文|新浪财经 陈秀颖

　　人工智能快速进入金融与商业场景后 ，未来十年金融行业最稀缺的能力是什么？上海交大高金MBA项目执行主任、专硕中心主任 、高金金融研究院助理院长倪海英博士在与新浪财经对话时表示
，答案并非简单掌握某一款大模型，而是清楚理解人与人工智能的关系 ，并知道如何把AI嵌入真实工作流程 。

　　“对于年轻人而言，最重要的是知道AI和自己的关系
。 ”倪海英表示 ，在ChatGPT等生成式AI产品出现以前
，人工智能距离普通商科学生的学习和工作较远，使用成本也较高。随着大模型加速普及 ，AI不再只是信息技术部门的工具，而开始影响研究
、分析、营销 、客户服务和资产配置等多个环节 。

　　但使用频率高
，并不等于真正具备AI能力
。倪海英认为，如果只是把大模型当作问答工具 ，仍停留在较浅层次。更深入的使用方式
，是将个人经验
、专业知识、思维方式以及对业务的理解沉淀为可复用的“技能
”，再通过智能体与AI持续协作 。换言之 ，人需要把AI训练成能够共同完成任务的“同事”
，同时明确它在业务流程中适合出现的位置
。

　　倪海英表示，这一思路也体现在高金MBA的培养实践中。面向AI时代 ，高金MBA升级为“数智全球MBA ”
，定位培养能够链接科技 、产业与资本的“产业架构师
” 。通过AI4U
、AI4Leader等递进式训练，学生从真实业务问题出发搭建智能体 ，并进一步回到财务分析、证券估值和公司治理等专业框架中检验AI输出。同时倪海英强调
，做出智能体Demo只是起点，更重要的是培养学生的独立判断 、跨界整合能力 ，并将判断转化为行动
。

　　同时，她认为这一变化也对专业硕士教育提出了新要求。传统全日制学生缺少完整商业经验
，实习往往难以接触企业核心信息和关键决策 。针对在职金融硕士，高金尝试让学生带着企业真实项目进入课堂 ，以项目成果转化为导向开展训练
。学生不仅要理解宏观政策、行业规则和企业场景
，还要识别客户需求
、设计金融解决方案，并借助智能体快速完成方案展示、估值模型及交互式页面。

　　倪海英将这类人才概括为“前沿部署工程师”：既能理解商业和金融 ，也能像工程师一样找到方案
，并在一线完成部署 。为实现这一目标，课程建设不能局限在单一学院内部 ，而需要金融 、计算机
、人工智能等学科协同
，让学生同时具备商业判断、金融视角 、技术应用和落地能力
。

　　大模型的普及也在抬高学术研究和职业工作的基础门槛。倪海英指出，通用模型已经能够快速生成结构完整的报告 ，但公开数据和通用知识难以替代企业内部信息与专业判断 。一份材料看似全面
，真正熟悉行业的人仍能识别其中是否空洞
。学生因此更需要掌握经过长期验证的经典理论和分析框架，以此判断模型输出的质量 ，而不是被形式完整的答案牵着走。

　　面对“AI是否会替代岗位 ”的讨论，倪海英认为
，更准确的变化是工作职能被重新拆分 。单一
、标准化的任务更容易被技术承接，人的工作则会加速跨越原有专业边界
。以程序员为例 ，未来不仅要写代码
，还需要理解市场、客户和产品；金融人才也不能只会搭模型，而要理解产业 、国际规则
、风险管理及企业长期价值。

　　持续学习因此变得更加重要 ，但选择学什么、到哪里学同样关键 。倪海英认为
，AI时代的商科教育既要回应技术变化，也不能忽视金融 、人文和伦理训练。商业的意义 ，在于推动技术价值被市场验证并实现规模化复用；金融视角则帮助管理者从投资者
、股东和社会的角度理解决策
。与此同时
，面对算法、隐私和未成年人使用科技等问题，人也需要保持边界感与判断力。

　　在她看来 ，商科教育正经历一个新的拐点 。科技企业从“0到1
”走向“1到100”
，以及企业出海 、跨境融资和大宗商品风险管理等现实需求，都在催生兼具产业理解、金融能力与国际视野的复合型人才
。AI会替代部分职能 ，也会创造新的岗位。高校真正需要回答的，不是如何让学生回避变化
，而是如何帮助他们形成驾驭技术
、跨界协作并持续学习的能力 。