepSeek。各个部门也在研究如何与业务结合，报告材料都写了好几轮。」

另一位券商的朋友感叹，现在卖方分析师和研究员都不够用了，天天都在给机构客户做有关DeepSeek、AI 有关的培训和分享，档期约都约不上，好久没有这么火爆了。 

事实上，春节以来，DeepSeek 掀起的这场 AI 风暴席卷了各行各业。作为一个信息和数据密集型行业，金融业一直走在数字化浪潮的前沿，也是每一轮科技进化的受益者。 

在过去的一个月里，至少已经有 20 多家银行、40 多家券商和数十家保险公司、基金公司公开宣布接入或已本地部署了DeepSeek，也有机构披露了更多推进 AI 与具体业务和场景融合的信息。

其中，以财富管理领域最为活跃。毕竟，过往用户们在投资理财上的「体验不佳」，一部分原因被归咎于财富管理机构的服务能力，比如，服务半径有限、理财经理不够专业；而另一部分压力则给到了资管机构的投研能力上。

技术的进化被认为是缓解这一矛盾的重要力量，而DeepSeek的横空出世更让 AI 投顾有了「白衣骑士」的意味。

只是，AI 能不能拯救财富管理行业于水火，尚待观望，但理财经理们已经先行一步被「卷」到失眠。

1 AI 可以提升效率，却解决不了KPI 

「万万没想到，还没被同业卷死，要先被 AI 干掉了」，叶子（化名）感慨道。这种危机感，让她失眠了好几晚。

作为一名银行理财经理，晨会夕会、接待客户、社区营销、归档信息……这是她每天的固定日程。

在此之外，她必须保持超长待机，以便及时回应来自线上的理财咨询。

当理财净值化之后，客户不再是闭眼入产品，从售前的产品介绍，到售后的陪伴安抚，理财经理与客户的交互频率大大提升，这极大地增加了理财经理的工作难度和强度。

因为产品越来越多，叶子每天不仅要学习并消化大量行内提供的「物料」，还要主动给自己「加课」——密切关注市场动态、热点新闻和行情分析、参与各种培训以持续提升自己的专业认知和服务能力。

相较于一些年轻稍长的同事，刚刚 30 岁的叶子还算对新事物比较敏感。她是同事里最早开始使用 AI 工具的人，起初主要用来整理一些产品资料、沟通话术和汇报材料，今年也尝试用DeepSeek 生成过客户的配置方案。

优点是，文案类工作的效率被极大地提升，跟客户沟通的响应速度快了很多。但缺点是，她并不能完全放手交给 AI，要反复核实和验证对外发出的信息。

「幻觉问题依然严重，比如数据错误、偷换概念的情况时有发生。」

尽管已经非常努力，但叶子的焦虑感仍在加剧，「毕竟人脑拼不过AI。」

近日，据媒体报道，易方达基金投顾团队用AI大模型进行了一次试验，让本地部署的DeepSeek-R1参与了一场专业的顾问知识「考试」，所取得的成绩和经历过系统性培训的从业者相当，明显优于新手。

「这只是一个开始，AI在客观知识、简单逻辑方面优势明显，尽管在复杂问题的回答上还有待加强，但这已经超越了目前大多数理财经理。」

一名财富管理机构负责人认为，AI 拔高了对理财经理的专业要求，当基础能力可以被机器替代后，理财经理们需要进一步提升自己的价值。

「做了这么多不一定对销售有提升，但不做肯定完成不了 KPI。」叶子有些无奈，除了存款、基金/保险/理财销售等各种定量的指标，还有维护客户、过程管理、综合能力等定性的指标。

「KPI变得越来越细、越来越重。」

最近看到过一个数据，某区域的银行基层员工的考核指标在五年里增加了217%，虽然这可能无法反映银行业的全貌，但足以说明一定问题。

纵然，AI可以提升效率，但却解决不了 KPI，只会带来更激烈的行业内卷。

巴菲特在1985年致股东的信中就曾分享过一个经典案例：

克希尔哈撒韦旗下纺织业务在技术升级之后，并没有如预想中那样，提升竞争力然后增加营收。反而因为推动了全行业产能提升，导致竞争愈发激烈、产品价格不断压低，最终行业利润被摊薄而带来了生存危机。

理财经理们的处境只是这轮AI浪潮下的一个缩影。面对技术变革的宏大叙事，个体价值被重构。

2 从口号到落地，还有多远的距离？

AI 引爆产业变革的序幕才刚刚拉开，市场上汹涌的情绪让人振奋，也让人不安。

更重要的是，并不是所有的理财经理都有这个意识和能力像叶子一样主动地去拥抱 AI、拥抱变化。

另一位40+的理财经理朋友就向我表示出了更多的困惑和质疑。周遭的同事都在讨论 AI，行里似乎也很重视，但他并不太相信AI可以取代人的角色，尤其是与「钱」相关的事情上。

他与自己的老客户们关系紧密，大家找他买理财产品、给投资建议，更多是出于十几年交往下来的信任。「都是几十、几百万的资金，不是机器给出专业建议就可以托付的」。

「中国是人情社会，这在一二线以外的城市体现的更为明显。理财经理往往拼的是资源、是关系，专业能力只是加分项，这也是为什么很多一线员工对于AI 的热情并不高，甚至还会有些抗拒。」一位券商财富管理部副总如是总结到。

这也是他对金融机构接下来的AI变革并没有那么乐观的原因。

在他看来，金融业务的链条太长，与AI技术的融合本身就很复杂。再加上，不同城市和地区、不同客群，对于理财的需求和理解差异巨大，理财经理对于AI工具的掌握程度也有高低，这些都是待解的问题。

事实上，他的观点也代表了相当一部分金融人对于 AI+金融的态度。

中信建投非银及金融科技的首席分析师总结了传统金融机构的数字化转型面临三大核心矛盾：

一是顶层设计层面自上而下「以客户中心+数字化转型」的长期战略目标，与一线人员层面自下而上短期业绩KPI考核的矛盾；

二是公司数字化战略转型的长期价值，与短期财报压力的矛盾；

三是成熟金融机构优势业务体量巨大但增速放缓，与创新业务增速虽快但占比太小的结构性矛盾。

显然，在后DeepSeek时代，这些矛盾会愈发凸显。

3 金融业的「DeepSeek时刻」何时到来？

如果说移动互联网时代，金融科技的广泛应用是极大地提升了金融业的运行效率、优化了作业流程和用户体验，那么此番 AI 带来的则是对金融机构自上而下生产方式和逻辑的颠覆，以及由此引发一系列的组织变革和业务重构。

毫无疑问，DeepSeek 加速了这个进程的发生。

DeepSeek不仅降低了 AI 大模型的部署和使用成本，更是在短短时间里，完成了一场全民的 AI 科普。用户侧的使用激增又倒过来推动了产业的爆发，形成了正向循环。

但在金融业，这个「DeepSeek时刻」还远未发生。

「由于接入大模型的门槛本身并不高，所以几乎头部的金融机构都已经行动，这更多是一种姿态。」

一位银行业高管认为，真正的挑战在于本地部署之后，如何训练、如何使用、如何跟业务结合，而现实是大多数金融机构都还没有摸清门道。

据了解，目前金融机构对于 AI 大模型最普遍的应用仍是在信息处理方面，部署DeepSeek 也是开放给员工查询资料、辅助工作。

在他看来，不管是算力成本的降低，还是「技术平权」，都意味着掌握或者获取 AI 通用能力不再是门槛，但如何导入自己的数据以「投喂」和训练模型，并结合不同的业务场景和需求点，最终形成一个可以直接使用的产品、工具才是门槛。

这位银行业高管提到的痛点，其实在 AI 与产业融合的过程中并不鲜见。

据一位AI专家介绍，从部署模型到产出工具大概可以简单分为三个环节：输入、执行和输出。

金融机构接入通用大模型只是第一步，还需要跟内部数据库和文档整合；然后结合不同的业务场景和具体需求，往往需要调用多个模型去执行多个指令，这都是需要本地化解决，最后才是输出使用。

比如，通用大模型的输出形式，典型如，豆包、kimi、DeepSeek 这样的聊天机器人。

但在金融业务的链条中，基于不同环节和需求，输出的产品和工具，形式就很多样了，可能是不同的 AI Agent。

所谓AI Agent（人工智能代理），是一种具备自主性、环境感知能力和持续学习能力的人工智能系统。其核心特征是通过与环境互动收集数据，独立规划任务路径、调用工具并执行决策，最终在无需人工干预的情况下实现预设目标。

「简单来说就是把 AI 能力、对应的数据、具体的需求及解决方案封装在一起，对于使用者来说，他只需要给出指令便可以得到结果。」前述 AI 专家认为，只有到了这个阶段，金融业的「DeepSeek时刻」才有可能真正到来。

只是，金融机构有其特殊性，不管是训练模型还是生成产品，很难完全交付给外部机构去完成，但如果依靠体系内的员工要想在短期内实现这一系列复杂的工作，并不现实。

因此，也有一些业内人士认为，跟海外市场，或其他垂直行业一样，未来也会有一些针对金融业的AI Agent 平台或技术服务商出现，以推动金融业与 AI 加速融合。

但就目前来看，「在相当长一段时间里，AI 之于金融业更多还是助手的角色，对内不对外、辅助不决策」，前述某财富管理机构负责人如是总结到。