AI越强银行越没变

2026年10月29日DeepMind发布《The Economics of Intelligence》，核心结论：单个AI Agent是错误的经济分析单位。

AI能力（Competence）提升渐进改变工资和价格，但不改变行业结构；组织协调能力（Coordination）跨越阈值才会引发市场结构突变。

今天AI模型越来越强但银行没变化，因为协调能力还没跟上——Noam Brown说多Agent协调只值10%。

DeepMind提出四个阶段：Minimal AGI、Supercompetent AI、Supercooperative AI、ASI，银行现在处于第二阶段。

工资效应先于组织重组出现——就业数据没变不代表AI没影响， entry-level岗位招聘已经在收缩。

一、问题：AI越来越强，为什么银行没变

1. 悖论：AI模型几个月就刷新一个里程碑——写生产代码、超过领域专家、解千禧年数学难题。但看周围的银行，组织架构和几年前差不多，人头数没怎么变，生产率数据没动。
2. DeepMind的解释：单个AI Agent是错误的经济分析单位。绝大多数能力测试考的是单个Agent孤立解题，但经济转型是组织竞争的均衡结果。
3. 马赛克智能：人类能力参差不齐，但参差的方向不同——数学家和作家互补。一个互补的人类团队（马赛克）能打败一个比所有人都强的AI模型。AI模型参差不齐的方向相似，复制一个副本只增加产能，不增加能力广度。
4. 银行的现实：今天的银行就是人类马赛克团队——风控、信贷、科技、运营各有专长。单个AI Agent再强，也打不过这个互补团队。

二、两个维度：能力与协调

1. Competence（能力）：单个任务上的技能——写代码、写报告、做分析。能力提升渐进改变工资和价格，但不改变行业结构。
2. Coordination（协调）：Agent之间协作的能力——分工、交接、共享上下文、不重复劳动。协调能力跨越阈值会突然改变市场结构。
3. Coasean ceiling（科斯天花板）：为什么不是所有生产都由一个大公司完成？因为人类协调有极限——注意力有限、知识默会、利益不一致。协调技术（电报、铁路）的改进才催生了现代大公司。
4. AI的不同：AI Agent没有人类的协调局限——副本之间共享完整代码库和上下文、没有职业晋升冲突、通信带宽极高。但今天AI实际协调得很差。

三、四个阶段

1. Minimal AGI：AI匹配或超过人类平均水平。银行里，人类马赛克团队仍然赢过纯AI公司，人头不变，但AI能做的工作工资开始向算力成本靠拢。
2. Supercompetent AI：AI超过所有人类专家，但协调能力没提升。银行变得更高效但不会变大——"丰裕而不集中"。人类协调者变得更值钱，常规专家贬值。
3. Supercooperative AI：协调能力跨越阈值。每个新Agent加入都让团队更高效，打破科斯天花板。在金融这种深度标准化市场，少数大型纯AI公司突然胜出，工资骤降。
4. ASI：两个维度都超越人类。深度市场和细分市场都被AI公司占领，人类就业转向关系型部门（医疗、教育、服务）。

四、银行现在在哪

1. 今天：AI能力在快速提升（Competence），但协调能力（Coordination）还远没到阈值。所以银行的反应是：初创公司更精简、组织架构更扁平、entry-level岗位招聘变软、能协调复杂工作的资深员工需求稳定或上升。
2. Noam Brown的证词：OpenAI让数千个Agent并行解数学题，发现"很难让这些Agent有效协调"，多Agent能力相对单Agent只值10%。这就是今天的瓶颈。
3. 对银行的意义：不要指望AI一下子颠覆银行——单个Agent再强，也打不过一个组织良好的银行团队。真正的突变会在Agent协调能力跨越阈值时到来，那时候市场结构会突然重组。
4. 工资信号比GDP信号更早：DeepMind强调，AI对经济的影响先体现在工资和岗位结构上，再体现在市场集中度上。entry-level风控、entry-level信贷分析招聘变软，就是AI影响的早期信号。

五、三个冷静判断

1. 不要被单Agent排行榜误导：今天的benchmark考的是单个Agent，就像测单个员工的智商，不测团队协作能力。银行采购AI时，要看多Agent系统能不能有效分工，而不是单个模型多聪明。
2. 协调能力是下一个战场：DeepMind呼吁建立"Agent组织"的benchmark——多Agent系统能不能不重复劳动、干净交接、不互相放大错误。这比单个模型刷分重要得多。
3. 银行的组织能力本身就是护城河：在协调阈值到来之前，银行的组织复杂度——跨部门协作、风险制衡、客户关系——本身就是AI难以复制的。DeepMind称之为"superintelligence"（组织作为超级智能体）。

六、银行该怎么准备

1. 测多Agent协作，别只测单模型跑分：银行采购AI平台时，要看多Agent系统能不能在真实业务流程里分工——比如一个Agent拉数据、一个做分析、一个写报告，交接时会不会丢上下文、会不会重复劳动。
2. 关注entry-level岗位变化：DeepMind说工资信号先于组织重组。如果银行发现初级风控、初级信贷分析的招聘需求在收缩，那就是AI已经在替代这些岗位的早期信号，不要等到失业率上升才反应。
3. 培养"人类协调者"：在Supercompetent阶段，能指挥AI团队的人类协调者最值钱。银行要培养既懂业务又懂AI的人，让他们当AI Agent团队的"指挥"。
4. 不要提前恐慌，也不要假装没事：DeepMind的框架说今天的变化是渐进的，突变会在协调阈值后到来。银行现在该做的是慢慢积累AI Agent团队的协作经验，等阈值到来时能快速组织起来。

结语

DeepMind这篇论文最重要的洞察是：AI对经济的影响不是线性的。能力提升每天都在发生，但真正的经济转型要等协调能力跨越阈值。对银行来说，今天看到的"AI很强但银行没变"是正常的——我们正在Supercompetent阶段，丰裕而不集中。但当Agent协调能力突破阈值，金融这种深度标准化市场会突然重组。银行现在该做的，不是追着单个模型跑分，而是开始训练自己的AI Agent团队怎么协作。

（口径说明：事实来自DeepMind Institute 2026年10月29日文章及AI Wiki摘要；银行场景映射为作者分析。）