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。