人工智能正以前所未有的速度渗透至经济社会的每一个角落。从生成式人工智能（Generative AI）的爆发式增长到自主智能体（Agentic AI）的逐步成熟，AI竞争力已不仅仅局限于技术本身。仅仅将创新工具叠加在原有的组织架构与业务流程之上，难以充分释放AI潜能。AI转型的本质不是技术升级，而是组织重构、流程重组与人才重塑。

当前多数商业银行已经认识到人工智能的巨大潜力与战略意义，正积极部署“人工智能+”行动计划。然而在金融业这一监管严格，高度依赖风险控制与信任机制的行业，AI的深度落地远非技术采购那么简单。许多银行受到组织架构、决策链条与作业模式的限制，仅将AI局限为降本增效的辅助工具，而非驱动商业模式重塑的战略核心。如果商业银行不能及时顺应技术趋势深度变革与再造，就只能在下一轮竞争中被动接受淘汰。

商业银行应当何去何从呢？本文将从“理解未来”与“重塑当下”两个维度对未来银行AI转型中面临的人才挑战进行探讨：第一部分基于近期研究，展望AI将如何重塑商业银行的组织形态、作业模式与人才角色；第二部分聚焦当下，结合金融业领先机构实践，剖析目前银行AI转型的困境，未来的决胜关键，以及当前可以着手实施的人才变革措施，为迈向智能化未来奠定基础。

一、演进之路：从“卓越工具”到“聪慧伙伴”

未来组织的三个根本转变

未来银行的作业模式将是一个由“自主协同网络”驱动的智能体生态系统，在这个系统中，Agentic AI跨岗位、跨部门自主协作，实现业务流程的无缝联动。人在流程之上实施监督，验收AI的工作成果，校准目标并提供指导。未来组织底层逻辑将进行以下方面的根本转变，把握趋势重塑组织，才能实现技术与业务真正的融合发展，实现大规模技术应用从碎片化部署走向体系化运转。

一是决策模式由“人工主导”转变为“人机协同”1。传统商业银行的决策模式以人工主导，过度依赖层级指令与跨部门沟通，导致协调成本随组织规模呈指数级增长。而Agentic AI的引入正在推动决策模式向人机协同演进：AI能够自主理解目标、拆解任务并跨角色协作，使流程中的协调成本趋近于零。而决策层级也将由原来的“顶层决策”变为“分布式决策”，与以往信息自下而上收集，决策自上而下层层传导不同，未来决策过程将更敏捷，决策主体也将更分散，由环境和需求适配恰当的决策层级。商业银行也将演变为“人+智能体”共生的生态系统，实现高效、无边界的自主协同。

二是组织形态由“层级管控”转变为“原子化单元+敏捷自组织”。传统生产依赖资产与资源的集中配置，而AI使生产单元得以解耦和下沉，形成原子化的能力单元，并催生资源分配市场化、创新行为全员化、生产响应敏捷化三大转变。组织形态也将不拘泥于部门划分和业务流程，而将在客户旅程全链路的需求驱动下自组织，以最恰当的产品/服务形态、时机、方式进行交付，并在业务循环中持续迭代，不断验证业务假设，优化客户体验。面向对象、围绕需求提供个性化响应，快速迭代产品与服务，缩短产品与服务的交付链条将成为未来商业银行的核心竞争力。

三是人员能力由“执行力”转变为“治理力”。当AI能执行绝大多数标准化任务后，人类的核心价值由执行转向理解AI，“治理”AI，为其提供愿景，并进行正确的引导与约束。未来人才不再是单纯的执行者，而是AI的“调度者”“监督者”与“监护人”。未来商业银行的“人力资源”，将由擅长执行操作的“数字员工”与擅长AI治理的“人类员工”构成。

未来作业模式的核心形态

商业银行AI的转型并非一蹴而就，而是沿着从局部优化到系统重构的路径演进，具体可划分为三个递进阶段2（如图1），即从局部工具化，到面向对象的端到端流程再造，最终蜕变为新的作业范式。同时，银行的组织形态也将从“传统自动化”渐进转向“智能体组织”，作业模式从“人执行、AI辅助”转向“人监督、AI执行”。这两个转变并非凭空发生，也难以毕其功于一役，而是银行持续面向客户、围绕需求，将AI能力持续迭代融入“工具”与“流程”，直至实现“人机”协同共生。

图1：AI转型的三个阶段

资料来源：毕马威分析

（1）“传统自动化”转向 “智能体型组织”

“传统自动化”作业模式遵循着“如果A则B”的规则驱动逻辑，在银行实践中适用于替代结构化、重复性的任务，但难以应对复杂场景。“智能体型组织”则实现了质的飞跃，智能体具备自主感知、动态拆解任务、跨系统编排与自我反馈的能力，不再是等待指令的工具，而是具备自主性的“硅基员工”。多智能体通过统一编排层形成协同网络，可以实现端到端的任务自治。以反欺诈为例，在智能体型组织下，多个反欺诈智能体并行计算、实时共享风险信号，秒级输出综合风险评级，并自动触发阻断或人工复核。

（2）“人执行、AI辅助”转向“人监督、AI执行”

在当下大多数银行中，一线员工仍是任务的直接执行者——客户经理录入信息、柜员处理交易、信贷审核员逐笔查证审核。“人执行、AI辅助”模式下，人力成本随业务量线性增长，更为关键的是，大量执行性工作挤占了员工本就有限的时间与精力，时间窗口的紧迫性挑战高质量决策，使员工难以投入到真正需要系统思考与专业判断的高价值环节中。

随着Agentic AI的逐步应用，AI将从辅助角色上升为执行主体，Agentic AI自动完成客户画像、产品匹配、申请材料预审、风控初筛等流程，员工不再埋头于流程执行，而是站在更高维度进行监督、审核与决策，员工的核心能力也从“如何操作工具”转向“如何管理智能系统”，业务量与时间不再成为刚性负担，人与机器的分工关系亦得到重构。

未来人才的三种角色

当未来银行的组织形态与作业模式发生转变后，一个更根本的问题随之浮现：未来在这样的组织中，人还需要做什么？或者说，当Agentic AI承担了越来越多的执行性任务，银行的人才体系应该如何重构？

银行的岗位设计、人才标准与协作机制应随AI能力的引入而同步演进，有研究提出一个以AI取代传统管理协调功能的组织模型，该模型将未来人才描述为 三种核心角色3：

独立贡献者（Individual Contributor, IC）：各自领域的专家，专注深度创造；

直接负责人（Directly Responsible Individual, DRI）：任务指挥官，对客户结果负责；

球员教练（Player-Coach）：既要亲自下场干活，也要负责培养团队。

这三者映射到具体的银行场景中（如图2），可以重新定义银行未来的人才体系，将AI从外部工具内化为组织智能与韧性的核心。

图2：未来银行的三种核心角色

资料来源：毕马威分析

二、重塑当下，边破边立——银行AI转型的破局方向

当前，银行AI转型面临三大核心制约：容错率极低（金融决策失误代价高昂）、安全要求极高（监管合规与数据安全不可妥协）、业务规模庞大且复杂（系统林立、数据分散、流程冗长）。受此约束，银行无法像科技企业一样一步迈入“人机共生的智能体型组织”这一终极形态；因此须立足当下，从最紧迫、最可行的方向切入，以终极目标为牵引，系统性地构建AI转型能力。

以某位于美国的领先数字化银行4为例，该行与Open AI合作，围绕着客户旅程重构贷款业务、存款业务和支付业务三大核心业务线，银行高层展现出清晰的战略判断。同时，Open AI技术团队直接与银行合作，为该行开发定制化的AI能力，目前已有约75%的银行员工使用Open AI工具，这一高渗透率的背后，也伴随着系统性的培训赋能与岗位职责的持续调整。该银行的实践表明，目前银行AI转型的破局并非依赖某个单一技术突破，而是 领导力引领、 作业模式重构、 人才培养进化三个维度协同推进的结果，这些要素相互关联，互为支撑，共同铺就银行在现实约束下的AI转型路径。

领导力：行业愿景引领，积极驱动组织转型

相关研究指出，AI最重要的决策已不再是技术选择，而是关乎雄心、风险容忍度、资本配置和劳动力设计，这些都必须由最高领导层来界定。AI转型的成败，很大程度上取决于领导者能否发挥关键作用，能否在方向上积极引领，在行动上凝聚全员，在实践中取得成效，深究其原因，主要有以下几个方面：

定调文化。AI转型始于文化重塑，领导者通过躬身示范，可以将AI从“自下而上的零散试验”转变为“自上而下的战略聚焦”，通过利益与价值观的对齐，消除不同职能、不同层级员工的恐惧与抵触，最终让AI从少数人的边缘实验，和不得不做的政治正确，走向组织效能发挥与价值提升。

建立愿景。为了避免AI转型“盲目跟风”或“试点空转”，需要领导者基于当前银行的业务痛点与未来发展趋势，清醒把握技术能力的边界，重新定义产品与服务，重构业务作业流程，重新校准市场环境中的核心竞争力，找寻未来银行AI发展指明方向，提供锚点。

把握节奏。AI的转型成功不仅要取决于文化的倡导与愿景的清晰，更依赖于领导者对关键资源的配备和变革节奏的把握。领导者需要为AI转型配置算力、预算与试验空间，同时组建中心化赋能团队、为受冲击岗位设计过渡方案，以此确保转型能够稳步落地。

作业模式驱动人才、激励、岗位变化——以“面向对象、围绕需求”为中心

传统银行以产品或部门为中心，客户需求往往需要跨越多个系统与部门才能满足，而AI的快速执行与迭代能力，使产品、服务的研发与交付得以缩短中间环节，实现“端到端”快速循环。因此，作业模式也将“面向对象、围绕需求”展开重构——即以客户价值为最终导向，以满足客户需求为目标，打破部门壁垒，重新设计工作方式。AI的赋能方向应始终指向客户价值提升，而非仅服务于内部效率。与之配套的人才能力需求、绩效与激励、岗位和职责，亦需相应变革。

（1）更新人才能力要求，明确“新质人才画像”

在作业模式重构的驱动下，人才的培养不再仅仅是技能层面的“升级”，而是整个人才池的专业及AI素养，以及个体人才认知模式与能力结构的“进化”。银行应明确人才选拔与培养的重点：员工需熟练掌握AI工具的操作与结果解读，能够对AI生成的内容进行批判性审视与修正；模型治理与风险控制能力成为中后台员工的基本功，在业务循环中判断AI输出的合理性，建立“人类监督”的闭环；同时，“面向对象”的系统思维取代了固守部门边界的线性思维，员工需要理解整个客户价值流，从全局视角优化端到端的客户体验。

（2）重新定义岗位，从“流程执行者”到“决策监督者”

当AI承担了大量标准化、重复性任务后，银行必须主动重新设计岗位职责，清晰定义新流程“人机协作”模式下岗位的新职责、履职标准与操作要求，将为员工提供行动指引。例如，客户经理转向高价值客户经营与复杂需求诊断、信贷审批岗转为边缘样本复核与AI模型定期校准、运营操作岗转型为异常处理专员，负责监控智能体运行状态并处理业务断点。同时发布岗位重塑路线图，明确岗位在未来的职责变化与管理层期望，并配套相应的转岗培训与过渡方案，使得银行员工从流程中的一个“操作节点”升级为整个业务价值链的“监督者”与“决策者”。

（3）重构考核激励体系，从“按劳分配”转向“按价值、按贡献分配”

在“人机协作”日趋主流，人机比例不断调整的背景下，考核激励体系需统筹考虑AI与人工的贡献，并以真实的产出与价值为目标。对于AI，虽然有调用量、Token消耗量等应用指标，以及模型表现的技术测评指标，但侧重点皆为模型本身，并未从组织价值贡献角度进行评价。对于人类员工，随着岗位职能从“操作与执行”转向“监督与决策”，传统的基于工作量和操作准确率的绩效考核与薪酬体系将逐渐失效，银行需要调整薪酬逻辑，重塑考核指标。例如淡化“拨打电话数”、“录入客户数”等过程指标，聚焦于客户终身价值、综合解决方案的落地成效与客户满意度；引入“人机协同”能力因子，将员工利用AI工具提升决策质量、优化提示词获取更优分析结果的能力纳入薪酬评估5。

人才培养——从技能升级到能力进化

“新质人才画像”明确了“银行需要什么样的人”，但“需要”不等于“拥有”，如果员工的思维模式、能力结构与工作方式未能同步进化，再清晰的岗位画像和薪酬导向也无法落地，AI转型依然会折戟在“最后一公里”。因此，人才培养同样是AI转型战略的核心组成部分，它需要从零散的技能培训，升级为面向当下的能力重塑与面向未来的人才能力重塑与人才梯队重构。

（1）面向当下：如何提升员工的AI素养与贡献力

提升员工AI素养，实行“分层培训+AI导师”双轮驱动学习的机制。银行可以借鉴某全球领先的综合性金融集团6的分层人才培养策略，构建系统化学习机制：基础层面向全员普及AI基本概念与工具使用、专业层面向技术骨干提供提示工程和智能体开发等专项培训、领导层聚焦AI如何重构业务与组织；同时为不同层级、不同岗位的员工配备专属AI导师，AI导师能够根据员工的学习进度、岗位需求和业务场景，提供个性化的练习题目、实时反馈与错题解析，打造智能化学习陪练体系，将传统培训效率大幅提升。

构建实战牵引的竞赛机制，驱动员工能力跃升。银行可建立常态化的AI竞赛机制：一是围绕业务痛点设置内部赛题，鼓励跨部门组队参赛并将优秀方案转化为生产应用；二是积极参与行业AI赛事，通过与同业、科技公司的同台竞技，拓宽视野、检验水平；三是将竞赛题目纳入培训课程，在培训和创新竞赛中试点Token激励，逐步形成“学习—应用—贡献”的正向循环。

重塑职业路径，协调组织与员工利益。银行应当正视在AI转型发展过程中某些岗位会被替代的现实，重新梳理人才结构，定义工作岗位，明确不同岗位的能力资质要求、AI能力水平要求、岗位的职业发展路径等。同时，需主动与员工沟通转型挑战与组织期望，将AI发展目标、员工发展目标与组织价值目标协调统一，让组织中的“人机”发挥合力。

（2）面向未来：如何为深度转型储备人才资源

不断调整人才结构，适配组织发展阶段和作业模式。银行需在“工具化”到“流程再造”再到“新作业范式”的不同转型阶段，动态调整人才“量”与“质”的配置。同时，前瞻性地布局AI智能体产品经理、AI安全工程师等新兴岗位，使人才结构与未来的作业模式、组织形态始终保持匹配。例如某全球领先的综合性金融集团6主动定义提示词工程师、上下文工程师等岗位，系统性地重构人才结构与工作方式，为下一阶段的组织进化提前布局。

三、结语

AI对银行业的影响，既不是遥远未来的科幻叙事，也不是短期效率工具的简单叠加，而从决策模式、组织形态到人员能力的系统性重构。驱动变革既是科学也是艺术，银行唯有立足现实约束，从领导力引领、岗位重塑、考核激励、分层培训、人才梯队等可落地变革入手，才能在AI时代赢得长期竞争力。

注释：

[1] 《进化与重构：数字化时代银行组织架构变革》，毕马威。

[2] 《企业AI转型困局：旧架构难以适配新工具》，微信公众号CIO之家。

[3] 《From Hierarchy to Intelligence》，Jack Dorsey, Roelof Botha

[4] 该银行是一家位于美国的专注于为商业与个人客户提供技术驱动型银行服务的数字领先银行。

[5] 《商业银行AI应用趋势与落地模式研究》，毕马威

[6] 该集团是一家总部位于纽约的全球领先综性金融集团，业务涵盖投资银行、商业银行、资产管理和财富管理等领域。

本文内容仅供一般参考用，并非针对任何个人或团体的个别或特定情况而提供。虽然我们已致力提供准确和及时的资料，但我们不能保证这些资料在阁下收取时或日后仍然准确。任何人士不应在没有详细考虑相关的情况及获取适当的专业意见下依据所载内容行事。本文所有提供的内容均不应被视为正式的审计、会计或法律建议。

©2026毕马威华振会计师事务所（特殊普通合伙）、毕马威企业咨询（中国）有限公司及毕马威会计师事务所，均是与毕马威国际有限公司（英国私营担保有限公司）相关联的独立成员所全球组织中的成员。毕马威国际及其关联实体不提供任何客户服务。各成员所均为各自独立的法律主体，其对自身描述亦是如此。毕马威华振会计师事务所（特殊普通合伙）——中国合伙制会计师事务所；毕马威企业咨询（中国）有限公司——中国有限责任公司；毕马威会计师事务所——香港合伙制事务所。版权所有，不得转载。毕马威的名称和标识均属于毕马威国际的商标或注册商标。