华尔街AI代理编排招聘热潮

表面上看，提及‘代理编排’的职位发布数量激增1,721%——从2025年的仅108次增至今年的1,967次——这并非意味着更多AI岗位，而是完全不同类型的AI工作 ^[1]。被聘用的人群不再是主要负责构建大语言模型的研究人员，而是坐在交易台、合规部门、人力资源及后台运营中的‘前线部署工程师’，他们决定特定工作流需要哪些专用代理、每个代理可以接触哪些数据和系统，以及当代理链产生输出时由组织内何人审批 ^[1]。这一描述也在X平台上传播，包括行业评论账号@awi_digest的转发，但其源头仍为CNBC的报道，并未提供来自交易楼层内部的独立验证。这与两年前银行发布的机器学习工程师岗位有本质区别。

该岗位存在的实践理由也超出了招聘数据本身。金融科技公司Rogo的CEO、前Lazard并购银行家指出，即便零售交易早已实现自动化，一个价值500亿美元的并购交易仍可能被一名22岁的分析师和几十年前的Excel工具拖慢整夜；真正填补这一鸿沟的是专用代理，而非通用聊天工具。这与求职者的内部反馈一致：在面向银行业的Reddit论坛上，一位正在高盛新设立的‘AI工程师副总裁’团队面试的候选人描述了一个模糊且仍在成型的流程，证实银行正在建立全新的内部AI工程职能，而非简单地重新命名现有职位。

工具需求进一步印证了这一转变。提及LangGraph（用于协调多步骤自动化工作流的框架）的职位在2026年增长了679%，而提及检索增强生成（retrieval-augmented generation）的职位增长了259% ^[2]。与此同时，提及‘负责任AI’的增长达657%，‘AI治理’增长394%，‘AI风险管理’增长359% ^[2]。银行不仅在教工程师如何连接代理，更是在教他们如何安全地连接代理，这是一种比通用AI工程更为狭窄且昂贵的技能组合。

在薪酬方面，最明显的信号是治理相关岗位的薪资水平已接近模型构建岗位。中位基本薪资（不含奖金和股权）从数据科学家的134,986美元到首席数据科学家的235,158美元不等，生成式AI经理为190,836美元，代理型AI工程师为176,999美元，比传统数据科学家高出约31% ^[3]。此外，一些银行还提供超过200,000美元的签约奖金，专门用于吸引有经验的代理编排专家 ^[4]，这种紧迫程度通常只保留给稀缺且对业务至关重要的岗位，而非通用技术人才。

最能说明这是治理叙事而非单纯能力叙事的证据是：目前治理相关技能的职位发布数量已约为模型构建技能的1.9倍（超过16,000次对比约8,400次）^[5]。这种失衡源于监管滞后。美联储、货币监理署（OCC）和联邦存款保险公司（FDIC）于2026年4月发布的SR 26-2文件废除了此前的模型风险框架，并明确指出生成式与代理型AI模型属于‘新颖且快速演变’的技术，不在其监管范围之内 ^[5]。银行正完全依靠自身主动建立内部问责机制，自主决定由谁审批、谁为代理的失误负责，远早于任何正式监管要求出台之前。

招聘热潮背后隐藏着一个令人不安的事实：串联多个代理不仅增加了能力，也放大了风险。Scale AI CEO Jason Droege 直言其数学逻辑：‘如果你有一个由10个代理组成的系统，每个代理准确率为85%，那么最终的整体准确率就是0.85的10次方’ ^[6]。对于涉及交易、合规或风险管理的工作流而言，这种可靠性急剧下降尤为严重，这正是为何招聘激增集中在编排与治理岗位，而非单纯的模型构建。另一份面向开发者的教育性解释从架构角度重申了这一点：编排代理应仅负责将任务委派给专用子代理，绝不应亲自执行任务；一旦它开始微观管理这些子代理，系统就会崩溃，因为底层模型往往过度信任自身的判断。这实际上正是银行当前正在招聘应对的治理问题的软件设计层面描述。摩根大通AI研究主管Manuela Veloso 将实际应对策略表述为有意放慢节奏：‘构建一个做最少事情的AI系统，但确保它能随时间不断改进’，而不是从第一天就过度设计代理网络 ^[6]。

这种谨慎态度不仅限于银行高管，也并非人人认同。在非官方渠道讨论该趋势的从业者中，怀疑更为深入且具体：一位固定收益领域的量化分析师认为，大语言模型在交易系统的实际架构决策中仍不可靠，并预测由AI生成的交易代码漏洞终将引发重大事故。在同一争论的另一面，一个广受讨论的Reddit帖子描述了一位经理通过编码代理将团队产出提升了10至50倍，并将此时刻比作重大颠覆的开端，但评论者立即反驳称这是无法衡量的‘感觉指标’，而非真实数据。这种分裂——一边是持谨慎态度的银行专家和关于生产力的争议，另一边是信心十足的招聘市场——与对招聘数据的庆祝性解读形成直接张力。银行之所以竞相招聘能够确保多代理系统安全的人才，正是因为其自身专家承认，目前尚无人彻底解决误差累积问题，而SR 26-2留下的监管真空意味着没有外部机制强制推动解决这一问题。

若从整体人力趋势来看，代理编排招聘热潮不再像边缘项目，更像是银行下注的方向。Evident Insights追踪50家主要银行发现，AI相关职位在约18个月内从约60,000个增至近80,000个，仅六个月内增长近13%，而同期银行总人数却下降了3%；自2024年以来，AI采用领先的银行人力增长比行业平均水平高出25% ^[7]。在一个普遍裁员的行业中，AI与编排岗位呈现逆周期增长，这也是为何针对一项两年前尚不存在的技能组合，如今会出现六位数的基本薪资与高额签约奖金。

这种增长并非毫无内部阻力。在积极招聘编排人才的同一家银行内部，VP级别以下员工认为代理型AI‘价值不大’的比例约为高管领导层的两倍 ^[6]，这种代际信任差距反映了高层正在上演的效率与风险之间的张力。效率论点确实存在：Capital One的代理编排系统将处理时间最多缩短了80%，新加坡银行的编排代理将客户开户流程从10天缩短至1小时，并已被500多名客户经理采用 ^[4][6]。但正是这些收获效率成果的机构，其自身的AI研究负责人却呼吁渐进式建设，而基层员工仍持怀疑态度，表明此次招聘热潮在很大程度上也是为了管理一场令人不安的 rollout，而不仅仅是追逐生产力提升。