兼论AI时代的人才培养和代际传承：如何规避AI时代“认知卸载”和“经验断层”.pdf

2026年7月25日

总量研究

如何规避AI时代“认知卸载”和“经验断层”

——兼论AI时代的人才培养和代际传承

要点

核心观点：

AI时代的经验断层压力，根源在人口结构转型而非技术替代，最终取决于组织

是否把培养通道嵌入提效进程。老龄化与劳动力收缩是系统性背景，但专业人才

池仍在扩张，技能溢价并未单向撕裂。真正关键的是企业在拥抱AI时保留必要

的低效环节，让新人先独立完成完整任务，再将判断范式工程化、师徒制制度化，

用AI压缩熟练周期而非取消判断养成。

投研行业的特殊性在于，人才通道一旦被稀释，组合管理所需的跨周期判断力便

失去沉淀土壤。资料搜集、数据清洗与模型初稿等基础工作本是新人建立盘感与

风险直觉的训练场，AI将其流程化后，初级岗位的意义从配置人力转向设计任

务。若跳过研究沉淀直接进入实践岗位，跨周期判断、个股证伪、回撤纪律与

AI输出校验力均将出现系统性缺口。

应对之道是将师徒制工程化，以知识管理、岗位重构、在岗学习与教练式管理四

支柱重建判断力养成体系。结构化沉淀顶尖投研人员的分析框架与决策规则，让

新人先独立成稿再与AI及资深者对照批改，通过影子组合收敛偏差。AI应作为

嵌入式陪练缩短熟练周期，而非替代判断过程；经校验的产出持续入库，形成人、

AI与知识库相互喂养的人才飞轮，使机构能力从依