前言：繁荣表象下的“沉默性缺氧”

岁末年终，这本该是复盘收获的季节。然而，站在2025年的门槛上回望，整个证券行业的数智化征程呈现出了一幅极具张力的分裂图景。

一面是聚光灯下的极致喧嚣。在2025年大湾区交易所科技大会等各类高规格的行业盛会上，头部券商们竞相展示着自己的最新军备：“AI涨乐”迭代到了新版本，智能风控平台号称实现了全链路覆盖，AI数字员工甚至拥有了拟人的形象和语音。大模型的参数规模像军备竞赛一样节节攀升，智能体（Agent）的架构图画得越来越宏大，仿佛只要连上API，一个自动化的金融乌托邦就近在眼前。

然而，当镁光灯熄灭，回到各家券商的会议室里，另一面却是尴尬而漫长的沉默。

无数在年初轰轰烈烈喊出“All in AI”、“开启大模型元年”的公司，到了年底进行战略复盘时，管理层不得不面对一个残酷的现实：PPT依然画得精美绝伦，概念验证（POC）的Demo依然在测试环境里跑得炫酷无比，但真正能跑通业务闭环、在生产环境中稳定运行、产生真金白银价值的场景，凤毛麟角。

我们看到了大量耗资不菲的智能体项目，在经历了一阵热闹的概念验证后便无声搁浅，最终沦为了“演示专用”的数字化花瓶，静静地躺在服务器的角落里积灰。

这像极了医学上的“沉默性缺氧”——表面上看起来一切正常，没有明显的呼吸困难，但机体内部的血氧饱和度已经降到了危险水平，组织正在遭受不可逆的损伤。

为什么会出现这种巨大的反差？

在前几篇文章中，我曾批评过那些试图越级指挥的“微操大师”，指出了行业内普遍存在的“为看而战”的形式主义顽疾，也讽刺了那些沉迷于发明新名词的“孔乙己式”概念沉迷。然而，这些或许都只是表象。实践的步履蹒跚，除了认知层面的偏差，更深层的原因在于：我们往往将全部目光投向了“大语言模型”、“智能体”这些光鲜亮丽的外因，却有意无意地回避了对企业自身“内因”的深刻剖析。

当技术革命的浪潮汹涌而至，最终撞上的，往往是企业管理的“天花板”。

一、 内因觉醒：从“恐龙灭绝”看组织材质

毛主席在《矛盾论》中有一句振聋发聩的论断，至今读来仍具有穿透历史的洞察力：

“外因是变化的条件，内因是变化的根据，外因通过内因而起作用。鸡蛋因得适当的温度而变化为鸡子，但温度不能使石头变为鸡子，因为二者的根据是不同的。”

对于当下的证券行业而言，LLM（大语言模型）和Agent（智能体）技术就是那个前所未有的“温度”。这股技术热浪席卷全球，为生产力的跃升提供了极其优越的外部条件。然而，很多券商在急于拥抱这股热浪时，却唯独忘了审视自己最根本的质地：我到底是一枚待孵化的“鸡蛋”，还是一块冥顽不灵的“石头”？

1.1 进化的启示：决定生死的不是外形，是内部构造

为了理解“内因”的决定性作用，让我们把视角拉回到生物学史上那个惊心动魄的时刻：恐龙的灭绝与哺乳动物的兴起。

在2.5亿年前，地球曾处于一个极端缺氧的环境中。那时的恐龙之所以能幸存并最终统治地球，并非仅仅因为它们体型巨大，而是因为它们拥有一个独特的“气囊系统”——这种高效的呼吸结构是它们独特的内部构造优势，帮助它们在低氧环境中获得了生存权。

然而，当陨石撞击地球，环境发生剧烈巨变时，曾经的优势瞬间转化为了劣势。恐龙庞大的体型需要消耗巨大的能量，而其变温动物的特性使它们无法适应急剧下降的气温。相反，那些一直生活在恐龙统治阴影下的哺乳动物祖先，凭借着小型化的身体（意味着低耗能）和进化出的恒温系统（一种先进的内部产热机制），在寒冷与饥荒中幸存了下来，并最终迎来了属于它们的时代。

日本学者三谷宏治在研究这一进化案例时发出了深刻的感慨：不同的生命种群之间的最大“分别”是什么？不是外形，而是内部构造与机制。

当周围环境大幅变化时，只有那些人与组织的“内部构造”——即企业拥有的核心能力、运行机制与组织文化——能够适应这种变化，才能获得生存与发展。

1.2 管理水平是转型的最大内因

目光回到今天的证券业，我们正经历着从“数字化”到“数智化”的关键一跃。很多人误以为这只是一次技术的升级换代，但在我看来，这一跃的本质不是技术升级，而是管理革命。

中国证券业协会汇编的19家券商数字化案例，却不约而同地指向“跨部门协同壁垒”和“信息孤岛”等管理命题。这揭示了一个比技术攻关更本质的困境。

长江商学院曾对12家各类金融企业进行过一项深度调研，结果令人深思：那些转型失败的案例，其原因无一例外都指向了战略、组织、资源、员工等经典的管理命题。

技术是可以购买的，显卡是可以堆砌的，算法模型是可以训练的。但是，组织协同中存在的巨大摩擦力、战略执行过程中出现的严重偏差度、人才能力与新工具之间的适配性——这些管理的内核，是无法通过外部采购获得的。

如果企业的组织架构依然僵化如旧，业务流程支离破碎，数据标准缺失混乱——这就如同是一块“石头”。那么，无论外部的模型（温度）有多先进，也绝对孵不出数智化的“小鸡”。

管理水平的低下，正是当下阻碍证券业数智化转型的最大内因。

二、 深度体检：两家公司的“双盲测试”

为了将抽象的管理问题具象化，更直观地看清管理水平如何决定转型的成败，我们不妨进行一次虚拟的“双盲测试”。

假设有两家券商，一家名为“虚胖证券”（代表当下转型受阻的典型企业），另一家名为“未来证券”（代表转型卓有成效的标杆企业）。它们拥有相似的资金规模，采购了同样的技术服务，但在一段时间后，结果却天壤之别。

我们将通过战略、流程、个体三个维度的“体检”，来揭示这背后的病理机制。

2.1 战略维度的体检：是“坏战略”还是“价值锚点”？

【虚胖证券的病历】

翻开“虚胖证券”的年度战略报告，你会看到满篇宏大的词汇：“全面赋能全业务链条”、“打造行业领先的AI生态”、“全方位提升数字化颗粒度”。在他们的年报中，“AI”这个词出现的频率高达几十次，仿佛出现得越多，股价就越稳。

然而，深入调研其立项初衷，你会发现充满了焦虑与表演成分：“友商都在做，我们绝对不能落下”，或者是“年底的大湾区科技大会要开了，我们必须有东西拿去露脸”。

结果： 这种战略导致了项目与核心业务价值的严重脱钩。决策层看重的是“有没有”这个面子，执行层看重的是“能不能交差”这个过场。最后，数智化转型演变成了一场昂贵而无用的“技术表演”。

【未来证券的病历】

相比之下，“未来证券”的战略显得非常“势利”，甚至有些“斤斤计较”。

在这家公司，在立项任何一个Agent之前，即使只是一个微小的POC项目，业务部门和技术部门也必须坐下来，共同回答两个灵魂拷问：“这个项目到底解决了哪个具体的痛点？”以及“它的价值如何量化？”。

结果： 他们的战略不是挂在墙上的口号，而是一套不仅能敦促实现目标，还能清楚认识到当前挑战并提供应对途径的严密逻辑。

【专家诊断】

“虚胖证券”所谓的数智化战略，其实是管理学家理查德·鲁梅尔特在《好战略，坏战略》一书中定义的典型“坏战略”。它们具备“坏战略”的所有典型特征：

• 空话连篇： 充斥着“赋能”、“生态”、“颗粒度”等流行词，却没有具体的行动路径。
• 错把目标当战略： 比如喊出“明年AI覆盖率达到100%”——这只是一个愿景或愿望，不是战略。好战略必须包括“调查分析、指导方针、连贯性活动”三个要素。
• 回避关键挑战： 很多券商的战略是为了缓解同业焦虑，而不是为了解决自身的数据孤岛、部门利益冲突等真正棘手的问题。

【破局处方】建立“价值导向”的动态战略

• 拒绝模板式战略： 不要照抄友商的PPT。正如克里斯坦森所言，战略是一个周密计划与偶然机会平衡的动态过程，必须基于自身情况定制。
• 建立“价值一票否决制”： 在立项审核中，不以业务价值（降本、增效、获客、风控）为导向的数字化项目，一律不予通过。要敢于说：不谈业务价值的数字化，都是耍流氓。
• 严格的诊断标准： 用三个要素做判断标准，好战略不仅能敦促我们实现目标，更能清楚认识到当前的阻碍（如跨部门利益冲突），并提供攻克阻碍的连贯方案。

2.2 流程维度的体检：是“乱象放大器”还是“时基竞争”？

【虚胖证券的病历】

“虚胖证券”的投行团队希望开发一款“底稿自动撰写与核查”的Agent。想法很美好，但当技术团队打开他们的部门共享盘时，瞬间崩溃了。

文件名混乱不堪，充斥着：《招股书_最终版.doc》、《招股书_打死不改版.doc》、《招股书_王总意见修改_v2_0512.doc》。更可怕的是，大量的业务流程并非运行在系统上，而是全靠微信截图和电话喊单，非标属性极强。

结果： Agent在读取了错误版本的文档后，生成了前后矛盾的数据。业务人员发现，用AI不仅没提效，反而增加了大量人工复核和纠错的工作量。他们抱怨：“AI太笨了”。其实，因为AI不会创造秩序，它只会放大既有的混乱。

【未来证券的病历】

“未来证券”信奉乔治·斯托克（George Stalk）提出的“时基竞争战略”（Time-Based Competition）。他们深知，要压缩流程时间、提升响应速度，首先必须理顺流程。

结果： 在引入AI之前，他们先进行了一场痛苦但必要的“SOP大扫除”。他们把老交易员脑子里的“盘感”拆解成MACD背离等可描述的量化指标，把断裂的审批流程补齐。SOP（标准作业程序）成为了Agent的母语，AI系统在这个坚实的基础上如鱼得水。

【专家诊断】

很多管理者存在一种幻想，认为引入先进的系统就能自动规范流程。这是本末倒置。如果不先进行流程显性化和标准化，妄想通过IT系统或AI固化流程，简直是“麻袋上绣花，底子太差”。

【破局处方】流程再造先行

• SOP是准入证：凡是无法被SOP化的业务，都暂时不适合交给Agent。
• 显性化与标准化：开展专项行动，把隐性知识显性化，把非标业务标准化。只有当业务规则清晰明确，AI才能成为高效的执行者。
• 让权力和资源沿着流程流动：流程绝不是建立了就能自动顺畅运行，我们敬畏的不是组织本身，而是组织的权力和资源。传统的科层制，权力和资源只能沿着组织架构从上到下一层层地流动，流程再造的核心是把一部分权力和资源分配给流程，这样流程才能名副其实。可借鉴华为的经验，建立“双向指挥系统”。分离行政管理权与业务指挥权，既保留部门墙带来的稳定性，又打通流程穿透带来的灵活性

2.3 个体维度的体检：是“巨婴”还是“经理人”？

【虚胖证券的病历】

在“虚胖证券”，员工普遍视AI为一种威胁，或者仅仅是一个好玩的玩具。

他们给AI下达的指令模糊不清，比如：“帮我写个研报”。当AI生成的初稿不够完美时，员工立刻全盘否定：“这东西太笨，没法用，还不如我自己写”。

结果： 公司花大价钱采购的昂贵工具被闲置，员工依然陷入在低水平的重复劳动中，无法自拔。

【未来证券的病历】

“未来证券”推行的是“全员经理人化”战略。

在这里，哪怕是刚入职的初级分析师，也被要求像管理下属一样管理Agent。他们接受过专门的训练，懂得Prompt Engineering（提示工程）的本质不仅仅是说话技巧，而是任务分配（Task Assignment）。他们懂得如何清晰地定义目标，如何拆解任务，以及如何严格验收（Review）AI生成的代码和内容。

结果： 员工将整理晨会纪要、填报表格等“低杠杆工作”放心交给Agent，自己则专注于复杂资产配置、客户情绪安抚等“高杠杆工作”。

【专家诊断】

英特尔前CEO安迪·格鲁夫在《格鲁夫给经理人的第一课》中定义：一个人的产出，是他带领的或他所影响的组织产出的总和。

在数智化时代，这个定义必须扩展为：个人产出 = 本人产出 + 他指挥的智能体的产出。

当下的核心矛盾是：员工依然停留在被动的“执行者”思维，而Agent时代需要的是主动的“指挥官”思维。很多员工连自己的OKR都拆解不清楚，怎么可能写出逻辑严密的Prompt？自我管理能力差的员工，将被AI时代无情淘汰，因为他们连做AI的“老板”都不够格。

【破局处方】提升全员的“数智商”

• 转变培训重点： 不教工具的点击操作，教任务拆解、逻辑判断和批判性思维。
• 角色重塑： 每一位知识工作者都必须升级为“管理者”，学会驾驭数字员工。

三、 行业特有的“并发症”：三重矛盾的纠结

除了上述通用的管理病灶，证券行业由于其特殊的金融属性，还叠加了自身特有的管理矛盾，使得挑战更为复杂：

1. 高度监管 vs 创新试错

金融业务的核心是风控与合规，要求严谨、可追溯；而互联网式的AI创新强调“小步快跑、快速迭代”。这就构成了内在冲突。早期智能投顾因触碰“代客理财”红线被叫停就是惨痛教训。

• 对策： 必须建立“人机协同（Human-in-the-loop）”机制。允许Agent在内部生成草稿时“一本正经胡说八道”，但必须有人类专家在对外发布的最后一道关卡严防死守。

2. 精英个体 vs 系统沉淀

证券业历来崇尚个人英雄主义，明星分析师、王牌交易员掌握着核心资源。而数智化的方向是通过中台、知识库和模型，将个人能力沉淀为组织资产。这必然触动利益与权力的重新分配。

• 对策： 必须设计新的激励机制，让分享知识、贡献数据的人获得最大的回报，而不是让“教会徒弟（AI），饿死师傅”成为现实。

3. 前台极速 vs 后台极稳

彭博的数据显示，75%的美股交易已由算法处理，前台业务要求微秒级的极致响应。然而，中后台的清算、结算系统则必须以绝对稳定和安全为首要目标。二者对技术架构、响应速度和管理模式的要求截然不同，如何在一个组织内有效协同而非相互掣肘，考验着管理的智慧。

• 对策： 借鉴“战区主战、军种主建”的分离逻辑。后台部门专注于“主建”，负责构建绝对稳定、合规、标准化的能力底座（稳态）；前台部门专注于“主战”，拥有灵活调用这些底座能力的指挥权（敏态）。通过标准化的接口连接二者，实现“后台做厚做稳，前台做薄做快”，让后台的稳定性成为前台敏捷性的安全边界，而非速度羁绊。

面对这些深层次的矛盾，仅仅靠修修补补的“战术优化”已经不够了，我们需要一种更底层的文化力量来激活组织的免疫系统。

四、 终极破局：建立“实事求是”的管理文化，重塑组织活力

彼得·德鲁克曾说：“管理是一种实践，其本质不在于‘知’，而在于‘行’。”这一特质决定了，管理从来没有一劳永逸的终点。 虽然我们尝试从战略、流程、个体三个维度勾勒出问题的轮廓，但真实的组织肌体比理论模型要复杂得多。如果将企业比作在风浪中航行的巨轮，我们无法通过预设一套死板的航行指南来应对所有的极端天气。 唯一的解药，不是试图穷举所有可能出现的问题并预设药方，而是构建一个能够自我感知、快速反应的活力组织。

唯一的解药，是一个充满活力的组织，和一个“实事求是”的企业文化。

4.1 组织活力的源泉：不唯上、不唯书、只唯实

很多企业的数智化转型之所以失败，根本原因在于组织失去了活力。

问题明明摆在那里——数据质量差、系统不好用、流程不通畅，但大家视而不见。为什么？因为企业文化强调“听话”，追求表面的一团和气。中层管理者坐等上级指示，基层员工明哲保身，“宁可不做，也不犯错”。

在这种氛围下，数智化转型变成了“皇帝的新装”。大家都在配合演戏，没人关心那个Agent是不是真的能用，只关心领导满不满意。

破局的关键，在于恢复“实事求是”的风气。陈云同志提出的“不唯上、不唯书、只唯实”是数智化转型的最佳注脚 ：

• 不唯上： 哪怕是董事长拍板的项目，如果一线数据证明没有价值，就应该有机制叫停或转型。
• 不唯书： 不要迷信咨询公司的PPT和通用的行业模板，要基于企业自身的痛点去设计路径。
• 只唯实： 一切以业务实战的结果为准绳。系统好不好用，一线员工说了算，不是IT部门的验收报告说了算。

4.2 建立“容错与迭代”的灰度管理

传统的科层制管理，尤其在金融机构，极其厌恶风险，追求确定性。但大语言模型本质上是概率模型，它天生带有“幻觉”（Hallucination）。这就构成了根本性的冲突。

如果管理层要求Agent第一次输出就能写出完美的招股书，错一个字就问责，那是管理者的无知与傲慢。这种“零容错”的文化会瞬间扼杀所有的创新。

必须建立一种新的“灰度管理”机制 ：

1. 允许适度的“一本正经胡说八道”： 承认AI的不完美是常态。
2. 建立快速的人工介入（Human-in-the-loop）闭环： 当AI犯错时，不是惩罚，而是通过RLHF（人类反馈强化学习）来“调教”它，让它越来越聪明。
3. 把失败转化为学习： 一个有活力的组织，即使犯错也能迅速从错误中学习，快速改造，而不是互相甩锅。失败不可怕，可怕的是不从失败中学习。

4.3 激发个体的“主观能动性”

数智化转型的核心目标是为员工赋能，而不是单纯的替代。

很多企业一边喊着“以人为本”，一边却不愿意给员工开通必要的AI账号，不愿意投入资源做技能培训，甚至指望通过AI来大幅裁员。这种“对齐”的偏差，导致员工从内心抵触转型。

只有当企业真正关心员工的成长，投入资源提升员工的“数智商”，员工才会从被动的执行者，变成主动探索如何用AI解决问题的创新者。

结语：从“石头”到“鸡蛋”的蜕变

数智化转型，始于技术，终于管理。

不要再迷信市面上那些眼花缭乱的Agent架构图了。请回到你的办公室，做一些看似微不足道却关乎本质的事情：看看你的投行底稿目录是否整洁，听听你的投顾团队是否还在为模糊的考核目标扯皮，查查你的研报数据库是否还在各个孤岛里发霉。

从战略的价值锚定，到流程的SOP化，再到个体的经理人化，最终汇聚成一种“实事求是”、充满活力的组织文化。

先把这些管理上的“石头”变成“鸡蛋”，再来谈大模型的温度吧。

只有这样，当技术的洪流袭来时，你的企业才能像亿万年前那些拥有优越内部构造的哺乳动物一样，穿越周期的寒冬，迎来属于自己的繁荣。

---

参考资料：

1、《经营战略全史》，作者：三谷宏治

2、《好战略，坏战略》，作者：理查德·鲁梅尔特

3、中国证券报-中证协公布19家券商数字化实践案例

4、石维磊、周立等——金融企业数字化转型避坑指南

5、实时数据——成就前台交易的决胜优势