人工智能公司OpenAI正在进行一项非同寻常的试验：通过雇佣超100名前投资银行员工，训练其AI模型掌握金融建模等核心技能。
据媒体22日报道，OpenAI这项代号为“Mercury”的秘密项目，已经吸引了来自摩根大通、摩根士丹利和高盛集团等顶尖金融机构的前员工参与。这些参与者负责编写指令、构建用于重组和首次公开募股（IPO）等各类交易的金融模型，以此“教导”AI如何像一名初级银行家一样工作。
报道援引知情人士透露，这些合同工的时薪为150美元，并且获得了他们正在帮助创建的AI的早期使用权。这一举动在金融行业内部引发了对初级岗位职业前景的担忧，分析师们长期以来抱怨工作繁重乏味，而人工智能的崛起正将这种抱怨转变为对其工作安全性的直接威胁。
此举也揭示了Sam Altman领导下的OpenAI的战略重心。作为全球估值最高的初创公司之一，OpenAI尚未实现盈利，将强大的AI技术转化为能服务于金融、咨询、法律等各行各业的实用商业工具，已成为其当务之急。
百余名前员工参与，时薪150美元训练AI根据报道，OpenAI的“Mercury”项目已招募了超过100名具有华尔街背景的专业人士。参与者阵容强大，不仅包括曾在摩根大通、摩根士丹利、高盛等一线投行工作过的前员工，还囊括了来自Brookfield Corp.、Mubadala Investment Co.、Evercore Inc.和KKR & Co.等知名投资机构的人才，甚至还有哈佛大学和麻省理工学院的在读MBA学生。
项目以灵活的合同工形式运作，参与者被要求每周提交一个金融模型。他们的任务包括用简单的语言编写提示，然后在微软的Excel程序中执行并构建模型。一位审阅人会对其工作提供反馈，参与者需在修正所有问题后，其成果才会被最终输入OpenAI的系统。OpenAI的一位发言人表示，公司与“众多领域的专家合作，以改进和评估我们模型的能力”，并称这些专家由第三方供应商招募、管理和支付报酬。
值得注意的是，该项目的申请流程几乎没有人为干预。申请过程包括与AI聊天机器人进行的约20分钟面试、一项财务报表知识测试以及最后的建模能力测试。
“请修复”：AI需要学会的细节与格式投行初级分析师以其超长的工作时间闻名，在处理实时交易时，每周工作超过80小时是家常便饭。他们的工作充满了大量被视为“脏活累活”的任务，例如在Excel中构建复杂的并购模型，以及根据上级要求反复修改PPT演示文稿。
在彭博专栏作家Matt Levine看来，这种对细节的极致追求，恰恰是AI需要学习的关键。他评论道，一名成功的投行分析师必须是“注重细节的”，因为模型或演示文稿中一个微小的格式错误，比如美元符号未对齐，都会让上司怀疑其中可能存在更严重的实质性错误，从而破坏信任。
Levine将目前的生成式AI比作“聪明但粗心的分析师”——它们能迅速产出看似合理的模型，但往往会出错或出现“幻觉”，无法被完全信任。因此，他认为OpenAI的项目本质上是一种“强化学习”，相当于“让一位投行副总裁对着AI吼上几年，直到它把格式做对为止”。雇佣前银行家正是看中了他们自身已经历过这种严苛的训练，能够本能地遵循页边距大小、百分比斜体等行业格式规范。
替代学徒？华尔街晋升模式面临考验“Mercury”项目的直接目标是让AI替代初级员工的工作，这引发了对投资银行传统学徒制模式未来的深刻质疑。数十年来，华尔街依赖于一个金字塔结构：初级分析师通过处理基础工作来学习技能，其中最优秀的一部分人最终晋升为需要与客户打交道的高级银行家。
正如Matt Levine所提出的问题：当一个行业不再需要学徒时，它未来的高级合伙人将从何而来？如果AI接管了模型构建和文书工作，年轻的金融专业人士将如何获得必要的实战经验和行业知识，以成长为未来的领导者？
不过，这一趋势也存在另一面。投资银行分析师项目的流动率一直很高，许多人在工作两年后便选择离开，投身于创业或其他行业。对于这些已经离开的人来说，回来训练一个可以替代自己当年岗位的机器人，或许并没有太多心理负担。
“Mercury”项目不仅是华尔街的潜在颠覆者，更是OpenAI商业化战略的缩影。通过将目标锁定在金融服务这一利润丰厚的领域，OpenAI正努力证明其技术在复杂企业环境中的价值。
尽管估值高昂，但OpenAI尚未盈利的现实，正驱使其积极开拓企业市场。将AI能力应用于特定行业、解决具体的业务痛点，被视为其实现收入增长和长期发展的关键路径。该项目表明，OpenAI的雄心不止于通用的聊天机器人，而是要打造能够深度嵌入企业工作流程的专业级AI工具，从而在全球商业版图中占据一席之地。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。通盈配资提示：文章来自网络，不代表本站观点。
