AI岗招不到人|44条岗位暴露的错配

AI岗招不到人｜44条岗位暴露的错配

下面的判断全部来自 44 条真实岗位的结构，不是行业评论。

把两组数字叠在一起看：企业要硕士的岗位只有 27%，但算法这一类 100% 要硕士；企业要本科的岗位最多（55%），可这些岗位集中在标注和产品，薪资上限被压得比较低。

困境一：算法岗的学历门槛是自己设的。10 条算法岗全部写硕士，但这 10 条里有一半的活是「模型训练与调优」「机器视觉」，本科 + 两年工程经验完全能做。卡硕士不是技术需要，是筛选成本最低的办法。

困境二：标注岗留不住人。18 条标注岗里，4k–6k 的占了大多数，而做得好的标注和评测需要 6 个月以上培养。企业不愿投入培养，因为培养完人就走了——这是低薪和高流动的死循环。

困境三：应届生没有入口。13 条应届可投岗位里，算法只有 1 条（还要求硕士在校）。企业既想要「有经验的算法」，又不招应届培养，中间层只能靠挖人，薪资被推高。

一，把「硕士」换成「硕士或同等项目经验」。这一条能立刻扩大一倍候选池，而且不降低实际门槛——项目经验比学历更能预测产出。

二，给标注岗设一条晋升线。标注 → 评测 → 数据策略，每一档明确涨薪幅度。没有晋升线，这个岗位永远高流动。

三，把 JD 写具体。44 条里写得最清楚的那条（对接大模型 API、Prompt 调优、输出评测报告）投递转化一定高于「负责 AI 相关工作」。

算一笔账：一条算法岗空缺挂三个月，按 3 万月薪算，空缺成本是 9 万；而把一个本科 + 两年经验的工程岗培养到能做算法活，成本大约是 2 个月带教 + 试错。多数企业宁愿空着也不培养，因为培养的收益归员工，空缺的成本归部门——这是组织激励问题，不是技术问题。

一，本科学历别硬冲算法。从工程、产品、数据策略切，两三年后带着经验转，比死磕学历划算。

二，把项目写成结果。「做过 RAG」不如「把客服知识库问答准确率从 62% 提到 81%」。企业看的是后者。

三，优先选有编制的岗位。外包岗能进，但要知道自己在哪个池子里——同样三年，编制内和驻场的积累不一样。