AI 时代的岗位只剩三种人:调机器的、用机器的、校机器的

9 月 17 日，BOSS 直聘在深圳的一场活动上，把今年秋招里暴增的 AI 相关岗位归了类。结论很有意思：绕来绕去，其实只有三种人——调机器的人、用机器干活的人、校机器的人。

同一天前后，脉脉发布了《Agent 重置职场》报告：今年 1 到 7 月，新发 AI 岗位量同比暴涨 789%，平均月薪 63160 元。而另一个数字是，传统产品经理岗位同比缩了 42%。

一边暴涨 789%，一边缩掉 42%。这不是两个新闻，是同一件事的两面：岗位没有消失，岗位在重新分类。

前三篇我们聊过：为什么用了 AI 却什么都没变，为什么造 AI 的人在踩刹车，为什么被顶替的人这次没有新行业可去。今天这篇回答一个更实际的问题——如果一定要重新找位置，位置在哪？

▸ 本文看点

— 一台通用机器，三种围着它转的人

理解「三种人」，最快的办法是回到一百年前的工厂。

电力刚普及的时候，每个工厂都多了一台通用机器——电动机。这台机器本身不生产任何东西，但它驱动纺纱机、车床、传送带。那时候你去看任何一个工厂，围着这台机器转的，永远是三种人：造机器和修机器的（机修工，懂机器内部的构造）；开机器的（操作工，让机器产出产品）；验机器的（质检员，检查机器产出的东西合不合格）。

今天的大模型，就是那台电动机。它不直接生产任何东西，但它驱动写作、设计、编程、客服、分析。而围着它转的人，同样只有这三种。

这个类比之所以重要，是因为它戳破了一个幻觉：AI 时代的职业问题，不是「会不会被机器替代」，而是「你站在机器的哪一侧」。站在机器内部的人（调机器）、站在机器前面的人（用机器）、站在机器出口的人（校机器），是三种完全不同的生意。

第一种人，负责让这台通用机器适配具体场景——模型微调、推理加速、把 Agent 接进企业的真实系统。

这是离机器心脏最近的位置，也是护城河最深的位置。脉脉的报告里，这类「技术底座」岗位占 AI 岗位总量的约四分之一，但薪资是最高的那一档——AI 岗位平均月薪 63160 元，主要靠他们拉起来的。

最值得注意的信号是FDE（现场部署工程师）：这个岗位的招聘量同比涨了 1522%，在所有 AI 技术类岗位里排第一。什么叫现场部署？就是到大客户的现场，把通用大模型「调」成能解决这家公司具体问题的专用系统。

这个岗位暴增说明一件事：大模型本身已经很强了，瓶颈不在机器，在于把机器装进每一家具体的公司。通用机器是标准品，但每间厂房的流水线都不一样——总得有人钻到机器底下去接管子。

不过要泼一盆冷水：这条路门槛是真的高。算法、工程、行业 know-how，缺一不可。对大多数非技术背景的读者来说，这不是你的主战场，但你需要知道后两种人。

— 钻到机器底下去接管子的人

第二种人，是「用机器干活的人」——搭 AI 工作流、写提示词、把大模型接进业务流程，用机器交付可衡量的结果。

这类岗位占了 AI 岗位总量的六成以上，是这波扩招的绝对主力。而且它的边界正在快速外扩：BOSS 直聘观察到，视觉设计岗开始要求会用 Midjourney 和 Stable Diffusion 出图改图，工业软件销售岗要求理解 AI 基本原理、能给制造业客户提智能化方案。AI 能力正在从技术岗的「专业能力」，变成所有岗位的「通用能力」——今年秋招，AI 岗位的渗透率已经从 26% 升到了 38%。

那企业怎么判断你「会用」？脉脉 CEO 林凡给了一个很具体的标准：看你能不能让 Agent 自主工作超过一个小时。

这个标准很妙，它把「会不会用 AI」从玄学变成了可测量的东西。让 AI 帮你写一段话，谁都会；但把一个目标拆解清楚、交代给一个 Agent、让它自己跑一个小时不出错、回来交活——这要求你懂任务、懂流程、懂验收。报告里说，能做到这一点的目前只有 27% 的人。

说白了，「用机器的人」本质上是机器的管理者。你管的不是人，是一队不领工资的数字员工。管理能力没有消失，只是管理的对象变了。

— 能不能让 Agent 自己跑一小时

第三种人，是「校机器的人」——负责检查机器的产出，建立评价标准，把问题反馈回去：AI 人文训练师、多模态评测师、效果校准师。

很多人第一反应是：这不就是数据标注吗，低端活。

这是最大的误读。数据标注教机器「认识世界」，而校机器的人教机器「达到标准」。区别在哪？机器越强，它的产出越像那么回事，错误就越隐蔽——写得滴水不漏但事实全错的报告，比一眼假的报告危险十倍。发现这种错误，靠的不是眼力，是你在这个领域比机器懂得多。

上一篇我们说过，AI 够不着的活里有一类叫「担责」。校机器，就是担责在 AI 时代的具体形态：机器出方案，人签字；机器写诊断，医生负责；机器起草合同，律师把关。

而且这个位置的议价空间会越来越大。逻辑很简单：第一种人把机器造得更强，第二种人用机器把产能放大十倍——产出越多，质检的价值就越高。一条一天产 100 件的流水线，质检可以抽查；一条一天产 100 万件的流水线，质检就是命脉。

— 产出越多，说「能过」的人越贵

关于「三种人」，流传最广的有三个误解，挨个拆掉。

误解一：三种人都得会编程

不对。调机器确实要硬技术；但用机器的核心是「把业务翻译成任务」，校机器的核心是「你比机器更懂这个领域」——销售、设计、HR、财务，都在变成「用机器」和「校机器」的岗位，并不要求你写代码。

误解二：校机器是低端过渡岗

前面说过了，恰恰相反。机器越强，验收越贵。今天你觉得 AI 写的方案「差不多能用」，明天你就要为「差不多」三个字付学费。

误解三：我必须三选一

也不对。真实世界里这三种角色是叠加的：一个设计师，用机器出初稿（用机器）、按品牌标准验收修改（校机器）、顺手把提示词模板沉淀给团队（半个调机器）。一人多角，才是常态。你要选的不是「哪一种人」，而是「主杠杆压在哪」。

那怎么选？给你一张自测表，两个问题。

— 不用三选一，但要选主杠杆

一百年前，电动机进厂的时候，工匠们也慌过。后来他们发现，慌没有用，站对位置才有用——有人去学了修机器，有人成了最好的操作工，有人成了谁都离不开的质检老师傅。

今天也是一样。AI 没有消灭岗位，它只是把人重新分了工。调机器、用机器、校机器——三条路没有高低，只有远近。