AI 时代80% 的企业招不到满意的人才

80%的企业，在当前阶段招不到满意的 AI 人才。因为 AI 人才始终需要内部培养，但企业缺少培养人才的基因。

TTC 的创始人肖玛峰今年在一场圆桌上说过一个判断：今天的企业里，只有 1%是 AI 时代原生的，20%会积极转型，剩下近 80%都在苦苦挣扎。他补了一句，人才也一样。

他说的 80%，是企业在挣扎，不等于 80%的岗位招不到人。

同一场圆桌上他还说过一句更扎的：大公司老板想知道员工 AI 用得好不好，一发现组织里 AI 原生的人少得可怜，就慌了。

但“只能自己养”这一半，有更硬的证据。

AI Leaders Council 今年做过一份企业 AI 人才研究。44%的组织把“提升现有员工”当作首要的 AI 人才战略，只有 4%主要靠外部招聘。还有 33%，根本没有明确的 AI 人才战略。

想养的多，会养的少。这就是缺基因。

他们还发现一个更扎人的地方。企业最缺的那一格，技术专长只占 15%，“业务转译与用例设计”占了 31%。这个缺口，只能从懂业务的老员工身上长出来。招是招不来的。

肖玛峰还讲过一个能记住的画面。王慧文创业第一天，托 TTC 去硅谷找 OpenAI 的中国人。TTC 联系上对方，说美团王慧文要见你。对方回了一句：王慧文是谁？

顶尖的 AI 人才，不为招牌所动。

能用钱和牌子买来的人，早就被买走了。剩下的，只能自己长。

我翻了这几份报告。里面写的是人的处境。

所以指望企业先把培养制度建好，再来培养你，是一件很慢的事。这件事不该等。慢到你等不起的时候，就得自己来。

一、一边招不到人，一边不知道学什么

去招聘网站上翻一圈就明白了。错位出在纸面上。

Andela 的研究负责人 Cory Hymel 分析过约 5万条 AI 岗位招聘启事，发现超过一半的 AI 工程师岗，把两种以上不同的技能组合混在一起写。同一批数据里还识别出 1800多个独特的 AI／ML 工程师职称。像 LLM application engineer 这样的新职称，没有既定的教育路径，也没有认证路径。

用人单位在用一套还不存在的标准挑人。

Hymel 的原话不好听，但准：雇主在把错误的屁股放到错误的座位上，因为没有人真正知道这些底层技能该是什么、该叫什么。他给这件事起了个名字，叫“人才债”。

技术变得太快，招聘这件事本身还没跟上。岗位名字先有了，岗位的内容还在现写。招聘方自己，也在失误。

猎聘今年的《AI 人才趋势与洞察》里那句批评，正好对上：企业不宜把多类职责堆叠在同一个岗位里，否则容易形成要求很高、职责很宽、实际又难以交付的“全能型岗位”。

那一头，求职者在干什么？

中国青年报做过一项调查，1333名应届毕业生里，91.1%调整了求职规划，22.4%是较大调整，56.6%在主动学 AI 技能。同一个调查里，64.1%的人期待企业注重人才培养、提供岗前培训。

一个人想学，一群人想学。卡住的地方是学什么，这个问题眼下没人能替他们答。投出去没回音，不丢脸，多半是简历在替他们说错话。

《工人日报》9月有篇报道，里面那句话我记了很久：熟练使用 AI，正成为简历中的噪音。用人方看到的简历上写满了“熟悉 AI”“具备 AI 思维”“熟练使用 AI 工具”，但没有一份说清具体用在哪、到了哪个层次。

报道里还有个求职者说得特别好。她说，以为自己学会了用 AI 炒菜，进了后厨才发现人家要的是满汉全席。

首都经贸大学的毛宇飞副教授把这件事讲得更透。他说，今天真正拉开差距的，是能不能把专业能力和 AI 深度结合。他还有一句：未来的职场，更可能是“善用 AI 的人替代不善用 AI 的人”。

我不认同那种“先把课学完再上手”的路子。一个人用 AI 炒菜，一家公司要满汉全席，这话听着像玩笑，可它每天都在真实的面试间里发生。工具学得再多，答不上这个问题，也没用。

二、“岗位”这层壳在换代

三份数据，说的是同一件事。

埃森哲今年的“变革脉动”里有两个数字。20%的中国企业已经启动了全面的流程重构，但只有 11%在同步重新设计岗位。另一边，28%的高管认为岗位会根本改变，员工里只有 6%这么想。

老板在改流程，没改岗位。而且这两拨人，压根不在同一个认知里。

盖洛普的调查方向一致。50%的员工在工作中用 AI，但只有约十分之一的人强烈认同“AI 已经改变了我们组织的做事方式”。

工具在用，组织没变。那一头，员工其实是有点气的。离活最近的是他们，可拍板改流程的是别人。该改的是流程，不该只让干活的人自己去适应。

那把尺子就一直悬在半空。你按新尺子准备，人家拿旧尺子量你。你按旧尺子准备，新活又接不上。两头都不落好。这种局面里，努力和回报不成正比，这笔账算不到你头上。

还有一层变化，在入口上。

WEF 的《未来就业报告》里说，现有技能里有 39%会在 2025到2030年之间被转变或过时。如果把全球劳动力当成 100个人，59个人需要培训，其中 11个人拿不到他需要的那一份。

还有一句更冷的：入门级的活压力最大，高达 30%的入门级工时被认为可以自动化。

哈佛商学院和 INSEAD 今年有篇论文，把 AI 原生公司和同行业、同批次的公司放在一起比。AI 原生公司的入门级岗位和管理岗位占比，各低约 15%，层级薄半级。

过去十年，招聘这件事的骨架没怎么动过。那条“先干两年基础活、再往上走”的台阶，正在被抽掉。

按旧规矩努力的人，没有做错任何事。

这一点，我盯着那几个数看了一会儿才想明白。

三、那到底什么变了

真正变化的，其实是两件事。

第一件，地板抬高了。

LinkedIn 今年的《技能上升榜》里有个判断：AI 素养在 2025年是最快增长的技能，到 2026年不再上升，因为它已经成了基线。类比是 1998年的电子邮件、2012年的智能手机。

雇主现在问的，是你能用它做什么。

普华永道的《AI 就业晴雨表》给了个价格：有 AI 技能的工人，薪酬溢价 56%，是上一年的两倍多。同一批岗位里，AI 暴露度高的职位，技能变化的速度是其他岗位的两倍。

地板抬了，天花板在哪儿，没人告诉你。你要么自己去找，要么只能在原地等。

第二件，颗粒度变了。

《工人日报》那篇报道里还列了四个能考核的点：提示词怎么构建、输入信息怎么整理、AI 的输出怎么校验纠错、成果怎么做二次加工。

四个点，考核的全是做事的工序。

已经有企业在招聘里加了 AI 实操测试：现场借 AI 完成一件贴近岗位的活，看交付出来的东西，也看这个人怎么处理 AI 给错的那部分。

从“你会用”到“你解决过什么问题”，这一跳是整个错位里最关键的。跳不过去，前面学的那些，都白搭。

这两件事指向同一个地方：你手里那份说明书，已经过期了。

能讲出一件自己做成的事，才是底。

新的那份没人给你印。写它这件事，只能你自己动手。

四、真练出来的企业，都做对了什么

说回开头那个暴论。企业普遍缺培养的基因，但确实有练出来的。

华为的做法是分层。他们把 AI 人才分成四类：应用决策者、应用者、实现者、使能者，各练各的。载体叫 AI 工程实训营，里面的场景工作坊有三个特征。真场景，项目直接取自一线大行正在跑的那活；真动手，学员自己端到端跑通从需求调研到持续运营的全流程；真协同，业务骨干和技术骨干同场练。这套东西 2025年三季度推出来，到今年已经交付 15期，覆盖 8座城，服务 25家金融机构、800位学员。

字节的判断更直接。梁汝波说，AI 时代最重要的能力是“利用 AI 创造价值的能力”。配套的动作是给钱，产研人均每月报销 140美元，专门用来自己试各类 AI 产品。半年下来，内部 AI 调用量涨了 10倍以上。

Cisco 把最基础的 AI 培训做成全员强制，还做成了空手道腰带那样的等级制，让技能可以量。Amazon 更狠，某些课程直接和内部晋升标准、项目资格挂钩。

这三家的做法差得很远，共性只有一个：把学习挂在真活上。

课上得再多，不上手也没用。

那“真活”到底是什么活？我把十几个行业的落地情况翻了一遍，答案高度一致。

五、各行业已经在用 AI 干哪一步

AI 拿走的是每个岗位里“重复的、有明确规则的、出了错要等到事后才发现”的那一段。

财务被拿走的是对账、录单、月结。法务被拿走的是合同初审。客服被拿走的是填单和质检。医生被拿走的是写病历。工人被拿走的是盯着看缺陷。

留下的那一段，判断、谈判、担责、跟人打交道，反而更值钱了。它们的共同点是，都得你自己把话讲出去，把活卖出去。

下面这十二行，每一条都能查到出处。三格：AI 现在接手哪一步、一个能查到的例子、你今天就能做的第一步。

财务。接手的是验票录单、银企对账、月结关账。多家财务共享中心已经把“登录上百个网银逐笔勾稽”改成了系统定时批量下载、按规则比对，差异自动定位到具体凭证。这条来自服务商的公开案例，只写机制。你今天能做的第一步：找出你每月月底重复做的那张表，问一句，它有没有规则？有规则，就能被接走。

法务。接手的是合同初审和风险条款标注。律师的活分成两段：AI 出初稿和风险提示，大约 80%的基础工作量；律师集中处理核心条款谈判和最终决策，大约 20%。德恒长春分所的 AI 尽调系统，把传统需要 200工时的重组项目压到 72小时以内。第一步：把你们最常签的那类合同，整理成一份“哪些条款算偏离标准”的清单。这份清单就是你的 AI 说明书。

客服。接手的是填单、知识库扩写、全量质检。老板电器用大模型从对话里自动提取问题类型、产品型号和诉求，3秒完成工单记录，直接填写采用率 86.46%，最高 93.2%，平均提效 27.91%。国网甘肃归集了 4000余条历史工单反哺知识库，话务合规性提到 95%以上，问题处置时长缩短 20%。第一步：挑出客户问得最多、但答得最不准的 20个问题。客服每天被同一批问题烦，先把这 20个的答案统一，比买什么系统都实在。

销售。接手的是拜访规划、一店一策、录音转写回填。据销售易公开的落地情况，米其林上线 4个月，全国 400余名渠道代表 100%覆盖，75%的渠道经理在拜访中采用 AI 推荐内容，拜访规划时间从半天压到 5分钟，6800小时拜访录音由 AI 自动转写提炼。第一步：下次拜访前，把这家客户的历史成交数据喂给 AI，让它说这次该谈什么。你先看它猜得准不准。

研发。接手的是代码初审、补单测、写文档。阿里的 AI 代码评审助手上线以来，每天超过一半的有效评审意见由 AI 产出，人工评审量小幅下降，总有效评审量同比翻倍。Salesforce 在自己的工程博客里说，AI 工具让代码产出涨了 30%，工程师只管关键决策。第一步：把你们组最常犯的三类 bug 写成规则。配了 AI 评审规则的用户不到十分之一，但抽样的编码故障里，过半能用规则提前发现。

HR。接手的是写 JD、简历初筛、面试记录与一致性。据一家 HR 系统服务商披露，JD 从半小时缩到几十秒，简历初筛从每人几分钟缩到半分钟，不同面试官对同一个候选人的评分一致性从 60%提到 85%；有家制造企业激活历史简历库之后，37%的最终录用者是从旧简历里捞出来的。第一步：把你手上那个岗的 JD，从形容词改成事实。“沟通能力强”是形容词，“主导过一次拉新，带来 30%增长”是事实。这一改，该拿什么标准看你，就清楚了。

医疗。接手的是病历书写、影像初筛、处方审核。常州市第一人民医院的语音识别准确率从 82%提到 98%，门诊覆盖率 90%以上，AI 录下医患对话后 3到5秒生成病历，原先要 20秒。南皮县的智能审方累计审核处方 87万条，基层处方合格率提到 96%以上。苏北人民医院的胸部一次扫描，可以同时筛查 73种疾病或异常。县城的医院一天门诊上千，这几步省下的时间是实打实的。第一步：把写起来最费时间的那个文书找出来。医生被解放的是案头。

制造。接手的是视觉全检、设备预警、工艺参数。万向精工对轮毂轴承做到了 100%全自动化全检，单工位检测在 0.5秒以内，设备故障提前 7到15天预警，这条进了工信部《2025年5G工厂典型应用实践》。赛力斯超级工厂的 AI 检测底盘 162颗螺丝只用 5秒，人工大概要 5分钟。第一步：找出那条靠老师傅眼睛看、靠老师傅耳朵听的工序。那是 AI 最该接手的第一个位置。

零售。接手的是选品、补货、出清定价。物美的 AI 补货系统会看历史销量、季节、节假日、促销和天气，动态调补货，判断准确率 95%以上；AI 出清系统实时盯库存水位和销售节奏，自动算出哪些商品该什么时候调价、调到什么价位。第一步：拉出过去三个月的销售数据，问 AI 一句哪几个 SKU 该砍？先别急着信结论，看它给的理由。理由站不住，就说明数据还没喂干净。

建筑。接手的是施工图审查和造价。无锡上线的全国产化 BIM 智能审查系统，消防安全、机电管线、功能适配等 1000多条审查项，几小时就能出意见，已经有 130多个项目用上。深圳那边，AI 审图查出的问题数量是人工的近 7倍，审查效率提高近 9倍。第一步：把你们最常返工的那类错列成一张检查清单。审图软件干的第一件事，就是照清单核对。

金融风控。接手的是信贷审批和反欺诈。建设银行的智能风控系统覆盖了全行 98%的零售信贷业务，信用卡欺诈损失率同比下降 52%；平安产险的数字风控体系 2024年累计拦截欺诈案件金额 119亿元。第一步：把你经手的业务里最容易出事后风险的那一环标出来。AI 最擅长的事，就是把它变成事前。

教育。接手的是备课、批改、学情诊断。北京市第五十七中学的老师说，以前可能要一周解决的备课问题，现在一天就能完成。遵义的试点里，课后批改作业超过 2万份，客观题 100%自动批改，教师日均机械批改时间少了 2小时。嘉兴南湖的 AI 批改累计超过 287万次，基于错题的精准再练，让同一个知识点的错误率降低了 20%以上。K12的老师，一天里最耗神的，往往就是案头那两件事。第一步：把下周要上的那节课交给 AI 先出一版教案，你只改你不同意的。省下的那两小时，别拿回去睡。

还有三个行业，路子一样。物流的玉马遮阳智能立体库，出入库单日处理量从 200单提到 1200单，库存准确率 99.9%。政务的黄石“黄小数”，公文内容准确率 90%以上，政策引用冲突率下降 80%。农业的衡阳“云上喜丰”，AI 诊断准确率 97%以上，万亩双季稻基地的农药使用量减了 35%。

有人问，那到底从哪一条开始试？我的经验是先动手，别先选。筛这十二行的时候，标准只有一条：今天就能做。这些活别人已经替你试错过一遍了。第一次上手会有点懵，不顺手很正常，搞砸一版也没关系，真正卡死人的，从来是那句“再等等”。别人失败过的地方，你不用再踩一遍。

这十二行里，每一条都是你已经干着的那件事里，有一段可以先交出去。

第一次把一段活交出去、当场省下两小时，那种感觉挺爽。这比开一场犯困的会管用。

企业缺的是把这件事系统化的基因，一时半会儿补不上。但你这一行 AI 能接哪一段，答案已经躺在别人的公开记录里了。这件事不该等谁批准，你今天就能开始。

先交出去一段，你就知道自己剩下的那一段，值多少钱。