2025年8月12日，北京资产评估协会人才工作委员会举办“当前形势下人工智能与资产评估机构人才队伍建设”研讨会。会议邀请中联资产评估集团有限公司部门经理周骏垚、北京和光致远科技有限公司董事长尤杨、北京天健兴业资产评估有限公司信息化总监袁勇，围绕会议主题作了深入的主题演讲与分享。北京资产评估协会副会长汪宁、肖力，北京注册会计师资产评估行业深改办副主任逄俊和人才工作委员会各位委员参加了研讨会。会议由人才工作委员会副主任委员周军主持。
现将本次研讨会主要成果综述如下：
一、周骏垚：人工智能如何重塑评估人才的核心竞争力
周骏垚的发言围绕人工智能对资产评估行业人才核心竞争力的重塑展开，介绍了中联“摩估云”平台的智能化演进历程，分析了人工智能技术带来的工作模式变革及人才能力维度升级，强调未来评估人才需成为“规则设计师”，通过连接、重塑和进化价值实现人机协同，推动行业向智能驱动阶段发展。
（一）智能化征程——从流程优化到认知变革
资产评估行业的智能化进程中，技术应用从流程优化深入到认知变革，中联“摩估云”平台的演进是典型代表。作为中国首家具备完备互联网、大数据自主研发能力及核心产品的资产评估机构，中联自主研发的“摩估云”平台，已支持集团内 2000多人、13000多个项目运行。
该平台历经多次迭代：2017年11月的1.0版搭建起业务流程支撑平台；2018年6月的2.0版引入大数据体系；2020年11月的3.0版实现云化协同作业；2022年的4.0版升级为智能价值管理平台；2025年的5.0版依托评估垂类大模型，形成专业体系与AI智能流程管理相融合的综合平台。
目前“摩估云”平台涵盖市场客户、项目立项、项目承做、审核风控和后期管理等5大模块，通过智能体嵌入式应用实现全流程智能化，各阶段配备相应功能，还设有代办提醒、知识库索引、智能问答、数据汇总及分析等智能助手辅助提升报告质量和作业效率。
（二）人机协同进化——从效率提升到能力升维
人工智能技术的深度赋能，推动资产评估行业的工作模式从效率提升迈向能力升维，实现了人机协同的进化，重塑了人才的能力要求。
1.四大技术突破驱动行业变革
人工智能在资产评估领域的应用，依托四大技术突破实现对企业数字化信息系统的革新：
非结构化数据整理与入库技术：通过先进数据处理引擎，实时解析文档、图片、音视频等非结构化数据并存储，大幅提升数据处理效率；结合 AI 算法深度挖掘数据价值，为企业构建完整数据资产体系，支持业务快速决策和创新应用。
数据精准分析与智能决策引擎：构建多维度数据分析平台，通过机器学习算法识别业务模式和趋势，为管理层提供数据驱动的决策支持，优化资源配置，提升业务表现和风险管控能力。
垂直大模型与知识图谱融合：打造针对财经领域的智能助手系统，集成行业专业知识和实时市场数据，实现审计、合规检查等业务流程自动化处理，提升财务工作效率，确保业务操作的准确性和合规性。
AI Agent业务场景深度融合：建立覆盖完整业务流程的智能体工作流系统，从客户服务、内部协作到业务执行全环节智能化，通过AI代理深度嵌入各业务场景，实现流程自动化和智能化升级。
2.工作模式的三大层次蜕变
在AI技术赋能下，资产评估行业的工作模式经历了应用层、规则层、架构层三个层次的蜕变：
应用层——从“执行者”到“流程架构师”。AI应用前，工作模式为“流程搬运”，仅在任务节点推送下一环重点；AI应用后，转变为“智能协作”，可提出对整个流程体系的建议，重塑人+AI作业流程。
规则层——从“规则应用者”到“规则赋能者”。AI应用前，规则积累依赖人工总结，仅能被动复用；AI应用后，以智能体为驱动实现“动态学习”，激活规则，无需人为转换即可让机器自主学习，实现规则的主动复用。
架构层——从“工具使用者”到“知识工程师”。AI应用前，依赖Excel引擎+模块库进行静态数据积累；AI应用后，构建“知识智能底座”（知识库+知识图谱），实现知识的系统化、扩展化和复用化，形成可沉淀的知识智能资产。
3.人才角色的转型与能力对比
技术变革推动评估人才从传统角色向复合型角色转型。
传统评估师：以“单点执行者”为工作模式，核心竞争力体现在专业知识深度、项目经验积累、风险判断能力。
AI时代复合人才：以“系统设计者”为工作模式，核心竞争力拓展至业务逻辑转译力、智能体架构设计力、人机协同规则定义力，需具备将业务需求转化为技术语言、设计智能体工作架构、定义人机协作规则的能力。
（三）未来已来——成为不可替代的“规则设计师”
人工智能时代，资产评估人才需向“规则设计师”转型，通过三大价值内涵实现不可替代，推动行业与AI深度融合、持续进化。
1.复合人才的价值内涵——连接价值
连接价值旨在打通业务及技术的语言壁垒，实现两者的有效协同，主要体现在：
一是技术协同与流程优化能力。联合技术团队优化提示词、搭建工作流，在保证专业度的前提下精简流程，解决模型响应慢等问题。例如，在底稿识别功能开发中，通过简化具体科目、实现底稿与科目一对一关联，减少大模型处理的数据量，提升响应速度；同时采用“正向识别+反向校验”模式（让大模型用自身工作结果检验结果），确保数据匹配准确性。
二是业务转化与沟通适配能力。提炼资产评估核心需求，用技术团队易懂的语言传递，避免需求偏差。技术团队擅长底层代码逻辑（0和1），而业务层面是树状结构的场景需求，需向技术团队清晰阐释业务场景的“树状结构”，确保开发方向贴合实际需求。
三是专业逻辑与技术适配能力。向技术团队阐释资产评估的底层逻辑，推动技术方案与专业规则深度匹配。例如，向技术团队解释“净资产评估值”“企业价值”“股东全部权益价值”等专业用语的差异，确保技术实现符合业务规则。
2.复合人才的价值内涵——重塑价值
重塑价值体现为从“懂业务”向“懂业务如何智能重生” 跃迁，实现业务与AI的深度融合，主要体现在三个层面：
数据层面。从外部数据入手，经过数据清洗，转化为结构化数据资产，为AI应用奠定基础。
知识层面。构建领域垂直的知识库和知识图谱，通过模型训练形成向量库，支撑AI的知识检索与应用。
场景层面。将业务场景与AI深度融合，通过提示词优化、工作流搭建、智能体应用，实现技术落地；同时借助可视化工具、低代码/无代码平台、API接口等降低AI开发门槛，让业务人员参与智能体创建。
3.复合人才的价值内涵——进化价值
进化价值以“作业即开发”为核心理念，实现人与AI的协同进化，即以工作流智能体为核心载体，通过“开箱即用”的方式满足个性化需求，在使用过程中产生的新知识和经验持续沉淀到个人工作站，最终实现人与AI的优势互补、共同学习、持续进化，形成良性循环——人通过实践优化智能体，智能体反哺人的工作效率，推动整体能力提升。
4.未来顶尖评估师的核心特质
周骏垚认为，未来顶尖评估师必须是“专业根基扎实、技术理解深刻、跨界整合高效”的复合型人才。只有主动拥抱智能化变革，在人机协同中重构核心竞争力，才能推动资产评估行业迈向智能驱动的新发展阶段。
二、尤杨：人工智能在评估机构中的应用与专业人才培养方法探讨
尤杨的发言围绕人工智能在评估机构中的应用及专业人才培养展开，介绍了人工智能在评估行业的发展与应用落地场景，阐述了提升评估人员AI应用技能的方法，强调人工智能能推动行业降本增效、实现转型，而人才培养需机构与个人共同努力。
（一）人工智能在评估行业的发展
人工智能的发展历程丰富且充满变革，每十年都迎来关键进展，从早期探索积累，到深度学习崛起，再到如今的大模型与智能体时代，其发展轨迹不断拓展。2020年GPT3横空出世，2022年生成式AI火爆全网，2023年GPT4、文心一言等相继诞生，不仅在文本生成上更进一步，还增添了图像、视频生成等功能。2025年被视为智能体元年，新技术不断涌现，大模型间实现相互调用，显著提升了系统性能与智能化程度。2025年8月8日发布的GPT5.0，在解决幻觉问题和降低推理错误率方面成效显著，为人类提供更可靠的服务。 在评估行业中，人工智能的发展同样经历了逐步演进的过程。以和光致远为例，2018年正式涉足评估信息化领域。起初主要聚焦于信息收集以及开发辅助工具，助力评估人员更便捷地获取相关资料，提升基础工作效率。随后，将这些辅助工具进行系统化整合，构建起一个有机的整体，进一步优化工作流程。随着数据的持续积累，进入利用数据进行决策分析阶段，并搭建起BI平台，实现数据的深度挖掘与可视化展示，为评估决策提供有力支撑。最终成功引入人工智能技术，完成从传统作业模式向智能化作业模式的重大跨越，充分彰显了评估行业人工智能的发展脉络。
人工智能在评估行业的重要性体现在三点：
1.降本增效
评估行业属于典型的人力与知识密集型行业，在传统作业模式下，人力成本占据较大比重。人工智能的引入，极大地改变了这一现状。一方面，重复性、规律性的工作可由智能机器完成，降低了对大量人工的依赖，有效削减人力成本。另一方面，在数据处理效率上，人工智能带来了质的飞跃。以往，人工收集分散的结构化、非结构化数据，如产权文件、行业分析报告等，不仅耗时费力，而且覆盖维度有限。如今借助AI大模型，通过多源异构数据实时抓取与对齐、非结构化信息智能解析，能够大幅缩短数据整合周期。在重复性工作优化方面，AI通过规则引擎与机器学习，自动完成部分标准化任务，让专业人员得以从繁琐的基础工作中解放出来，将精力集中于复杂资产估值逻辑设计、特殊交易背景分析等高价值判断环节，从而显著提升整体工作效率。
2.质量控制
在评估工作中，质量控制至关重要。传统模式下，仅依靠人工肉眼查看表格、进行收益法和市场法等复杂计算，极易出现各种低级错误。而人工智能的应用有效解决了这一难题。在财务数据处理环节，借助智能网络爬虫、光学字符识别（OCR）和自然语言处理（NLP）工具，能够从扫描的审计报告、评估报告等专业报告以及上市公司公开披露信息中精准提取关键内容，并进行清洗、标准化和标注，解决了传统人工录入“错漏多、格式乱”的问题。在报告生成阶段，利用智能体实现评估报告和测算表的精准关联，完成大部分编写量的同时，对报告中的关键文字进行锁定，确保数据的准确性与唯一性。此外，在审核阶段，人工智能依据预设的规则和模型，对报告进行全面审核，能够自动检查出计算错误、公式变动等固定错误，还能通过合理性检查预测逻辑是否一致，有力地提升了评估报告的质量。
3.促进评估机构和传统作业转型
在缺乏信息化和AI技术之前，评估作业主要依赖传统人工模式，效率低下且易出错。随着人工智能技术的不断发展与应用，评估机构迎来了向数字化转型的契机。通过构建数字化体系，引入智能化工具，评估机构能够实现从单纯的交易服务者向经济治理参与者、价值跟踪者、主动估值服务商的角色转变。例如，通过实时追踪资产质量、构建风险预警框架，为国资监管等提供决策支持，拓展了业务领域与服务深度。同时，对于中小评估机构而言，借助AI带来的平权契机，可将资源集中于特定领域或细分市场，积累经验和案例，打造细分赛道的领先地位，实现差异化竞争与突破发展。
(二)人工智能在评估行业的应用实践
1.本地化部署
大模型应用需实现本地化部署，核心原因在于评估行业涉及大量涉密信息，与甲方的保密协议明确禁止将数据作为通用大模型的训练语料，而开放通用大模型存在信息外泄风险。本地化部署具备两大优势：其一，构建安全闭环体系，通过端到端加密与动态隐私保护技术实现全链路闭环管控，确保业务数据“全封闭、不出域”，使信息始终处于可控的安全框架内；其二，保障效能可控，通过算力优化显著提升核心服务响应效率，确保系统在复杂计算场景下仍能快速响应，满足专业信息查询分析、评估数据检测等需求。
2.具体应用场景
报告生成智能体：针对评估机构报告量大、重复应用多的痛点，智能体可实现评估报告与测算表的一一关联。上传测算表并选定报告类型后，智能体将自动调用对应模型生成报告，完成80%左右的编写量。同时，对报告中关键性文字进行锁定，区分可编辑与不可编辑区域，确保数据唯一性；基于内部运算逻辑与模型生成的特定报告模板将存入大模型库，便于后续复用。
财务数据智能分析提取：作为评估作业的关键环节，该功能可智能解析甲方财务账目，包括资产负债表、科目余额表、往来账等，自动匹配并写入对应测算模型；对无法识别的内容进行提示，降低人工录入错误率。此外，系统可自动校验账目平衡性，若发现不平衡可及时触发沟通机制。
智能助手：整合评估所需的知识查询资源，涵盖评估参数、法律法规、交易案例、宏观分析等内容。鉴于网络信息存在时效性差的问题，平台将此类信息统一归集，便于评估人员高效查询、匹配与分析。同时，针对专业性评估软件的操作场景，智能助手可辅助用户回忆操作流程，减少业务人员通过微信、电话咨询的频率，提升工作效率。
智能风控：包含两大核心功能：一是错误检测，将收益法等复杂表格中的4000余个公式纳入知识库，通过模型调用与关联检索实现错误自动分类，涵盖计算错误、公式变动等固定类型，并通过合理性检查验证预测逻辑一致性；二是报告知识审核，对Word文档按8级章节切片处理，自动识别并罗列语义偏差、错别字、基准日与报告日不符、与明细表不平衡等问题，结合预设检查要点实现风险前置，减少审核人员工作量。
智能估值：通过训练估值模型，智能快速的预估评估结论。帮助委托方及评估机构快速评判项目的情况，协助做出商业决策。用户上传资产负债表、利润表等数据，选定行业与可比上市公司后，系统可自动完成收益法与市场法估值计算。
（三）提升评估人员的AI应用技能
1. 评估人员需具备的知识
需理解人工智能知识体系，无需深入钻研，但应掌握自然语言处理、计算机视觉、数据清洗与分类、应用场景搭建等基础概念；了解编程语言的功能与应用边界，无需实际编码，借助智能体、低代码平台即可实现功能调用，需知晓 Python、VB、Go等语言的适用场景与实现能力；熟悉大模型的分类与特性，无需精通技术细节，但应明确金融领域专用模型、通用模型及需微调模型的区别，掌握其能力边界（如 GPT的强推理能力、FinGPT在金融领域的适配性及微调潜力）；理解智能体的核心概念（MCP、AOA），掌握其工作原理与搭建逻辑，以实现智能体间的协同联动。
2.人才培养方法
机构层面：需搭建智能化作业系统，如智能体、评估智能平台，为人员提供实战工具；开展系统性培训，涵盖系统操作与AI知识普及，定期组织应用场景交流与经验分享，建立案例库；完善内部治理机制，通过物质与精神奖励鼓励员工运用智能技术解决项目问题，推动作业模式转型。
个人层面：需保持持续学习的主动性，以适应技术快速迭代；参与大模型、人工智能相关的论坛与培训课程，弥补知识短板；积极融入行业交流，通过科技发展论坛、行业研讨会等渠道向同行学习；在项目实践中主动尝试应用大模型及智能技术，积累实操经验。
3.合作方式
机构可通过四类合作提升人才培养效能：一是与科技公司联合建设人工智能平台及应用，促进IT人员与评估专业人员跨界学习，培育复合型人才，提供实践路径；二是与开源组织合作，借助开源社区资源解决技术问题，激发评估师的交流学习意愿；三是与高校共建实训平台，融合机构实践经验与高校理论资源，定向培养专业人才；四是聘请技术专家解读AI发展趋势，为公司信息化建设提供系统培训，精准识别短板并优化提升。
三、袁勇：人工智能时代资产评估行业的人才需求与培养
袁勇的发言围绕人工智能时代资产评估行业的人才需求与培养展开，分析了AI对行业能力的重构、新人才需具备的特质与能力，介绍了人才培养的实践路径及新工具的应用，强调行业需主动适应AI变革，通过内外结合的培养模式打造复合型人才。
（一）AI正在重构评估行业的能力
AI技术的快速迭代正深刻改变资产评估行业的发展格局。以GPT-5为代表的新一代大模型展现出四大核心特性：更可靠，相比GPT-4o幻觉率降低45%，较GPT-3.5降低80%，在医疗领域幻觉率仅为1.6%；更复杂，跨语言处理、多模态交互及长上下文理解能力显著提升，可支持数十页甚至上百页评估报告的完整处理；更聪明，其智能水平被类比为“博士生”，在数据分析、逻辑推理等方面实现质的飞跃；更便宜，基础版本成本降低50%，且推出免费版，大幅降低行业应用门槛。
AI的竞争主场已转向实用价值赛道。2025年二季度数据显示，多款AI应用月活用户环比降幅超50%，说明单纯依赖技术噱头的产品难以持续，而生态与场景融合成为决胜关键。从大模型中标项目行业分布来看，落地场景的争夺愈发激烈。与此同时，外部力量正加速涌入评估领域，2025年7月至8月仅一个月内，就有云南红塔银行、中邮资管、浙江中通通信等多家机构发布与估值系统相关的招标公告，科技公司不惜承受短期亏损抢占市场，对传统评估机构形成直接冲击。
行业自身也面临转型压力。数据显示，资产评估师年龄结构偏老化，可能影响对AI技术的适应速度。这种现状既反映了行业经验积累的优势，也暗藏着对智能化转型的挑战。
（二）AI时代评估行业新人才需求
AI时代的评估人才需具备八大核心特质：适应与拥抱变化，能主动应对技术迭代带来的行业变革；扎实的核心业务能力，这是发挥AI工具价值的基础；跨专业融合知识，需兼具评估专业与数据科学、计算机技术等跨领域知识；终生学习能力，持续追踪AI技术与行业应用的前沿动态；批判性思维，能理性判断AI输出结果的合理性；生态协同能力，可与技术团队、行业伙伴高效协作；跨专业创新力，善于将AI工具与评估场景结合创造新价值；沟通与协作能力，能清晰传递专业需求与技术逻辑。
新人才需掌握多项“新能力”：在技术应用层面，要理解API接入、智能体调用等基础技术逻辑，例如明确数据格式定义、接口参数设置等核心需求，而非单纯依赖技术人员；在数据处理层面，需具备强大的信息理解能力，能将评估专业逻辑转化为AI可识别的数据格式，解决文档匹配、数据对齐等问题；在工具使用层面，要掌握专业提示词（PROMPT）的编写技巧，包括提问明确具体、避免歧义、提供上下文、一次一问等原则。例如针对财务分析场景，需明确“作为财务分析专家，基于资产负债表数据，计算XX指标并分析变动原因”，而非笼统的“做个财务分析”。
尤为重要的是要具备专业的批判性思维。AI模型仍存在“幻觉”风险，评估人员必须凭借专业素养判断AI输出的合理性，避免被误导。同时，需理解信息收集的局限性——通用大模型通常仅检索前100-120个网页数据，可能遗漏关键信息，需结合专业数据库与行业经验进行交叉验证。
（三）AI 时代的评估人才培养实践
人才培养需采用“内部培养与外部引进双引擎驱动”模式。内部培养侧重从现有团队中发掘潜力人员，通过项目实践提升其AI工具应用能力，例如具备统计背景的评估师可转型负责数据逻辑定义与AI输出校验；外部引进则瞄准兼具技术能力与行业理解的复合型人才，如招聘熟悉评估场景的AI工程师，通过内部培训使其掌握评估准则与业务逻辑。
新型人岗匹配机制强调“人尽其才”：对于经验丰富但技术适应意愿较低的资深从业者，可定位为“行业专家”，负责提供专业判断与逻辑指导；对于熟练掌握AI工具的年轻骨干，可培养为“复合型人才”，主导智能体搭建、提示词优化等创新工作。例如某案例中，工作两年的年轻员工借助AI工具，在计算精度上达到与10年经验项目经理相当的水平，体现了技术赋能的价值。
机构赋能与人才自我进化需协同推进。机构层面应建立系统化培训体系，开发定制化AI实训课程，覆盖“理解-运用-创新”全链条；完善激励机制，打通新人才晋升通道，设立独立的评价体系，避免单纯以业务量衡量价值；推动跨界融合，与科技公司、高校合作搭建实训平台。个人层面则需主动更新知识结构，重视数据处理、跨行业经验积累能力；积极转换角色，从传统评估人员向“数据释疑官”“AI训练师”转型，例如主导提示词编写、智能体流程设计等核心工作。
新能力认证体系是培养成效的重要保障。鼓励员工获取大模型工程师、智能体应用等相关认证，例如阿里云LLM工程师认证。
四、与会委员讨论：人工智能与资产评估人才队伍建设的路径探索与行业思考
参会的各位人才工作委员会委员也聚焦本次研讨会主题进行了深入的分析和探讨。其主要观点如下：
（一）人工智能与资产评估结合的阶段特征及升级需求
人工智能与资产评估的结合目前处于初级阶段，无论是行业协会、机构还是高校，均需加速推进，从初步介绍、引入阶段升级到与评估业务精细化结合的发展阶段，最终实现成果落地。
（二）高校人才培养的探索与方向
1.人才培养模式创新
部分高校已开展“数字经济+资产评估”“人工智能+资产评估”等复合型人才培养项目（如南京大学本科项目），此类项目能提升专业吸引力，提高招生质量，是行业发展的重要机遇，应推动更多高校参与。
建议未来高校可探索“资产评估科技”等专业，融合数学、计算机与资产评估知识，培养复合型人才；相较财经类学生补学理工知识，理工科背景学生补充资产评估知识更易实现，可侧重此类培养路径。
2.人才培养方案与课程建设
当前各高校资产评估人才培养方案差异较大，尚未形成共识，需进入趋同阶段；课程设置上，仅少数头部院校引入机器学习、Python、人工智能等课程，应推动更多高校开设此类课程，并打造精品视频课程，培育行业名师。
建议协会、高校、机构联合编著“智能估值”“智能评估”等教材，将专家口头传授内容转化为文字成果，作为培训教材推广，教材需兼顾专业性与通俗性，降低入门难度。
3.实践与思维培养
资产评估实践性强，需强化高校与机构、协会的合作，完善双导师制，提升实践基地效能；专硕项目应注重应用，研究生及博士阶段需侧重思想层次培养，不仅关注人工智能应用，更要培养“改变人工智能”的思维与认知。
（三）行业人才培养与培训策略
1.分层次培养与分类
按AI应用逻辑对人才进行分类（如引领者、跟随者等），针对不同群体开展培训：对40岁以上老员工，侧重AI工具基础使用方法培训（如提问技巧、成果生成），结合实操训练，提升接受度；对年轻人，利用其对新生事物的高接受力，强化复合知识体系培养。
推动开展科普性、分层次课程（基础型、提高型），可由人才委员会牵头，联合高校师资、机构专家、IT企业人才实施，必要时通过问卷调研明确需求。
2.复合型人才培育
行业急需兼具计算机、统计等知识与评估背景的复合型人才，应发挥北京的区域优势，推动高校师资与机构需求结合，通过“双导师制”“实习实践”等方式，促进评估专业人员与技术人员协作，弥合认知与实践障碍。
（四）人工智能在行业应用中的风险
1.认知风险
AI是提升评估效率、质量的工具，但它不是万能的，无法完全替代评估师，尤其在专业判断、职业经验、综合素质要求高的环节，仍需评估人员主导。应用AI需与专业能力结合，避免“AI 编故事”，评估人员需提升对AI成果的判断与筛选能力。
2.潜在风险
要预防AI引发行业内卷风险（如降低成本导致价格战），需理性看待其价值，避免成为单纯压缩成本的工具；同时要关注当前外部竞争者凭借数据与技术优势对评估行业的冲击，增强危机感、紧迫感，加快数智化转型步伐，牢牢把握竞争主导权。
（五）机构与行业的应对建议
大型机构可加大资源投入，如加强系统建设、培养人才团队，中小型机构可通过参与行业培训、内部交流、招聘复合型新生力量（如数字经济与资产评估专业毕业生）应对AI挑战；协会可推动网络培训，补充现有培训资源不足的问题。人才委员会可牵头组织调研、制定培养计划，联合多方力量开展培训，推动行业整体拥抱AI时代。
五、会议总结：AI时代资产评估人才的核心画像与培养落地策略
汪宁在总结讲话中提出，中联评估的“摩估云”、天健兴业的“智评云”、和光致远的智能评估系统等实践案例表明，大模型技术的快速迭代、智能体在评估全流程的深度应用，让传统评估模式发生根本性变革，而人才是变革中的第一资源。今天的研讨会为AI人才做了“画像”：兼具专业根基与技术素养，既要精通评估准则与业务逻辑，又要掌握智能工具应用、提示词工程、知识图谱构建等新技能，更要具备批判性思维、跨专业融合能力和终生学习意识。面对新的人才需求，要做到内部培养与外部引进双轮驱动、“专业型+复合型”人才协同发展、机构赋能与自我进化相辅相成，通过建立定制化实训课程、打通AI人才晋升通道、推行能力认证体系等举措，不断扩大AI人才的蓄水池。
当前资产评估师队伍的人才结构与智能时代的需求存在一定落差，特别是对于大多数中小资产评估机构来说，培养资源不足、技术更新过快等问题客观存在。对此，汪宁建议要因地制宜，量力而行，尽力而为。先把AI用起来，通过利用免费资源或购买轻量化产品等方式，从小处着手，快速迭代，避免追求大而全、耗时长的项目。再把人才带起来，如寻找有兴趣、有潜力的员工组建AI团队；定期组织小型分享会，交流学习心得和项目进展；在与供应商合作中掌握产品性能，及时反馈建议；将参与AI项目与绩效、晋升或小额奖励挂钩，激励人才快速成长等。
