92.9%的人在投AI岗位,但企业说人不够用——PM真正的机会在这里

最近看到一组数据：2026年应届生中，92.9%都在考虑AI相关岗位，近三分之一已经真刀真枪投了简历。企业端呢？AI人才供需比3.5:1，机器人行业更是5.2:1——平均一个人才有五六个岗位在抢。

但诡异的是，企业一边疯狂招聘，一边抱怨"人不够用"。

这个矛盾现象，藏着AI时代产品经理最容易被忽略的机会。

企业到底缺什么人

你以为企业缺的是懂大模型的人？错。

企业真正缺的，是能把AI用到具体场景里的人。更准确地说，是既懂技术边界、又懂业务痛点、还能把人机关系设计好的人。

腾讯有个产品案例很能说明问题。团队引入了一位有消费级产品设计背景的专家，他做的事不是调模型参数，而是把原本需要3-7小时才能完成的命令行部署流程，改成了"3分钟一键操作"，还把技术术语"Token"翻译成了用户能理解的"积分制"。

这个改动让产品在办公场景的效率提升了97%。

你说这位专家的核心竞争力是什么？不是他会写Prompt，是他懂用户怎么想。

阿里巴巴的"AI店小蜜"也是类似逻辑。团队引入了有零售导购和用户心理学背景的人才，深刻理解消费者在尺码推荐、售后跟进环节的真实心理，设计出了"AI主导、人类协助"的新客服模式。结果是商家转人工率下降45%，但转化效果反而超越纯人工。

发现规律了吗？这些成功案例里，真正解决问题的人，都不是最懂AI技术的人，而是最懂人的人。

反向思考：AI越强，PM越要回到"人"

现在有个流行的焦虑叙事：AI要替代PM了，你要不学AI就会被淘汰。

但如果我们换个角度想：当AI能分析海量数据、生成代码、自动优化流程的时候，什么东西会变得更稀缺？

答案是：对人性的洞察。

因为AI是概率机器，它的输出是统计学上的最优解。但人的需求从来不是"最优解"，而是"有温度的解"。

举个例子。智能客服AI可以告诉你，用户最常问的三个问题是物流查询、退款流程、商品售后。你拿着这个数据做了优化，把FAQ排在最前面，看起来很合理。

但真正好的PM会问：用户问这个问题的时候，心里在想什么？

物流查询背后可能是焦虑——"我的东西到底什么时候到？"

退款流程背后可能是纠结——"算了，好像也不是不能用？"

商品售后背后可能是失望——"下次再也不买这家了。"

同样的问题，不同的情绪，对应的解决方案完全不同。AI能识别问题，但识别不了情绪；能优化流程，但优化不了信任。

当AI把"效率"这件事做到极致的时候，"温度"反而成了稀缺品。

这才是PM在AI时代的真正机会：不是和AI比技术，而是做AI做不到的事——理解人的情感、信任、恐惧和期望。

说了这么多虚的，来点实在的。如果你想在AI时代找到自己的不可替代性，可以从三个方向考虑：

技术团队说"模型幻觉率需要控制在5%以内"，业务团队说"这个功能不准，客户投诉很多"。

这两种语言之间的gap，需要有人来填。

PM天生就是翻译者。你不需要成为算法专家，但你需要理解技术能做什么、不能做什么，然后把技术能力翻译成业务价值，把业务需求翻译成技术语言。

这种"技术-业务"的桥梁能力，在AI时代会比以前更值钱。

以前PM设计的是"人-界面"的关系，现在要设计的是"人-AI-界面"的复杂关系。

这意味着你要思考：哪些环节交给AI，哪些环节必须留给人？AI出错的时候怎么容错？用户如何知道自己在和AI还是人交互？

这些问题没有标准答案，需要PM结合具体场景去设计。技术团队可以优化模型，但人机协作的体验设计，是PM的主场。

这个方向可能被很多人忽略了。

AI产品经理有个新兴职责：建立AI伦理审查流程，确保AI产品不作恶。这包括避免算法偏见、保护用户隐私、让AI的决策过程可解释。

这些事情听起来像法务工作，但本质上还是"理解人"——理解什么样的行为会伤害人，什么样的设计会让人感到被尊重。

当AI能力越来越强的时候，"不让AI做坏事"会变成一个越来越重要的能力。而这个能力，来自于PM对人性的深刻理解。

回到开头那个矛盾：92.9%的人在投AI岗位，企业却说人不够用。

表面看是供需错配，深层原因是大家都在追求"AI技能"这个硬指标，却忽略了"理解人"这个软实力。

当所有人都去学Prompt Engineering、学Agent编排、学大模型调参的时候，你选择深耕对人性的理解、对业务的洞察、对人机协作的设计，反而可能弯道超车。

所以，别焦虑。找到你能理解的那群人，然后成为他们和AI之间的桥梁。

这可能是AI时代，PM最稳的一条路。