2025年4月，BIS发布了一份研究简报“Artificial intelligence and human capital: challenges for central banks”，探讨了人工智能（AI）对中央银行人力资源管理的深远影响，提出了两种可能的AI发展情景：一是“AI副驾驶”（AI copilots）模式，即AI辅助人类工作而非取代；二是“AI代理”（AI agents）模式，即AI可自主完成特定任务。报告指出，无论哪种情景，中央银行均需调整人才战略，包括加强员工培训、吸引新人才以及构建创新文化。此外，报告还分析了招聘与留任的挑战，尤其是在技术领域的高需求岗位，并强调了AI治理框架的重要性，为中央银行在AI时代的人力资源管理提供了前瞻性思考。中国人民大学金融科技研究所（微信ID：ruc_fintech）对研究核心部分进行了编译。
人工智能（AI）的使用将改变中央银行对人力资本的运用方式，转变工作模式并提升跨学科协作的需求。例如，实时经济预测、金融稳定监测或交易验证等任务将日益依赖AI，需要员工监督、解读并优化AI的输出。这一转变对人才管理构成重大挑战，尤其是在招聘、留任和技能升级方面——83%的中央银行表示其劳动力规划复杂性显著增加。兼具AI技能与央行专业知识的人才供给有限加剧了这些挑战，而快速变化的技术环境要求劳动力战略持续演进。
在本简报中，我们探讨AI对中央银行人力资源管理（HR）管理的影响。通过提出AI发展及其应用的两种潜在情景展开分析。情景1涉及基于大型语言模型（LLM）的协处理系统实施，这类系统旨在增强而非替代人类技能与员工，即“AI副驾驶”（AI copilots）模式。情景2则设想更激进的变革：部署可替代部分人类角色的“AI代理”（AI agents）。这两种情景可视为连续光谱的两端——随着协处理系统能力逐渐增强并走向独立，最终将催生替代多数人类职能的AI代理。我们研究这两种情景下劳动力结构和工作形态的演变，并讨论中央银行在吸引新人才、培训现有员工以及适应创新实验文化方面面临的挑战。
情景描述
AI对中央银行HR管理的影响将因其应用性质而异。鉴于AI发展路径存在不确定性，我们设定两种潜在情景，分析其对HR管理的短期与中期影响。
情景1：LLM协处理系统的实施
在此情景下，中央银行部署基于LLM的AI工具辅助人类专家日常工作。应用范围涵盖基于央行文档与政策定制的内部聊天机器人，到处理金融数据的专属解决方案。协处理系统还可协助数据分析、央行交易验证、报告生成与代码编写。这些工具通过自然语言指令操作，输出形式包括文本、代码、图像与音频。在此"协处理情景"中，AI增强而非替代人类能力，提升央行员工效能，使其聚焦更复杂的高阶任务。
情景2：AI代理的实施
此情景设想自主AI代理能在明确界定的任务中以最少人力监督替代人类。例如，AI代理可自主实时收集经济数据生成预测，随新数据更新模型并适应数据源变化。另一案例是自动验证央行交易的代理。与情景1的辅助型工具不同，AI代理可能包含能直接操作计算机的LLM，从而拓展自主任务范围。目前这类代理处于测试阶段，领先AI公司正进行验证。需强调的是，所有应用中人类监督仍至关重要。虽然AI代理可独立执行狭义任务，仍需"人工介入"解释结果并做高阶决策。在此情景下，部分央行职能可能被AI工具取代，某些岗位需求减少的同时也将催生新任务。
AI如何改变央行劳动力结构？
两种情景均将重塑岗位形态，央行需构建适配AI优势的劳动力队伍。构建维护AI应用需要新型岗位，既有岗位则需新增AI运用技能。同时，基于常规重复性任务的岗位重要性可能降低。
两种情景下，央行工作方式都将转变。持续通过培训项目、研讨会与认证保持员工发展，对跟进AI技术演进与监管变化至关重要。多数央行已启动员工AI/机器学习（ML）认知提升计划，超三分之一受访机构将此纳入整体员工参与战略。此外，有效运用AI需要建立清晰的治理框架，涵盖伦理准则、数据隐私标准、问责机制与合规协议，确保AI技术负责任透明地部署。尤其在情景2中，治理措施需事前嵌入AI代理设计，因其自主性远高于情景1的协处理系统。
协处理情景对工作方式冲击有限但仍需调整。重点在于通过技能升级使员工在日常工作中有效运用AI工具。鉴于AI工具能力快速进化，AI/ML专项技能提升需持续开展。统计、法律、金融、经济领域专家及IT、HR、安全等支持部门人员需将AI工具融入工作并解读其洞见，还需与技术团队协作定制AI工具。
AI代理情景可能引发更深层变革。虽然AI自主处理部分任务，但人类监督对确保符合央行负责任AI治理原则仍至关重要。劳动力战略重点将转向管理转型与任务重构，强化监督职能。ML研究员、ML运维工程师、数据工程师、AI伦理官、AI训练师等新岗位（两种情景均重要）在代理情景中需求更大。两类情景下相同岗位的工作内容亦不同：情景2中数据工程师可能更侧重确保数据集的洁净与一致性以支持有效AI代理。
情景2中，AI专才（ML工程师与研究员）还需深入理解央行目标与职能，确保开发的应用契合需求。他们需精通法规与制度政策，保证自主工具在法律伦理边界内运作。非AI专家员工则需理解ML自主工具的工作原理与能力边界。
两种情景下，央行需备选人员配置方案应对资源缺口，包括更多依赖顾问、承包商或特定领域外包。这在情景2中尤为必要。但此类安排面临连续性、内部文化凝聚、信息安全与法律限制等挑战，故最适用于填补短期缺口或支持专项项目。综合运用正式员工与外包人员的混合模式可能是最优解：前者提供稳定性、制度知识与长期适应性，后者贡献专项技能与成本效益。
AI相关人力资本挑战
面对技能需求的快速演变，央行在人才吸引与保留方面遭遇重大挑战。国际清算银行最新调查显示：近90%受访央行表示过去五年招聘难度加剧（图表1.A），网络安全、IT、金融科技、数据科学与AI/ML领域尤甚（图表1.B）。挑战源于：公共机构薪资难以匹敌私营部门对顶尖AI人才的争夺；职业发展机会有限的认知；虽然央行对经济政策专才具吸引力，但对技术人才与职场新人的吸引力较弱。
为吸引紧缺AI人才，央行可突出其使命驱动特质与独特价值主张：包括数据获取渠道、前沿项目参与机会，以及培训教育等非货币补偿。随着AI应用深化，复合型技能需求溢价将攀升，央行需多措并举应对能力缺口（图表2.A）。
两种情景均面临人才挑战，情景2尤甚。58%受访央行提及法律或监管限制构成特殊障碍：47%受制于招聘渠道要求（如仅通过公务员考试），43%面临国籍限制（图表2.B）。另一挑战是向AI密集型工作流的转型管理。多家央行担忧资深员工获取新技能与新工作方式的能力，数字化、AI与高级分析技能的获取速度不足可能阻碍工具采用。
成功整合AI需重点提升现有人才技能，情景1尤需内部外部专家实施再培训。培训类型因情景而异：协处理情景侧重协作技能提升与AI洞见整合；代理情景强调技术进阶、系统管理与AI工具监督。有效变革管理策略需包含：阐明AI优势、化解潜在冲击、培育跨技能协作环境。央行还需平衡通才与专才，通过定期劳动力规划会议讨论继任者培养与岗位流动，设计关键岗位培训计划。
面对技能结构革新，央行需培育创新实验文化，这需要构建多元化团队与包容不同工作风格。尽管央行承认相较私营部门其创新步伐可能更谨慎（源于风险偏好较低与广泛利益相关方参与需求），但培育创新文化对释放AI潜力至关重要。这一转型在情景2中将更具挑战性。