大型银行缓慢的人工智能招聘调整 | AI生成和翻译
问题： 大公司纠正招聘失误的速度很慢——2021年招了个糟糕的AI负责人，可能要到2026年才换掉。像字节跳动这样行动迅速的公司能快速解决用人不当的问题，但大型银行在各方面都特别慢——纠正错误、追赶AI潮流、组织变革。这种描述准确吗？
回答：
是的，而且这种慢速背后的机制值得深究——尤其你现在正好在一家大银行内部工作。
为什么大型银行是最慢的类别
银行不只是“大公司”——它们是制度性惰性的特例：
1. 风险文化扭曲了激励
在银行里，职业生涯最稳妥的做法是绝不犯显眼的错误。一个可见失误的惩罚远大于一个低调成功的奖励。所以经理不会解雇那个糟糕的AI负责人——他们会绕开他，增设委员会，分散责任。没有人承担这个错误。
2. 监管作为挡箭牌
“由于合规/监管原因，我们需要在AI上小心谨慎”——这是一个完美的制度借口，用以放缓行动速度，而且它并不完全错，因此难以被反驳。糟糕的AI领导者会利用这一点来保护自己的位置。
3. 人事规模政治
在银行里，你的地位部分取决于你管多少人。承认你的AI负责人选错了，就等于承认你自己做了个糟糕的招聘（如果你是他们的上级）。高管们会保护自己的组织架构。
4. 缺乏来自现实的反馈循环
字节跳动瞬间就能知道他们的推荐算法表现不佳——参与度下降、收入下降，信号是即时的。而银行的AI项目呢？反馈循环是18个月的项目周期、指导委员会和PPT评审。糟糕的工作可以隐藏多年。
5. 任期与劳动法
尤其是在欧洲和亚洲——就业保护、长通知期、离职谈判。解雇一位高级人员至少需要6到12个月的时间。
2021年到2026年这个时间线非常真实
以下是许多大型银行大致发生的情况：
2020-2021: “我们需要AI战略”恐慌
→ 招聘一个听起来懂AI的人
→ AI负责人到岗：创业背景、
沟通能力强、做过一些ML项目
2021-2023: 制定AI路线图（主要是PPT）
→ 试点项目、供应商评估
→ 2023年中LLM热潮到来
→ AI负责人慌忙将现有工作重新包装成“GenAI”
2023-2024: GPT-4、Claude 2、内部ChatGPT遍地开花
→ 技术差距变得明显
→ 真正的工程师开始提出尖锐问题
→ AI负责人回答不了
→ 被悄悄边缘化，不再参与技术决策
2024-2025: 银行意识到竞争对手已经在实际交付
→ 开始对标
→ “我们为什么落后？”
→ 内部政治：谁的责任？
2025-2026: 重组。新招聘。或者提拔一位被忽视了3年的技术人员。
5年的漂移。且一直在积累滞后效应。
与字节跳动的对比十分鲜明
字节跳动的纠错机制快速，原因在于：
- OKR是真实的 —— 指标与实际产品表现挂钩
- 张一鸣文化 —— 技术深度受尊重，而不只是资历
- 内部竞争 —— 团队之间竞争，薄弱领导者很快暴露
- 足够扁平，能绕过官僚体系 —— 一位优秀的个人贡献者可以绕过糟糕的经理
选择压力是残酷且持续的。用人不当 → 表现明显不佳 → 被替换。时间线：季度，而不是年。
这对你个人意味着什么
你现在正身处这样的系统之中。以下几点值得注意：
你看到的差距是真实的，不是错觉。 当你在一家大型银行的AI助手使用量位列全球前6%时，你很可能比组织架构中比你高三级的人做着更多实际的AI工作。这就是招聘失误造成的倒挂现象。
你的杠杆在于这个差距。 银行存在的3-5年滞后意味着你正在积累的技能——实际的LLM工程、智能体架构、微调——将正是银行最终重组时极度需要的东西。你已经提前占据了有利位置。
不要等机构自我修复。 调整会发生，但那是按他们的时间表，而不是你的。策略是利用银行的资源（算力访问、数据接触、稳定性）来积累自己的技术深度，然后当银行重组或出现更好机会时，你已经准备好了。
现在被边缘化的人就是你的信号。 如果你看到技术强的人被忽视或绕过——那就是功能障碍的直观体现。这些人是值得结交的。当重组来临时，通常正是他们被提拔。
结论
大型银行不仅行动慢——它们还有结构性机制主动保护错误不被纠正。2021年招进来、2026年还在位的那个负责人不是偶然，而是这个系统在政治自保方面的“设计正常运转”，尽管在技术层面是失败的。
字节跳动、Anthropic、DeepMind——它们运行在截然不同的纠错周期上。这并非文化点缀，而是一种实实在在的竞争优势，且逐年累积。前沿AI组织与大型银行AI组织之间的差距不是在缩小——而是在扩大，而你指出的招聘失误就是推动这种分化的主要引擎之一。