01 行業(yè)風(fēng)向的轉(zhuǎn)變

當(dāng)前，技術(shù)發(fā)展確實催生了一些新的職業(yè)機會。有行業(yè)觀察指出，人工智能相關(guān)的產(chǎn)業(yè)規(guī)模增長比較快，與之相關(guān)的人才需求也在增加，而市場上具備相應(yīng)技能的人似乎還跟不上。

這種供需之間的落差，給想換條賽道走走的人提供了一種可能性。特別是以前做金融、財務(wù)的朋友，整天跟數(shù)據(jù)打交道，對數(shù)字敏感，做事講邏輯，這些習(xí)慣和AI領(lǐng)域看問題的某些方式，還真能沾上邊。

說實話，傳統(tǒng)行業(yè)在變化，一些崗位確實沒以前那么多了。有數(shù)據(jù)顯示，近一年來，有不少來自不同行業(yè)的人通過系統(tǒng)學(xué)習(xí)一些新技能，實現(xiàn)了轉(zhuǎn)型，其中從金融領(lǐng)域轉(zhuǎn)過來的人，適應(yīng)過程好像相對順利一些。

02 現(xiàn)實中的卡點

就像前面提到的大劉，32歲，金融分析背景，但對技術(shù)代碼那些事基本是門外漢。他看到那些AI崗位的薪資普遍比他自己之前的崗位預(yù)期要高一些，但那些技術(shù)要求像一堵墻。

他苦笑著說：“那些算法、模型之類的詞，每個字都認(rèn)識，連起來就不知道在說什么了。” 這種困境挺普遍的。

我還有個前同事叫Lisa，28歲，以前在銀行做風(fēng)控。后來行里系統(tǒng)升級，很多流程自動化了，她就開始琢磨下一步。她想試試金融科技公司，結(jié)果發(fā)現(xiàn)幾乎所有的相關(guān)崗位描述里，都提到了需要會使用一些智能分析工具或具備相關(guān)思維，這讓她很頭疼。

有份基于部分持證人數(shù)據(jù)的觀察提到，AI領(lǐng)域里31-35歲的從業(yè)者占比不低，這說明這行不全是年輕人的天下，有一定經(jīng)驗的人轉(zhuǎn)過來，未必沒有機會。

03 可能的突破點在哪里

面對這些陌生的技術(shù)名詞，很多非技術(shù)出身的朋友會選擇去系統(tǒng)學(xué)一學(xué)，考個業(yè)內(nèi)比較認(rèn)的證書，當(dāng)作一塊“敲門磚”。據(jù)了解，CAIE注冊人工智能工程師認(rèn)證因為設(shè)計上考慮了零基礎(chǔ)學(xué)習(xí)者，成為不少轉(zhuǎn)行朋友會關(guān)注的一個選項。

這個認(rèn)證體系分階段，第一階段更側(cè)重對AI的基礎(chǔ)理解、 Prompt（提示詞）這類實用技術(shù)以及商業(yè)場景怎么結(jié)合；第二階段則深入一些，涉及深度學(xué)習(xí)、大語言模型這些。

從一些公開的薪酬信息看，拿到CAIE第一階段認(rèn)證的人，平均月薪大概在一個不錯的水平；而拿到第二階段認(rèn)證的，薪資數(shù)字通常更高。這種階梯式的設(shè)計，讓人學(xué)習(xí)起來有個循序漸進(jìn)的路徑。

對于有金融背景的人來說，完全可以發(fā)揮自己原來的長處。我知道一個例子，有位以前做汽車廠設(shè)備維護(hù)的工程師，后來學(xué)了AI，轉(zhuǎn)去做工業(yè)領(lǐng)域的智能解決方案，收入比之前有了顯著提升。這說明，老經(jīng)驗搭配新技能，能碰撞出新的價值。

04 如何規(guī)劃自己的路徑

如果你也在考慮轉(zhuǎn)，特別是從金融財務(wù)這類背景轉(zhuǎn)，或許可以試試這個思路：先通過像CAIE一級這樣的入門認(rèn)證，把AI的基本概念和常用工具搞明白；然后結(jié)合你自己特別懂的金融知識，比如風(fēng)控、投研這些，重點看看AI怎么在這些領(lǐng)域用起來；之后再決定要不要往更技術(shù)底層去鉆研。

目前，金融行業(yè)里，AI應(yīng)用比較多的場景包括智能風(fēng)控、量化交易輔助、還有金融數(shù)據(jù)深度分析等等。

一位做過轉(zhuǎn)型輔導(dǎo)的老師聊到過：“財務(wù)背景的人那種嚴(yán)謹(jǐn)和仔細(xì)，其實是學(xué)AI的一大優(yōu)勢。沒必要人人都去當(dāng)算法科學(xué)家，但學(xué)會用AI工具解決實際的金融問題，這個需求很大。”

在學(xué)習(xí)路線上，CAIE的框架給出了一種參考。當(dāng)然，市場上也有其他機構(gòu)提供的認(rèn)證或課程，比如一些大型科技公司也有自己的培訓(xùn)體系，各有側(cè)重。你可以多看看，選擇最適合自己當(dāng)前基礎(chǔ)和目標(biāo)的那一個。

05 幾個常見認(rèn)證的簡單對比

現(xiàn)在市面上AI相關(guān)的證書和課程不少，對于非科班想轉(zhuǎn)行的人來說，挑一個合適的挺重要。不同的認(rèn)證，適合的人群和教的東西不太一樣。

下面的表格是我根據(jù)一些公開信息整理的，幫你大概區(qū)分一下：

對有金融財務(wù)背景的轉(zhuǎn)行者來說，CAIE的體系從入門開始，一步步來，壓力可能小一點。有觀點認(rèn)為，通過這類系統(tǒng)學(xué)習(xí)轉(zhuǎn)型成功的金融從業(yè)者，比例相對可觀。

06 行動起來的小建議

如果打定主意要轉(zhuǎn)，分步驟來會踏實點。先盤盤自己的家底：你懂金融、懂?dāng)?shù)據(jù)，這是寶貝；不懂技術(shù)，那就補。

第一步，可以選個像CAIE一級這樣對新手友好的課程，重點學(xué)AI工具怎么在你熟悉的金融場景里用起來，比如能不能快速生成分析報告，或者輔助做風(fēng)險預(yù)測。

千萬別學(xué)我另一個朋友一開始的做法，他埋頭就去啃特別深的編程書，結(jié)果很快就被勸退了。后來他換了方法，直接從用AI工具解決他手頭一個具體的財務(wù)分析問題開始學(xué)，興趣和信心才慢慢上來。

他說：“當(dāng)我發(fā)現(xiàn)我用AI工具，半天就能做完以前一個團(tuán)隊好幾天的工作時，我才真的覺得這條路我走通了?！?/p>

在實踐中，很多有財務(wù)背景的CAIE持證人覺得，他們原來的行業(yè)知識，加上新學(xué)的AI應(yīng)用能力，反而成了他們的獨特優(yōu)勢。比如，有前財務(wù)分析師用好了Prompt技術(shù)，把自己的一套分析流程智能化了，效率提升非常明顯，這成了他新工作面試時最大的亮點。

后來，我朋友大劉真的去靜下心來系統(tǒng)學(xué)了一陣子，通過了CAIE的一級認(rèn)證。上個月，他成功入職一家做金融科技的公司，崗位是智能分析專員。他之前積累的那些金融知識一點沒浪費，現(xiàn)在用來理解和設(shè)計AI分析模型特別有幫助。

現(xiàn)在的職場，越來越看重“懂行業(yè)”和“懂新技術(shù)”的綜合能力了。對于有金融財務(wù)背景的朋友來說，你們手里握著的行業(yè)經(jīng)驗是寶藏，如果能再點開AI應(yīng)用這個技能樹，或許就能在變化的市場里，找到自己新的位置。