朱建明 人工智能赋能新财经——从学科交叉到能力重塑.pdf

1、1 主讲人：朱建明 中央财经大学 信息学院 教授/博士生导师 信息技术新工科产学研联盟金融科技专业委员会 主任 2026年4月 主要内容主要内容 CONTENTS 问题与挑战问题与挑战 交叉学科建设的实践交叉学科建设的实践 AIAI赋能教学的探索赋能教学的探索 需求驱动的教学革命需求驱动的教学革命 小结小结 揭示了AI对财经领域的颠覆性潜力与渐进式落地之间的矛盾。在理论层面，AI能够胜任或覆盖商业与金融行业中绝大多数标准化的工作任务。接近 0.8-0.9 的高值区间 在现实中，AI的实际应用渗透率还非常低(大约只在 0.2-0.3 的位置)。这张图给出的信息：这张图给出的信息：基础岗位面临结构

2、性收缩基础岗位面临结构性收缩 基础财经基础财经岗位岗位正在加速萎缩。它们正是AI理论覆盖率最高且实际落地最容易的环节。职业能力要求发生根本性重构职业能力要求发生根本性重构 财经专业不能再仅仅培养“会算账、会看表”的人才。未来的财经人才必须向“AI+金融金融”的复合型人才的复合型人才转型。行业内部岗位分化加剧行业内部岗位分化加剧 图表中“商业金融”与“计算机与数学”相邻，且两者理论覆盖率都非常高。就业市场出现就业市场出现“隐形洗牌隐形洗牌”传统的入门级岗位（如初级审计、初级分析师）的门槛正在被AI提高。求职者必须具备更高的技能水平才能进入行业，否则将面临更大的就业压力。面临的挑战：面临的挑战：知

3、识与技能迭代的紧迫性知识与技能迭代的紧迫性 传统财经课程的核心内容正被AI自动化，人才技能结构与市场需求脱节。教学范式转型的滞后性教学范式转型的滞后性 当前教育仍侧重知识灌输与应试训练，如何从“知识传授”转向“AI增强型问题解决”教学，成为范式重构的核心难题。教育主体与资源关系的重构教育主体与资源关系的重构 教师角色从“知识权威”转向“引导者”，开源工具、行业大模型等新资源倒逼教学资源重组，传统教材与案例库的失效速度加快。伦理与适应性壁垒的双重挑战伦理与适应性壁垒的双重挑战 AI在财经领域的应用引发算法偏见、数据隐私、决策黑箱等伦理风险，学科壁垒导致学生难以适应“技术+财经+合规”的复合能力要

4、求。评估体系与就业生态的重塑压力评估体系与就业生态的重塑压力 传统笔试与论文难以评估人机协作下的实际能力，而企业对人才的需求转向“AI赋能业务创新”，教育评价标准与就业市场要求出现系统性错位。当前当前财财经专业教学经专业教学的的主要问题：主要问题：知识更新滞后性知识更新滞后性：金融市场变化（分钟级）远超教材更新速度（年/学期级）能力培养单一性能力培养单一性：重理论轻实践，重分析轻决策，与业界真实需求脱节 教学模式固化教学模式固化：“教师讲-学生听”单向传输，难以实现个性化与深度互动 主要内容主要内容 CONTENTS 问题与挑战问题与挑战 交叉学科建设的实践交叉学科建设的实践 AIAI赋能教学

5、的探索赋能教学的探索 需求驱动的教学革命需求驱动的教学革命 小结小结 截止2025年6月，我国51所财经类院校中，共有18所院校自主设置了交叉学科。2019-2025年间，全国财经院校的AI+财经交叉学科、所涉及的一级学科，呈现出不断发展的趋势。全国财经院校财经交叉学科建设情况 全国财经院校AI相关专业建设情况 全国财经类院校大部分已开设人工智能相关专业。相关课程主要集中在：人工智能基础、数据分析、金融应用等方面。近年来，财经类院校微专业持续建设。不同层级的院校均在布局，呈现全国扩展趋势。全国财经类院校AI赋能教学概况 AI赋能财经院校教育主要涉及“教-学-评”环节，相关院校的进展主要可分为四

6、种类型。情境化试点型 主要集中在学院、单课程、学工思政、专业训练营或专题讲座层面。输入内容 大模型先行型 课程建设/教师培训驱动型 体系化推进型 以校内 AI 开放平台、智能体、AI 助手为主要抓手，已进入实际教学或学习支持场景。学校经明确推进 AI 赋能教学，主要体现为：智慧课程立项、工作坊、教师培训、未来学习中心建设等。部分高校校级行动方案、AI+课程体系、校内大模型/平台、AI+专业或微专业。东北财经大学自主创新研发的“OpenEdu4Fin：基于大语言模型的智能财经教育平台，整合了财经知识与科技、编程等领域，培养学生全局思维和解决问题能力。根据学生进度和能力定制学习路径，提供个性化学习