【核心提要】 华尔街银行机构相关岗位需求激增，今年AI相关职位发布量同比增长49%。 “智能体编排（Agent Orchestration）”成为最热门技能，标志着金融机构正从简单的聊天机器人转向复杂的自动化工作流。 为应对人才短缺及合规要求，银行正加大对“负责任的AI”治理以及内部员工再培训的投入。 【正文报道】 在人工智能（AI）真正取代华尔街职位的之前，它正在创造大量的岗位。根据企业招聘数据分析机构Draup提供的最新数据，包括摩根大通（JPMorgan Chase）、花旗集团（Citigroup）和第一资本（Capital One）在内的银行机构，今年相关AI岗位的发布数量大幅增长49%，达到139,819个。 值得注意的是，这一波招聘浪潮中，技术需求正从单纯的模型构建转向更复杂的“智能体编排”（Agent Orchestration）。根据Draup通过LinkedIn等平台收集的数据显示，涉及设计多个协同工作的AI智能体的相关技能要求在今年飙升了1,721%。Draup首席执行官Vijay Swaminathan指出，这是目前华尔街最热门的技能之一。银行不再满足于简单的聊天机器人，而是致力于构建能够处理复杂任务、具备高度自动化能力的“智能体集群”。 这种转变意味着金融机构正进入AI战略的新阶段。早期的招聘重点是工程师和数据科学家，旨在建立模型或适配企业数据；而现在的重心转向了能够将AI直接嵌入业务线的专业人才。这些职位的从业者通常被称为“前线部署工程师”（Forward-deployed engineers），他们不仅需要具备扎实的技术能力，还必须深刻理解特定业务领域（如交易柜台、后台运营或人力资源）的复杂逻辑。 除了核心架构外，相关的技术栈需求也显著增加。数据显示，用于构建多步骤工作流的框架LangGraph相关提及量增长了679%，旨在连接AI应用与数据的LlamaIndex增长了291%，而检索增强生成（RAG）技术的引用量也上升了259%。与此同时，银行对“软技能”的需求也在回升，包括解决复杂问题的能力、创造力以及在深入理解业务流程时敢于提出尖锐问题的果敢。 随着AI深度融入金融核心系统，安全与合规成为了重中之重。相关研究显示，涉及“负责任的AI”（Responsible AI）的职位需求飙升了657%，而关于AI治理和风险管理的岗位提及量分别增长了394%和359%。由于金融机构高度依赖第三方工具，确保系统不因外部连接产生安全漏洞是当前的核心任务。目前，与治理相关的技能引用量已超过1.6万次，几乎是模型训练与部署相关职位的两倍。 尽管具备这些专业技能的岗位薪资水平较高（生成式AI经理的平均底薪约为19万美元），但人才短缺依然是行业痛点。为了填补这一缺口，摩根大通等大型银行正大力推行内部再培训计划，旨在培养现有开发人员和领域专家掌握相关技术。正如Draup首席执行官所言，随着AI接管更多重复性工作，通过将软技能与核心技术相结合，员工将能够更好地适应并在这一充满机遇的时代中脱颖而出。 【背景链接：】 Agent Orchestration（智能体编排）： 指设计、管理和协调多个具有特定功能的AI Agent协同完成复杂任务的过程。 RAG（检索增强生成）： 一种通过从外部数据库检索相关信息来辅助大模型生成准确回答的技术，是目前金融机构落地AI的首选技术路径之一。 【小编观点】 华尔街的这一动向清晰地揭示了企业级AI应用的演进逻辑：从“炫技”转向“实干”。过去市场关注的是模型参数有多大，现在银行更关心如何通过“智能体编押”来处理复杂的合规检查、数据清洗和流程审批。这种从技术驱动到业务深度融合的转变，预示着金融科技（FinTech）正进入一个更加务实且强调安全治理的深水区。
【核心提要】
【正文报道】
在人工智能（AI）真正取代华尔街职位的之前，它正在创造大量的岗位。根据企业招聘数据分析机构Draup提供的最新数据，包括摩根大通（JPMorgan Chase）、花旗集团（Citigroup）和第一资本（Capital One）在内的银行机构，今年相关AI岗位的发布数量大幅增长49%，达到139,819个。
值得注意的是，这一波招聘浪潮中，技术需求正从单纯的模型构建转向更复杂的“智能体编排”（Agent Orchestration）。根据Draup通过LinkedIn等平台收集的数据显示，涉及设计多个协同工作的AI智能体的相关技能要求在今年飙升了1,721%。Draup首席执行官Vijay Swaminathan指出，这是目前华尔街最热门的技能之一。银行不再满足于简单的聊天机器人，而是致力于构建能够处理复杂任务、具备高度自动化能力的“智能体集群”。
这种转变意味着金融机构正进入AI战略的新阶段。早期的招聘重点是工程师和数据科学家，旨在建立模型或适配企业数据；而现在的重心转向了能够将AI直接嵌入业务线的专业人才。这些职位的从业者通常被称为“前线部署工程师”（Forward-deployed engineers），他们不仅需要具备扎实的技术能力，还必须深刻理解特定业务领域（如交易柜台、后台运营或人力资源）的复杂逻辑。
除了核心架构外，相关的技术栈需求也显著增加。数据显示，用于构建多步骤工作流的框架LangGraph相关提及量增长了679%，旨在连接AI应用与数据的LlamaIndex增长了291%，而检索增强生成（RAG）技术的引用量也上升了259%。与此同时，银行对“软技能”的需求也在回升，包括解决复杂问题的能力、创造力以及在深入理解业务流程时敢于提出尖锐问题的果敢。
随着AI深度融入金融核心系统，安全与合规成为了重中之重。相关研究显示，涉及“负责任的AI”（Responsible AI）的职位需求飙升了657%，而关于AI治理和风险管理的岗位提及量分别增长了394%和359%。由于金融机构高度依赖第三方工具，确保系统不因外部连接产生安全漏洞是当前的核心任务。目前，与治理相关的技能引用量已超过1.6万次，几乎是模型训练与部署相关职位的两倍。
尽管具备这些专业技能的岗位薪资水平较高（生成式AI经理的平均底薪约为19万美元），但人才短缺依然是行业痛点。为了填补这一缺口，摩根大通等大型银行正大力推行内部再培训计划，旨在培养现有开发人员和领域专家掌握相关技术。正如Draup首席执行官所言，随着AI接管更多重复性工作，通过将软技能与核心技术相结合，员工将能够更好地适应并在这一充满机遇的时代中脱颖而出。
【背景链接：】
【小编观点】
华尔街的这一动向清晰地揭示了企业级AI应用的演进逻辑：从“炫技”转向“实干”。过去市场关注的是模型参数有多大，现在银行更关心如何通过“智能体编押”来处理复杂的合规检查、数据清洗和流程审批。这种从技术驱动到业务深度融合的转变，预示着金融科技（FinTech）正进入一个更加务实且强调安全治理的深水区。