UBS stawia AI jako warunek wejścia do bankowości inwestycyjnej

Dla kandydatów do UBS sztuczna inteligencja przestaje być dodatkiem w CV. Szwajcarski bank wprowadza biegłość w AI jako element wymagań wobec osób aplikujących do naboru na 2027 r. na juniorskie stanowiska w pionie Global Banking and Markets, obejmujące programy absolwenckie i staże. Oczekuje nie tylko znajomości narzędzi, lecz także gotowości do dalszego uczenia się. 135

To istotna zmiana w rozumieniu pracy początkującego bankiera inwestycyjnego. Zamiast koncentrować się głównie na ręcznym przygotowaniu pierwszej wersji modelu finansowego, notatki analitycznej czy prezentacji, analityk ma coraz częściej umieć sprawnie pracować z materiałem wygenerowanym przez AI, zweryfikować go i przekształcić w wiarygodny materiał dla klienta.

Czego UBS oczekuje od kandydatów

Według doniesień osoby ubiegające się o juniorskie role w bankowości inwestycyjnej w ramach naboru UBS Global Banking and Markets na 2027 r. muszą wykazać się biegłością w AI. Kluczowe nie jest przy tym wąsko rozumiane techniczne potwierdzenie umiejętności, ale zdolność użycia technologii do poprawy rezultatów i efektywności pracy. 136

Bank rozwija te kompetencje również po zatrudnieniu. Jego ścieżka AI Fluency Pathway ma dawać podstawy praktycznych zastosowań, odpowiedzialnego wykorzystywania AI oraz podejmowania trafnych ocen. 5 W działalności regulowanej i opartej na relacjach z klientami jest to szczególnie ważne: trzeba wiedzieć, kiedy wynik wygenerowany przez narzędzie wymaga sprawdzenia, poprawy albo eskalacji do bardziej doświadczonej osoby.

Zakres pracy absolwentów dobrze pokazuje ogłoszenie UBS dotyczące programu Global Banking w Hongkongu. Obejmuje on ocenę spółek, budowę modeli dla transakcji fuzji i przejęć, przygotowywanie analiz sektorowych na potrzeby prezentacji dla klientów oraz wsparcie przy realizacji bieżących transakcji. 12 AI może przyspieszyć tworzenie szkiców i syntezę informacji w takich zadaniach, ale poprawność materiału i nadzór bankiera pozostają niezbędne.

Dlaczego AI zmienia rolę junior bankerów

Generatywna AI szczególnie dobrze radzi sobie z częścią powtarzalnych zadań produkcyjnych, które historycznie trafiały do młodszych analityków. Reuters Breakingviews zauważał, że narzędzia takie jak ChatGPT i Claude potrafią szybko przygotować model finansowy lub pitchbook, czyli prezentację sprzedażową dla klienta. Bankierzy wskazywali też na wykorzystanie AI do przygotowania do spotkań i podsumowań wyników spółek.

Nie oznacza to jednak, że taki rezultat można automatycznie uznać za rzetelny. Zespoły prowadzące transakcje nadal potrzebują materiałów dokładnych, osadzonych we właściwym kontekście i gotowych do użycia w kontakcie z klientem. Rosnącą wartością staje się więc umiejętność właściwego sformułowania zadania, oceny źródeł i założeń, wychwytywania błędów oraz jasnego przedstawienia uzasadnionego wniosku.

Szersze dane PwC z raportu 2026 Financial Services AI Job Barometer pokazują ten kierunek. Juniorskie stanowiska silnie związane z AI są siedem razy częściej niż stanowiska najmniej wystawione na wpływ AI powiązane z wymaganiem kompetencji tradycyjnie uznawanych za seniorskie, takich jak przywództwo i myślenie strategiczne. 4 Automatyzacja rutynowych czynności może więc podnosić, a nie obniżać, znaczenie ludzkiego osądu już na początku kariery.

Model UBS: wyższy próg kompetencji, ale nadal szkolenie

Podejście UBS nie polega wyłącznie na oczekiwaniu, aż nowo zatrudnieni poznają narzędzia AI po rozpoczęciu pracy. Bank wprowadza kompetencje AI do procesu selekcji, jednocześnie rozwijając je w ramach uporządkowanego programu szkoleniowego. 35

To inny akcent niż strategia skupiona jedynie na ograniczaniu liczby zatrudnianych analityków, gdy technologia przejmuje zadania powtarzalne. Dostępne materiały nie pozwalają na pełne porównanie banków pod względem skali cięć rekrutacji, ale pokazują obawy branży o kurczący się dopływ talentów na poziomie wejściowym. Fortune, powołując się na QuantumBlack McKinsey, informował, że w niektórych przypadkach banki redukują klasy junior analystów nawet o dwie trzecie, choć z tych samych grup pozyskują talenty AI.

Napięcie strategiczne jest proste: bankowość inwestycyjna opiera się na modelu praktycznego kształcenia. Młodsi pracownicy zdobywają umiejętności techniczne i biznesowy osąd podczas pracy przy transakcjach, a z czasem stają się starszymi bankierami. Wymóg biegłości w AI ma zachować tę ścieżkę rozwoju, ale zmienić definicję produktywnego analityka pierwszego roku.

Co badanie PwC mówi o zmianach kadrowych w finansach

Oddzielne badanie PwC, przeprowadzone wśród 1004 osób na stanowiskach co najmniej dyrektorskich w amerykańskich firmach usług finansowych, pokazuje, dlaczego pracodawcy tak wysoko wyceniają kompetencje AI — i jak niepełne pozostaje ich planowanie zatrudnienia. 10

Firmy oczekują dużego spadku zatrudnienia

Prawie ośmiu na dziesięciu respondentów przewiduje, że w ciągu pięciu lat AI zmniejszy zatrudnienie w ich organizacji o co najmniej 20%. Za najbardziej zagrożony poziom uznano stanowiska entry-level; wskazało je 30% badanych. 17

Są to przewidywania, a nie potwierdzone plany zwolnień. Pokazują, że menedżerowie spodziewają się istotnej zmiany, ale nie przesądzają jeszcze, które zadania znikną, które zostaną przeprojektowane, a które się rozwiną.

Planowanie nie nadąża za ambicjami

Tylko 42% menedżerów zadeklarowało, że ich organizacja przeprowadziła modelowanie wpływu AI na zapotrzebowanie na pracę w całej firmie. Wśród firm, które taki wpływ modelowały, jedynie połowa przeanalizowała konieczne przeprojektowanie procesów lub przepływów pracy. 17

To istotna luka. Zmniejszenie zdolności zatrudnieniowej i przeprojektowanie pracy nie są tym samym. Bez dobrze zdefiniowanych procesów firmy mogą zlikwidować zadania rozwojowe, zanim ustalą, jak młodsi pracownicy mają się uczyć, weryfikować wyniki AI i przejmować obowiązki o większej wartości.

Inwestycje w AI nie dają jeszcze konsekwentnie mierzalnych zwrotów

Według PwC 77% respondentów stwierdziło, że większość inwestycji w AI nie przynosi mierzalnego zwrotu z inwestycji. Nie dowodzi to, że AI nie ma wartości. Wskazuje raczej, że wiele firm wciąż ma trudność z pomiarem korzyści na poziomie całej organizacji, równolegle z wdrażaniem technologii i dostosowywaniem procesów.

Oddzielne badanie PwC w Hongkongu opisało umiarkowane zwroty ze skalowanych wdrożeń: 56% instytucji finansowych deklarowało zwrot rzędu 11–25% z kluczowych zastosowań AI. 15 Badania różnią się zakresem i sposobem ujęcia wyników, lecz razem sugerują sektor, który przechodzi od eksperymentów do powtarzalnych i mierzalnych modeli działania.

Kompetencje AI przyciągają wyższe wynagrodzenia i inwestycje w szkolenia

W tym samym badaniu amerykańskich firm finansowych 91% menedżerów podało, że zwiększa wynagrodzenia dla pracowników z umiejętnościami AI, a 58% spodziewa się bezpośrednio powiązać płace z produktywnością wspieraną przez AI. 10

Ponadto 86% badanych zgodziło się, że dla wielu nowych pracowników szkolenie z kompetencji AI jest wartościowsze niż MBA. 10 Nie znaczy to, że klasyczne wykształcenie finansowe traci znaczenie. Sygnalizuje natomiast, że pracodawcy coraz częściej uznają praktyczną biegłość w AI za podstawowe uzupełnienie wiedzy finansowej, analitycznej i kompetencji w pracy z klientem.

Obawy pracowników mogą spowalniać wdrożenia

PwC podało, że 44% respondentów dostrzega niepokój pracowników o bezpieczeństwo zatrudnienia lub zmianę roli; 43% wskazało, że pracownicy korzystają z AI tylko wtedy, gdy jest to wymagane; 40% mówi o przytłoczeniu tempem zmian, a 34% uznaje zmęczenie zmianą za barierę dla skalowania AI.

Jednocześnie 77% menedżerów uważało, że ich organizacja nie porusza się wystarczająco szybko, by dotrzymać kroku innowacjom w AI. Przeszkodą w modelowaniu zatrudnienia i wdrożeniach są także rozproszone lub niskiej jakości dane, wskazane przez 41% respondentów.

Co to oznacza dla osób myślących o karierze w bankowości

„Biegłość w AI” nie powinna być rozumiana jako bezkrytyczne korzystanie z chatbota ani jako zamiennik umiejętności finansowych. Język używany przez UBS przy opisie szkolenia wskazuje raczej na praktyczne zastosowanie, odpowiedzialność i trafny osąd. 5

Wiarygodny kandydat gotowy do pracy z AI potrafi wyjaśnić, jak:

• wykorzystałby zatwierdzone przez firmę narzędzie, aby przyspieszyć badanie, przygotowanie materiałów lub analizę;
• sprawdziłby założenia, obliczenia, źródła oraz twierdzenia faktyczne przed oparciem się na wyniku;
• chroniłby informacje poufne i przestrzegał kontroli obowiązujących w firmie;
• rozpoznałby rezultat niepełny, niewiarygodny albo nieodpowiedni do przedstawienia klientowi;
• przedstawiłby logikę biznesową jasno, nie traktując odpowiedzi AI jako ostatecznego rozstrzygnięcia.

Wymóg UBS na 2027 r. najlepiej rozumieć jako przeprojektowanie zestawu kompetencji potrzebnych na wejściu do finansów. AI może ograniczyć część ręcznej pracy produkcyjnej, ale zwiększa wartość osób, które potrafią właściwie kierować narzędziami, sprawdzać ich wyniki i zachować zdrowy osąd, gdy stawka jest wysoka. 145