招AI工程師到底有多難？十個(gè)候選人里可能只有一個(gè)合格

一位硅谷創(chuàng)業(yè)公司的CTO給我看了他的人才追蹤表：過(guò)去四個(gè)月接觸了87位AI工程師候選人，只有9位能過(guò)第一輪技術(shù)面。他苦笑著說(shuō)，這已經(jīng)算運(yùn)氣好了。

人工智能和機(jī)器學(xué)習(xí)，早不是“前沿概念”了。從醫(yī)療影像判讀、金融風(fēng)控模型，到電商推薦系統(tǒng)和網(wǎng)絡(luò)安全威脅檢測(cè)，企業(yè)砸進(jìn)去的錢已經(jīng)不是“試水”級(jí)別——是建廠級(jí)別。但錢到位了，人呢？

PlaceMeRight的招聘數(shù)據(jù)揭示了一個(gè)冰冷現(xiàn)實(shí)：找合格的AI工程師，比填補(bǔ)傳統(tǒng)軟件開(kāi)發(fā)崗位難上好幾個(gè)量級(jí)。不是錢的問(wèn)題，是壓根沒(méi)那么多能干活的人。這篇文章，我們把拆解AI招聘里的四個(gè)大坑。

坑一：人才池子淺得像水洼

傳統(tǒng)軟件工程，你招個(gè)Java后端，簡(jiǎn)歷能塞滿三個(gè)郵箱。AI呢？同樣是寫代碼，但要求人的技能樹完全不同。很多人懂Python，但根本沒(méi)碰過(guò)生產(chǎn)環(huán)境里的模型部署、數(shù)據(jù)管道、監(jiān)控回滾那一套。會(huì)調(diào)參和能上線，中間隔著一個(gè)太平洋。

結(jié)果就是：稍微靠譜點(diǎn)的候選人，手里至少攥著兩個(gè)offer。你這邊HR還在走流程，人家已經(jīng)入職隔壁了。PlaceMeRight的顧問(wèn)團(tuán)隊(duì)發(fā)現(xiàn)一個(gè)規(guī)律——那些愿意放棄“完美簡(jiǎn)歷”、轉(zhuǎn)而去評(píng)估候選人底層基本功和學(xué)習(xí)潛力的公司，長(zhǎng)期看反而建起了更穩(wěn)定的AI團(tuán)隊(duì)。死磕“即戰(zhàn)力”的，往往在搶人大戰(zhàn)中交了白卷。

坑二：技術(shù)棧比翻書還快

AI圈有一個(gè)段子：你花三個(gè)月學(xué)完一個(gè)框架，還沒(méi)投簡(jiǎn)歷，它已經(jīng)出v2了。新模型、新工具、新范式，差不多按月為單位在迭代。這給招聘挖了一個(gè)很深的邏輯陷阱——很多JD寫出來(lái)的時(shí)候，列的技能組合已經(jīng)過(guò)時(shí)了。

HR或者非技術(shù)背景的招聘負(fù)責(zé)人很容易陷入“關(guān)鍵詞匹配”的幻覺(jué)：要求候選人精通TensorFlow、PyTorch、JAX、LangChain、LlamaIndex——仿佛世界上真有這么一個(gè)人全棧搞過(guò)所有這些。但現(xiàn)實(shí)是，一個(gè)工程師可能對(duì)PyTorch極其熟練，對(duì)TensorFlow只是了解。問(wèn)題在于：這份崗位到底需要什么？是搭實(shí)驗(yàn)原型，還是優(yōu)化生產(chǎn)推理延遲？招聘方自己要先想清楚，不然只會(huì)篩掉真正合適的人。

坑三：技術(shù)面試還在用老劇本

傳統(tǒng)的軟件工程面試有一套成熟套路：白板算法、系統(tǒng)設(shè)計(jì)、行為面試。但這套東西直接搬到AI崗位，效果很差。你能想象問(wèn)一個(gè)NLP工程師“反轉(zhuǎn)鏈表”嗎？當(dāng)然可以，但它幾乎測(cè)不出對(duì)方能不能把一個(gè)預(yù)訓(xùn)練大模型在有限GPU預(yù)算下塞進(jìn)手機(jī)端。

簡(jiǎn)歷上的項(xiàng)目經(jīng)歷水分也很大：很多人寫“參與某智能客服系統(tǒng)”，但你一追問(wèn)就發(fā)現(xiàn)，他只負(fù)責(zé)了數(shù)據(jù)清洗的一個(gè)邊角環(huán)節(jié)，模型選型、損失函數(shù)設(shè)計(jì)、bad case分析、部署策略全是別人做的。PlaceMeRight建議用“實(shí)戰(zhàn)復(fù)盤式”面試替代理論問(wèn)答：讓候選人講一個(gè)他主導(dǎo)的項(xiàng)目，然后沿著這幾個(gè)維度往下深挖——數(shù)據(jù)集是怎么構(gòu)造的、特征工程踩過(guò)什么坑、上線后性能衰減怎么處理的、業(yè)務(wù)指標(biāo)到底提升了多少。有沒(méi)有真功夫，三問(wèn)就現(xiàn)形。

坑四：跟風(fēng)黨正在污染人才池

AI這個(gè)詞現(xiàn)在被用得太濫了。上完一個(gè)六周的在線課程，簡(jiǎn)歷上立刻加上“精通大語(yǔ)言模型”“掌握強(qiáng)化學(xué)習(xí)”。PlaceMeRight在篩選中發(fā)現(xiàn)，簡(jiǎn)歷里AI相關(guān)關(guān)鍵詞的出現(xiàn)頻率在過(guò)去兩年翻了數(shù)倍，但通過(guò)技術(shù)面的人數(shù)占比反而在下降——也就是說(shuō)，噪音在膨脹，信號(hào)在萎縮。

真正危險(xiǎn)的，是那些能流利復(fù)述Transformer架構(gòu)、講清楚Attention機(jī)制數(shù)學(xué)原理，但從未在真實(shí)業(yè)務(wù)場(chǎng)景里解決過(guò)一個(gè)臟數(shù)據(jù)問(wèn)題的候選人。他們能通過(guò)筆試，卻在第一個(gè)生產(chǎn)事故面前手足無(wú)措。區(qū)分“學(xué)過(guò)AI”和“做過(guò)AI”的唯一有效手段，就是細(xì)看作品集里的部署記錄、GitHub代碼庫(kù)的commit歷史、以及他們對(duì)失敗項(xiàng)目復(fù)盤時(shí)那點(diǎn)藏不住的細(xì)節(jié)感——這些東西，抄不來(lái)。

說(shuō)到底，搶AI人才這件事，最后拼的是企業(yè)的判斷力：你能不能在“看起來(lái)像”和“真的能”之間，劃出那條要命的線。