华尔街AI招聘从“造模型”转向“部署落地”，新型工程师成最抢手人才
人工智能正在华尔街掀起新一轮人才争夺战，而这场争夺的焦点已从模型构建者转向能够将AI直接嵌入业务的复合型工程师。
10月4日，据企业招聘数据公司Draup独家提供给CNBC的分析显示，今年摩根大通、花旗集团、Capital One等银行发布的AI相关职位同比激增49%，达到139,819个。
其中，“Agent编排工程师”（agent orchestration）相关职位引用量今年暴增1,721%，成为金融业当下最炙手可热的职业之一。
这一趋势表明，华尔街正加速从聊天机器人阶段迈向由多个AI智能体协同处理大量业务的下一阶段，对银行的员工结构、管理层战略和股东回报预期均产生深远影响。
生成式AI相关岗位的薪酬也明显高于金融业其他技术职位，生成式AI经理的基本薪资中位数约为19万美元。
“Agent编排”成最热技能，需求爆发式增长
Draup通过抓取领英等平台公开招聘信息进行分析。数据显示，涉及“Agent编排工程师”的职位引用量今年跳升1,721%。
所谓Agent编排，是指设计多个AI智能体协同完成任务的能力。例如，一个智能体负责审查原始数据，另一个分析文件，第三个核查合规性，三者协同运作。
Draup首席执行官Vijay Swaminathan在接受采访时表示：
这可以说是华尔街当前最热门的技能，这是巨大的机遇。银行需要既懂数据、又懂AI，还清楚如何落地应用的人。
这一需求背后，是银行机构推动AI真正落地业务线的迫切意图。为兑现AI在提升生产效率、自动化重复性工作方面的承诺，各大银行正加快布局由AI智能体承担更多劳动力的未来图景。
新兴角色崛起：前沿部署工程师成关键岗位
本轮招聘浪潮已明显超越早期以模型构建为主的工程师和数据科学家范畴，向“前沿部署工程师”（forward-deployed engineers）延伸。这类人才的核心职责是将AI直接嵌入交易台、合规部门及后台运营等具体业务场景。
Vijay Swaminathan指出，这类岗位要求兼具技术能力与特定业务领域的专业知识，从交易台到后台运营乃至人力资源均有涉及，且任务复杂度远超预期。
Vijay Swaminathan强调：
企业内部存在大量复杂性，有些显而易见，但很多是隐性的。即便是自动化一个简单流程，也需要花费大量时间。
他以员工休假申请的自动审批为例说明：仅这一场景便会衍生出大量边缘情况和特殊例外。
智能体编排技能与前沿部署工程师的工作高度契合，因为后者需要判断哪些智能体是必要的、各自承担什么职能、采用何种技术，并确定何时需要人工介入监督。
与智能体构建相关的底层技术工具需求同样大幅增长。据Draup数据：
- 用于构建多步骤工作流框架的LangGraph引用量跳升679%；
- 帮助AI应用连接数据源的LlamaIndex引用量上涨291%；
- 用于向AI模型输入企业数据库信息的检索增强生成技术（RAG）引用量攀升259%。
与此同时，软性技能的重要性也在上升。Vijay Swaminathan表示，Draup的分析显示，业界对解决问题、创造力、提出深层问题的能力以及对流程的深度理解等软性能力的关注正在重新强化。
AI治理需求激增，相关职位引用量已超模型训练
随着AI系统在金融机构中的部署加深，围绕风险管控与合规治理的岗位需求同步爆发，且增速不亚于技术开发类职位。
Draup数据显示，今年职位发布中涉及“负责任AI”（responsible AI）的引用量激增657%，AI治理和风险管理相关引用量分别跳升394%和359%。
治理类技能的职位引用总量目前已超过16,000条，几乎是模型训练、部署和运维相关约8,400条引用量的两倍。
Vijay Swaminathan表示，安全团队当前的重点之一是防止第三方工具或外部模型接入产生系统性安全漏洞。Vijay Swaminathan说：
确保我们在这些产品中使用的第三方工具不会在网络安全层面'失控'，是目前的重要关注点。
薪酬高企但人才缺口持续，银行押注内部再培训
尽管薪酬颇具吸引力，生成式AI经理基本薪资中位数约为19万美元，高于金融业其他技术岗位，但填补这些专业化职位仍面临挑战。
Vijay Swaminathan表示，为弥合人才缺口，各大银行正大力推进内部再培训项目，对现有开发人员和业务专家进行系统性技能升级。
这一AI建设浪潮本身也将产生连锁效应。摩根大通首席执行官杰米·戴蒙曾多次提及AI接管更多工作后的“大规模人员再部署计划”。
Vijay Swaminathan对此持相对乐观态度：
我认为，只要我们在正确的技术能力基础上优先培养软性技能，人们就能够适应和学习。对合适的人才而言，这是一个非常令人兴奋的时代。
