我还想通过一个智能体的例子说明AI能力边界。我们曾经尝试让浏览器插件或AI智能体去调用网页信息，完成一些看似并不复杂的数据获取任务。比如让它去某个网站获取实时行情，理论上它可以通过浏览器、网页和一些程序接口来完成。但实际操作中，它并不总能像人一样先分析网页结构，再找到对应字段，把数据抓取出来。它尝试了很多网址和方式，消耗了不少Token，最后效果并不理想。

这说明，AI Agent并不是无所不能的。它的能力取决于底层模型、工具接口、网页结构、数据标准化程度和任务设计方式。如果有稳定API接口，任务又是重复性的，它可能做得比较好；但如果需要临时理解网页结构、跨多个系统调用数据，或者容错率很低，它短期内未必可靠。

所以，我的一个基本判断是：在预算充分、任务重复、流程相对标准化的情况下，可以逐步把部分工作交给智能体；如果预算不足、容错率低，或者任务需要嵌入具体项目和复杂业务判断，就不能简单交给AI，而要由人进行结构化设计、过程监督和最终把关。

总的来说，AI时代的金融人才培养，不能只强调会不会用某个工具，更要理解AI系统的数据、模型、接口和应用边界。金融学生既要掌握金融专业知识，也要理解AI基本原理和安全风险。只有这样，才能真正知道哪些事情可以交给AI，哪些事情必须由人判断，哪些风险需要提前防范。