金融人必备：收藏！33岁零代码转行AI，3个月上岸中信证券35K经验分享

bug樱樱

135人浏览 · 2026-10-07 14:19:54

bug樱樱 · 2026-10-07 14:19:54 发布

本文分享了一位拥有6年金融经验的金融人的AI转型成功案例。文章核心内容为：AI时代，金融经验是宝贵资产，转型AI无需从零开始，关键在于将金融业务与AI应用能力相结合。通过明确AI在金融场景中的应用方向，并围绕金融业务痛点进行项目实践，成功实现从传统金融岗位到AI金融岗位的转型。最终，该金融人凭借深厚的行业积累和AI应用能力，成功获得中信证券相关岗位的Offer，月薪35K。文章强调，金融背景人士在AI时代不必被淘汰，而是应该利用自身经验，结合AI技术，成为复合型人才。

这是我的转型案例手记

你的行业经验，是 AI 时代最贵的资产

先交代她的情况：

33 岁，本科读的金融，毕业后没换过赛道，一直待在金融行业，到今年，经验攒了 6 年多。

刚入行那几年，她给自己规划的路线很简单：金融是卷，但业务能力只要一直在涨，位置总能往上走。

前几年也确实如她所料。

数据分析干过，业务支持干过，行业资料、项目推进，也都全程参与过。行业流程和业务逻辑，她摸得比较透。

变化出在 30 岁之后。

她越来越清楚地感觉到，传统金融岗的竞争规则变了。

早些年拼的是经验和专业。这几年，AI 大批量涌进金融行业：智能投研、AI 风控、金融知识库、智能客服、自动化分析，这些方向，机构在一个一个地立项。

更扎心的信号来自身边——一些年轻同事，已经开始拿 AI 整理资料、跑数据了。

她头一回认真琢磨了一个问题：经验还在手里，但只靠原来那套干法，竞争力是不是正在悄悄贬值？

带着这个问题，她来找我。

一、转 AI，不等于换个职业

她心里最没底的一句话是：“我一个金融出身、没碰过代码的人，现在学 AI，还来得及吗？”

这个念头，在金融圈太常见了——AI 是技术人的地盘，外人想进非常难：编程、算法，一样不能少。

我的判断正好相反。

金融机构不缺会造模型的人，缺的是两头都沾的人：一头懂金融业务，一头知道 AI 能拿捏什么实际问题。

所以她的路线不是清零重来，而是站在 6年多金融的底子上，往上加一层 AI 应用能力。

从动手到上岸，前后 3 个月。

二、先定方向，不着急学 Python（2 周）

一开始她也把路走岔了。

在她的想象里，转 AI 的第一步，当然是把 Python 学起来、把大模型原理啃下来、把机器学习过一遍。

课程收藏了一堆，技术内容学了不少，结果越学越虚——每天接触的东西都在更新，但没有一样能跟岗位要求对上号。

所以头两周，我先把她的技术学习摁了暂停，改做一件事：盘点金融业务里，哪些环节能跟 AI 结合起来。

把她 6年干过的活摊开看：行业资料整理、企业信息分析、市场数据处理、研报辅助、风险信息筛查。

这些活看着不起眼，扒开一看，干的全是和信息打交道的事，量还特别大。

而大模型最拿手的三件事——知识整理、信息分析、内容生成——刚好全砸在她的经验范围里。

想通这一层，她的心态就变了。

跟计算机专业的人拼代码，是打别人的主场。她要打的，是自己的主场：用 AI 把金融业务的效率提上来。

三、把项目做在金融场景里（1 个多月）

方向定了，第二阶段，直接上手做项目。

原因很简单：企业招 AI 岗位，桌上摆的不是技术名词考试，而是"你到底拿它解决过什么真问题"。

选的题目，是金融知识库 + AI 助手。

业务需求怎么定、资料怎么梳理、知识库怎么搭、RAG 方案怎么设计、Prompt 怎么调、输出质量怎么评——整条链，她从头到尾走了一遍。

RAG、Embedding、向量数据库，这些词刚进耳朵的时候，她也是一头雾水。

但项目真跑起来，她发现做 AI 产品，重点根本不在会用几个工具。

真正要回答的，是这么几道题：

金融场景为什么非要一个知识库？

大模型直接张口就答，行不行？

AI 吐出来的内容，怎么保证可靠、可信？

怎么让它嵌进金融业务流程，而不是飘在外面？

这几道题，没有一道是纯技术题，全是金融业务题。

系统，技术同学搭得出来，但金融行业的业务规则、风险红线、用户到底要什么，他们根本不知道

而她这这些年的行业积累，恰好是其他候选人短期内补不上的那一块。

四、把金融经验翻译过去（1 个月）

最后一个阶段，一个月，全押在求职上。

传统行业转 AI 的人，最常见的卡点：能力其实够，输的是不会讲自己的价值。

她原来的简历，通篇是金融业务履历：数据分析、业务支持、行业资料、项目落地，一条不落，单看每一条，都没毛病。

但直接拿去投 AI 岗位，招聘方的第一印象很容易变成：一个刚摸了几天 AI 的传统金融人。

所以职业定位得重做一遍。

旧说法：“金融专业出身，想往 AI 转。”

新说法：“多年金融业务功底，叠加 AI 应用能力，能针对金融场景落地智能化方案。”

这一步非常关键。金融经验不是包袱，不用扔——它是敲门砖，还是最响的那一块。

进了面试，她压根不跟技术背景的人拼算法，只讲三件事：金融业务我懂，行业痛点我清楚，AI 怎么落地我知道。

而这，恰恰是很多企业最难招到的复合型人才画像。

五、结果：中信证券，35K

3 个月走完，开始投简历。

说不焦虑是假的。33岁，非科班，没有互联网大厂 AI 项目经历，每一条单拎出来都是劣势。

但一路面下来她发现，考官真正想聊的，很少是技术细节。

你理不理解金融业务？你能不能圈出 AI 值得落地的场景？你知不知道怎么把 AI 能力换算成业务价值？

这三问，标准答案不在教程里，在她那 6年里。

最终，中信证券相关岗位的 Offer 落到了她手里，月薪 35K。

Offer 签回来的那天，她跟我说：

“以前我一直觉得金融背景拖了后腿，后来才想明白，那些年的积累，才是我转 AI 最硬的底牌。”

这也是我想跟所有金融背景朋友说的一句实话。

AI 来了，金融人不必把自己清零，去啃一套八竿子打不着的新东西。更聪明的走法，是站在原来的专业底子上，往上再搭一层 AI。

往后金融机构挑人，光懂金融不够，光懂技术也不够。他们要的，是把金融业务、AI 能力、产品落地捏到一起的人。

如果你的背景也是金融、证券、银行、财务、经济这一挂的，别因为不会写代码，就把 AI 划到自己的射程之外。

你手里的行业经验，就是迈进 AI 金融大门的那张门票。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】