AI时代金融教育如何平衡基础训练工具应用与能力识别

近日，复旦大学经济学院举办了“南土国际金融政策圆桌会第12期”暨“迎接AI时代系列”第1期活动。会议主题聚焦于“AI时代的金融人才核心竞争力：基于金融实务工作的思考”，深入探讨了人工智能浪潮下金融行业的岗位演变、能力重塑与人才培养路径。复旦大学经济学院助理教授王龙在发言中分享了他的观察：AI正在重塑师生间的知识传递关系，金融教育的改革既要积极回应业界对AI应用能力的需求，也不能将其简化为工具堆砌或教学形式的表面变化。

结合一线教学实践，王龙指出一个有趣的现象：当前学生在使用AI工具方面，往往比教师更为活跃和广泛。教师可能仅将AI应用于某一门课程、一项论文指导或特定教学场景；而学生则可能将其同时运用于数十门课程和多样化的学习任务中。这种使用频率和场景的差异，促使高校教师必须重新审视自身的角色定位——在AI时代，教师究竟应该是知识的传授者、工具使用的示范者，还是帮助学生构建批判性思维框架与问题意识的关键引导者？

谈及金融课程的具体改革，王龙认为，核心挑战之一在于如何将AI深度融入金融学的知识内核，而非仅仅在现有课程中插入几个技术模块。金融实务部门确实期望毕业生能理解智能投顾、算法交易、量化收益与AI辅助投资等前沿应用，但若将教学目标直接定义为“教会学生如何用AI在资本市场获取超额收益”，其本身就隐含着一个现实悖论。大学教师精通金融理论，也知晓AI可能碘伏诸多环节，然而，如何将这些理论与工具转化为真实市场中可持续的盈利能力？这并非一个能够轻易标准化、程式化教学的问题。

王龙进一步分析，AI教学手段的引入也带来了新的组织与管理难题。学校层面鼓励教师利用AI备课、引入AI助教、采用AI批改作业，并大力推动线上线下混合式课程建设。然而，一旦课程内容充分线上化，教师需要收集学习数据、构建课程数据库，学生自然会追问：既然线上资源已经足够完备，为何还必须参与线下课堂？倘若为了保障线下到课率，刻意在线上设置障碍或保留关键内容，则又与提升教学效率、优化学习体验的改革初衷背道而驰。因此，如何既能让学生获取高质量的线上学习资源，又能确保线下课堂承担起不可替代的深度讨论、即时判断与个性化反馈功能，成为AI赋能教学必须破解的平衡难题。

在学生能力评估方面，王龙提出了新的思考。随着AI普遍介入作业、论文乃至课堂任务，教师的评价工作变得更为复杂。以往，通过审阅作业和论文，教师能相对直接地感知学生的理解深度与投入程度；如今，学生可以利用AI生成文本、优化表达、补充论证链条，教师则需要仔细甄别：哪些内容体现了学生独立的思考，哪些只是工具的输出结果。更值得关注的是，如果教师也广泛采用AI进行作业批改与评语撰写，则可能形成一个“学生用AI完成作业、教师用AI评价作业”的闭环。长此以往，传统的评价方式可能失效。未来的教学评价体系亟待重新设计，它既不能完全依赖传统的书面作业，也不能全然交由工具代劳，而需要创设能够真实反映学生思辨、判断与创新能力的考核环节。

王龙总结道，金融与AI融合的课程改革，绝非依靠增设一两门课程就能完成，它需要经济金融学科与计算机科学、人工智能等学科进行更系统、更深层次的交叉融合。金融教育应当在扎实的理论训练与前沿的AI应用能力之间找到恰当的平衡点，培养学生既深刻理解金融资产定价、资本市场运行与金融机构业务的内在逻辑，又能熟练掌握业界所需的数据处理、算法设计与工具应用能力。与此同时，来自金融业界对人才需求的持续反馈至关重要，这将为学院优化课程体系、调整教学重点提供最直接的依据。

王龙助理教授发言全文

各位嘉宾，下午好。非常荣幸能参与今天的讨论。前面几位嘉宾的分享给了我很多启发。作为大学教师，我们的工作本质上是在为金融机构及相关行业输送未来人才，因此，能够现场聆听业界专家对未来人才需求的见解，对我们而言极具价值。

我想主要分享几个关于教学的思考。第一，在AI时代，高校教师，特别是经济学院的教师，角色应当如何重新定义。第二，面对AI的迅猛发展，我们究竟应该培养学生哪些核心能力，才能切实回应市场与行业的真实需求。

正如刚才几位嘉宾和曾老师所言，AI技术发展日新月异，迭代速度惊人。我们时常观察到，学生对AI工具的掌握程度甚至可能超过老师。举个简单的例子，在我讲授公司金融课程时，我或许会将AI集中用于课程准备、论文指导等特定教学环节；但对于一名学生而言，他同时面对多门课程，会将AI工具应用于数十个不同的学习场景中。因此，学生积累的AI使用经验，在某些方面确实可能更为丰富。

这一现实促使我们反思教师的定位。自去年起，复旦大学推出了一系列AI相关课程，学院也承担了部分教学任务。其中有些课程由学院教师牵头，多位老师共同参与，我也有幸参与其中。同时，我也以课程建设为载体，申请了学校关于AI赋能课程教学改革的项目。

在教学改革实践中，我们的核心目标很明确：将传统金融课程知识与当前行业所需的技能有效结合。例如，刚才嘉宾们提到的，金融实务中越来越需要员工具备智能投顾、算法应用、AI辅助量化分析等能力。将这些内容融入教学，自然是题中应有之义。

然而，在具体融合过程中，我们遇到的第一个难题便是：如何将AI内容有机地嵌入金融学课程体系？换言之，我们似乎希望教会学生“如何运用AI在资本市场获取超额收益”。但这本身存在一个现实的悖论。我们会尽力向学生阐释清楚这个问题背后的复杂性与市场逻辑，这也是我积极参与“金融+AI”课程改革的重要原因之一。

第二个难题关乎教学方法。当前，学校鼓励教师在教学中运用各类AI工具，如AI备课、AI助教、AI作业批改等。但要真正将AI融入课程体系，一个基本前提是推动学生参与线上学习。以我自己的课程为例，过去主要以线下教学为主；若要实施AI教学改革，就需要将课程改造为线上线下混合模式，让学生在线完成部分学习任务。只有这样，才能收集到学生的学习行为数据，形成课程数据库，进而让AI更精准地服务于教学。

但随之而来的是一个新问题：如果学生通过线上课程已经能够很好地掌握知识，他们还有多大动力来到线下课堂？我也与其他老师探讨过，如果线上内容已经足够完善，如何保证线下参与度？一种观点是，需要在线上设置一些难点或引导机制，“迫使”学生回到线下。但这又产生了矛盾：如果最终目标是让学生参与线下教学，为何还要投入大量精力建设线上课程？我们既希望提供优质的线上资源，又不想让学生完全依赖线上学习，还要设法将他们吸引回线下课堂——这中间如何避免资源的相互抵消与目标冲突？

可以说，这是当前参与AI课程改革的教师们面临的一个普遍难点。我们需要共同探索，如何让学生在线上真正获得体系化的知识，同时又能通过线下课堂，深刻体会AI如何赋能他们的学习与思考，而不是让线上线下环节彼此割裂甚至对立。

第三个难点，在于如何准确识别学生的真实能力水平。各位业界嘉宾在招聘、实习或日常管理中，或许有更多维度和更长时间来观察、评估一个人的能力。但在教学场景中，教师往往只能通过作业、论文和课堂表现等有限渠道来评判学生。AI普及后，这一评判过程变得更加复杂。学生可以用AI生成论文初稿、优化语言表达、补充论证细节，教师则需要辨别，哪些是学生自身的见解，哪些是AI工具的产出。

更进一步设想，如果学生用AI完成作业，教师也用AI来批改作业、生成评语，那么就可能形成一个“AI生产-AI评价”的闭环。这个闭环本身不一定全是弊端，但若缺乏精心设计，确实会削弱我们对学生真实学习成效的判断。因此，未来的教学评价体系必须进行调整。我们不能仅仅依赖传统的作业形式，也不能完全将评价权交给AI，而是需要重新设计能够有效激发并考察学生独立思考、批判性判断与创造性表达的评估环节。

以上这些，都是在教学研发和师生互动中实际遇到的问题。面对快速变化的AI技术，我们期望学生既能打下坚实的金融理论基础，又能掌握业界所需的AI实践技能。而这二者之间的“度”如何把握，至关重要。

从更长期的视角看，经济金融学科需要与智能科学与技术、计算机科学等领域的师资形成更紧密的合作，推动跨学科的实质性融合。国际金融系也计划在这方面进行改革探索，目标是在传统的经济金融核心课程中系统性地融入AI相关内容，而非简单地增加一两门孤立的课程。

我们也非常期待未来能与在座的业界嘉宾开展更深入的合作与交流。毕竟，我们培养的学生最终将进入各位所在的机构与行业。业界对人才能力的具体要求、对知识结构的反馈，将是帮助我们持续优化课程设置与教学安排最宝贵的指南。以上是我结合教学实践对AI应用的一些思考，由于时间关系，就先分享到这里。谢谢大家。