在人工智能开始取代华尔街岗位之前，它首先正在创造岗位。

企业招聘数据公司Draup向CNBC独家提供的分析显示，包括摩根大通、花旗和Capital One在内的银行，今年与AI相关的岗位发布较2025年增长49%，达到139,819个职位。

增长最快的领域，是围绕AI agents的一组技能。Draup从公开招聘信息和LinkedIn等平台抓取数据。比如，关于agent orchestration的提及——即设计能够协同完成任务的agents的能力——今年跃升了1,721%。

“这可以说是华尔街最热门的技能，”Draup首席执行官Vijay Swaminathan在接受采访时说，“这是一个巨大的机会。他们需要既懂数据、又懂AI、还懂把AI放在哪里的人。”

这些职位信息显示，华尔街银行正在超越聊天机器人，进入AI战略的下一阶段，这一阶段将影响高管、员工和股东。为了兑现AI提升生产率、自动化重复性任务的承诺，银行正推进一个由大量agents组成的未来，让它们承担越来越多的劳动。

早期一波AI招聘主要由工程师和数据科学家主导，他们负责构建模型或将模型适配企业数据；如今，这股热潮已扩展到负责将AI直接嵌入业务线的人。

Swaminathan表示，在金融机构内部部署AI，往往需要把多个专门的agents串联起来：例如，一个负责检查原始数据，另一个分析文件，第三个检查监管合规。

他表示，参与这一过程的员工通常被称为forward-deployed engineers，他们需要兼具技术能力和特定业务或职能的领域知识，范围从交易台到后台运营，再到人力资源。

例如，若要创建一组agents来自动审批员工休假申请，就会产生大量边缘情况和特定豁免。

“企业里有很多复杂性，”Swaminathan说，“有时这些复杂性是显而易见的，但很多时候它们是隐藏的。即便要自动化一个简单流程，也需要很长时间。”

他表示，agent orchestration技能对forward-deployed engineers尤其重要，因为他们的工作是判断需要哪些agents、每个agent做什么以及使用哪种技术。这还包括决定何时需要人工监督。

Agent技术栈

与AI建设相关的其他热门技能，则涉及理解让agents能够完成任务的工具和技术。

根据Draup的分析，关于LangGraph的提及——这一用于构建多步骤工作流的框架——增长了679%；帮助AI应用连接数据的LlamaIndex提及量上升291%；retrieval-augmented generation（RAG）这一向AI模型输入公司数据库信息的技术，提及量增加259%。

不过，除了技术能力之外，对所谓软技能的重视也在上升。

“我们的分析显示，人们重新重视问题解决、创造力、提出尖锐问题的能力，以及在更深入理解流程时保持坚定立场等软技能，”他说。

AI领域的其他增长方向还包括负责为新兴系统建立护栏的人，其中也包括对风险和控制基础设施的需求。

根据Draup的数据，与“负责任AI”相关的招聘信息提及量今年激增657%；提到AI治理和风险管理的提及量分别增长394%和359%。安全团队也在关注，如何防止第三方工具或外部模型连接带来系统性漏洞。

目前，与治理相关的技能在Draup数据中的提及次数已超过16,000次，几乎是与模型训练、部署和运行相关的约8,400次的两倍。

“我们非常关注，确保在这些产品中使用的第三方不会从网络安全角度失控，”他说。

据Draup称，与生成式AI和agents相关的岗位通常薪酬高于金融行业其他科技岗位，生成式AI经理的中位基本年薪约为190,000美元。

尽管薪酬更高，填补这些专业岗位仍然很困难，Swaminathan说。

为弥补缺口，大型银行正大力推进内部再培训项目，培训现有开发人员和领域专家，他说。

这一建设过程本身也会带来连锁反应：摩根大通首席执行官Jamie Dimon曾谈到，随着AI承担更多工作，将出现“巨大的重新部署计划”。

“我认为，我们越是以适当的技术能力优先重视这些软技能，人们就越能适应并学习，”Swaminathan说，“对合适的人才来说，这是一个非常令人兴奋的时代。”