人工智能和人力资本：央行面临的挑战

BIS公✲ 编号100 人工智能与人力资本：对中央银行的挑战 SarahBell，BlaiseGadanecz，LeonardoGambacorta，FernandoPerez-Cruz和VatsalaShreeti 2025年4月24日 国际清算银行简✲由国际清算银行工作人员撰写，有时也由其他经济学家撰写，并由该银行出版。这些论文涉及时下热门话题，具有技术性。文中表述的观点是作者的观点，不一定代表国际清算银行的观点。作者感谢AlbertPierresTejada的优秀分析和研究支持，以及NicolaFaessler的行政支持。 BIS快讯系列的编辑是HyunSongShin。 该出版物可在国际清算银行网站（www.bis.org）上获取。 ©国际清算银行2025。保留所有权利。经说明来源后，可转载或翻译简短摘录。 issn:2708-0420(online)isbn:978- 92-9259-852-5(online) 莎拉·贝尔布莱斯·加达内兹列奥纳多·甘巴科尔塔费尔南多·佩雷斯-克鲁斯瓦斯拉·斯丽蒂 sarah.bell@bis.orgblaise.gadanecz@bis.orgleonardo.gambacorta@bis.orgfernando.perez-cruz@bis.orgvatsala.shreeti@bis.org 人工智能与人力资本：对中央银行的挑战 关键要点 •人工智能（AI）正在改变央行使用人力资本的方式。两种场景说明了人工智能发展轨迹的不确定性：“AI副驾驶”，它增强而非取代人类技能，以及“AI代理”，它可以自动化特定的央行任务，并可以作为人类的替代者。和 •中央银行已将“AI副驾驶”集成到日常运营中。这些工具在不从根本上改变其工作方式的情况下提高了员工的生产力。相比之下，“AI代理”可能在下一个十年内改变工作流程，但人类监督对于确保其负责任和合乎道德的应用仍然至关重要。 •要在任何一种情况下成功向人工智能密集型工作流程转型，都应着重于对现有员工进行再培训和技能提升、吸引新人才以及培养拥抱创新的文化。 引言 人工智能（AI）的应用将改变央行利用人力资源的方式，改变工作方式并增加跨学科合作的需求.1例如，实时经济预测、金融稳定监测或验证交易等任务将越来越依赖人工智能，需要员工监督、解读和优化人工智能的输出(BIS( 2024))。这一转变对人才管理构成了重大挑战，特别是在招募、留住和提升员工技能方面，83%的中央银行✲告称工作场所规划日益复杂(CBGN(2024a))。具备合适人工智能技能和央行专业知识的人才的有限供应加剧了这些挑战，而快速变化的技术环境要求工作场所策略不断演变。 在此公告中，我们探讨了人工智能在中央银行中的人力资源管理的意义。我们这样做是提出了人工智能发展的两种潜在情景及其应用。 场景1涉及基于大型语言模型（LLM）的助手实施2那可以增强而非取代人类技能和工作者的。场景2考虑了一种更 具根本性的可能性，涉及部署AI“代理”3可以作为替代部分人类角色的。这两个场景可以看作是存在于一个连续体上，其中协作者变得越来越有能力、独立。 1技术进步过去也改变了中央银行员工队伍的构成（例如，随着个人计算机的采用，打字员的需求减少）。人工智能与前几代技术不同之处在于 ，它有可能影响中央银行内广泛的角色。 2一个大型语言模型助手被定义为一种旨在协助人类完成软件开发、文档摘要、起草电子邮件和生成图像等任务的工具。它通过人类提供的自然语言提示来提供支持。 3在各种人工智能代理的定义中，我们将代理定义为能够利用计算机的大型语言模型，例如：ClaudeComputerUse（Anthropic，2024年）、Operator（OpenAI，2025年）、Mariner（DeepMind，2024年）或ManusAIAgent（Manus，2025年）。 最终将导致使用人工智能代理来取代许多人类功能。我们考察了在这两种情况下劳动力和工作特征可能如何变化。然后我们讨论了中央银行在吸引新人才、培训和提高现有员工技能以及适应创新和实验文化方面面临的挑战。 场景描述 人工智能对中央银行的人力资源影响将因人工智能使用的性质而异。鉴于人工智能发展和应用轨迹的不确定性，我们考虑两种潜在情景，并考察其对人力资源管理的中短期影响。 •场景1：基于LLM的协作者系统的实现在这种情况下，基于LLM的人工智能工具被部署在中央银行，以协助人类专家完成日常工作。这些工具可以从在中央银行的文件和政策上进行微调的内部聊天机器人，到定制的金融数据处理解决方案。其他助手应用包括协助数据分析、验证中央银行进行的交易、生成✲告和编码（请参见在线附录A中的更多示例）。这些工具通常使用自然语言进行提示，其输出可以包括文本、代码、图像和音频。在这个第一“助手场景”中，人工智能增强了人类的能力，而不是取代他们，从而提高了中央银行员工的工作效率，并让他们能够专注于更复杂、更高级的任务。 •场景2：AI代理的实现本场景设想了能够替代人类执行特定、明确任务的自主AI代理，且仅需极少的人工监督。例如，一个AI代理可以自主实时收集经济数据以生成经济预测，并在新数据可用时持续更新，并根据数据来源的变化进行适应。另一个例子是一个可以自动验证央行进行的交易的代理（这是支持交易验证copilot的扩展；参见在线附录A）。与场景1中的辅助员工的copilot不同，AI代理可以包含能够直接利用计算机的大型语言模型（LLM）。这些能力将使更广泛范围内的自主任务成为可能。4这些代理目前处于测试阶段，并在领先的AI公司进行测试。AI代理最终会好到什么程度尚不确定。目前，在预订航班和安排行程等任务中，测试版的表现结果不一(Perez-Cruz和Shin(2025))。当然，在这些所有应用中，人工监管仍然至关重要。虽然AI代理可以独立执行明确定义的独立任务，但仍然需要“人在回路中”来解释发现并做出高层决策。在这种情况下，央行工作人员的一些任务可以被AI工具执行 ，这可能会减少对某些角色的需求，同时也会创造出新的任务。5 人工智能将如何改变央行的工作队伍？ 在任一情况下，职位描述都将改变，而央行将需要一支能够利用人工智能优势的劳动力队伍。需要新的工作岗位来构建和维护人工智能应用，现有的工作岗位则需要额外的技能来利用人工智能完成其任务（Reuel等人，2024年）。与此同时，一些基于更常规或重复性任务的工作岗位可能变得不那么重要。 4使用大型语言模型计算机将会通过提示或微调进行仔细控制，并在允许大型语言模型自主执行定义狭窄的任务之前进行彻底评估。 5第三个情景可能是长期内出现通用人工智能（AGI）。AGI被广泛定义为拥有足够认知能力以执行人类能够完成的任何任务的系统。尽管一些行业领袖认为AGI或超级智能可能在未来五年内实现（Altman(2025)；Amodei(2024)），但其他人认为仍然存在重大障碍（BrowningandLeCun(2022)；Altmeyeretal(2024)）。在本简✲中，由于围绕AGI是什么以及它最终能够做什么的不确定性，我们并未深入探讨AGI对人力资源的影响 。 在两种情况下，工作实践也将发生变化。通过培训计划、研讨会和认证进行持续的员工发展，对于跟上不断发展的AI技术和监管变化至关重要。大多数中央银行已采取措施提高员工对AI和机器学习（ML）使用的认识，其中超过三分之一的调查受访者将其作为全面员工参与战略的一部分（CBGN(2024b)）。与此同时，为了让员工有效使用AI，中央银行需要建立清晰的人工智能治理框架，涵盖道德准则、数据隐私标准、问责制措施和合规协议，以确保负责任和透明。 6在场景2中尤其如此，治理措施将需要人工智能技术的部署。将嵌入式预部署到人工智能代理的设计中，这将比场景1的助手更加自主。 协作者场景对工作实践的影响范围有限，但仍需要做出改变。这里，重点将放在提升和再培训员工，使他们能够在日常工作中有效运用人工智能工具（Lamarre等人，2023年）。提升和再培训工作将专门针对人工智能/机器学习，并且需要持续进行，因为人工智能工具的能力在迅速发展。统计学、法律、金融或经济学领域的专家以及IT、人力资源和安全等支持职能的专业人员需要将人工智能工具纳入他们的工作并解读人工智能的洞见。他们还需要做出明智的决策，并与技术团队合作，将人工智能工具定制以满足中央银行的特定需求。中央银行角色可能发生变化的例子 ✲告在在线附录B中。 第二个AI代理场景的启示可能更具破坏性此处，AI将自主处理部分任务，但人类监督对于与央行负责任的人工智能治理要旨保持一致仍至关重要。劳动力战略的重点将在于管理转型和重新定义任务，以更强调监督和监管。虽然机器学习研究人员、机器学习运维工程师、数据工程师、人工智能伦理官和人工智能培训师等新角色在两种情况下都很重要，但在人工智能代理情况下可能需要更多数量的这些角色（参见在线附录B）。这些角色中的员工在两种情况下的执行任务也将有所不同。例如，在场景2中，数据工程师可能更侧重于确保拥有干净且一致的数据集，以有效的人工智能代理。7在场景2中，新的专注于人工智能（机器学习工程师和研究人员）的员工也需要更深入地了解央行的目标和职能，以便他们开发的应用案例符合央行的需求。他们需要熟悉法规和机构政策为确保自主工具在法律和道德界限内运行。8同时，非人工智能专家的员工需要了解基于机器学习的自主工具如何工作以及它们的性能和局限性。 在两种情况下，中央银行都需要备选的员工方案来应对出现的人员配置缺口。这些选项包括更多地依赖顾问、承包商或临时工，或 9这可能是特别发生在将某些需要高需求技能的领域的业务外包。场景2。然而，这种安排带来了与连续性、保持 内部文化凝聚力、信息安全以及在某些情况下法律限制相关的困难。因此，它们可能最适合用于填补短期缺口或支持特定项目。在这两种场景中，一种利用全职员工和代理公司合同工优势的平衡方法可能最有效。全职员工提供稳定性、机构知识和长期适应性，而合同工则提供专业技能、灵活性以及针对特定项目的经济高效解决方案。在线 6CGRM(2025)提供关于央行人工智能应用治理与风险框架的指导方针。 7在场景1中，人类在使用协作助手时可能更容易提供数据质量的反馈，并能发现错误。代理可能无法自动从数据错误中恢复，包括格式问题或功能故障的网页链接。 8同时，监管边界可能与人工智能发展同步演变。 9人工智能也可能使中央银行能更好地利用外国远程工作者，这些银行可以借助这类资源。鲍德温（Baldwin）和奥库博（Okubo）（2024）提供了初步证据，表明人工智能和外国人的远程工作在许多办公室职业中正作为互补要素发挥作用，这暗示着一个人工智能驱动工具和远程工作日益交织的未来。 附录C探讨了央行在数据和IT基础设施方面的潜在选择和影响。 人工智能相关的人才资本挑战 鉴于利用新工具所需的技能不断变化，各国央行在吸引和留住人才方面面临着重大挑战。一项最近的BIS调查突显了其中一些挑战。近90%的受访中央银行✲告称，在过去五年里招聘人员变得更加困难（见图表1.A）。在网络安全等领域，中央银行招聘尤其困难。 10一个原因是这些的高需求安全、IT、金融科技、数据科学和人工智能/机器学习（图1.B）。跨经济领域的角色意味着公共机构可能无法匹敌私营部门对顶尖人工智能人才的薪酬。另一个挑战可能是职业发展机会有限的观点。此外，虽然中央银行可能是具备经济和政策专业知识的候选人的首选雇主，但对于初级职业专业人士和技术专业人士而言，情况可能并非如此。为了吸引需求量大的AI专家，中央银行可以利用其使命驱动性质和独特的价值主张，包括获取数据、参与具有影响力的尖端项目的机会以及各种各样的非金融补偿，如培训和教育机会。 随着央行对人工智能工具的采用率不断提高，吸引合适技能组合的溢价只会增长，央行将需要采用多种策略来管理能力差距（图2.A）。在两