AI 的热度没降过，但进场的人越来越焦虑。Business Insider 采访了 16 个已经进入 AI 行业的人：有的刚毕业，有的中途转行，有的靠自学。他们的经历告诉我们，没人天生懂 AI，大多数人都是边干边学、边试边错。

过去两年，「进 AI」成了职场新方向。

有人报班上课，有人辞职转行，也有人边上班边学。可真正能留下来的那批人，其实并不多。

Business Insider 最近找了 16 个已经「上岸」的人，从印度到硅谷、从市场到算法，他们的经历各不相同。

他们不是「天选打工人」，只是比别人早一步、稳一步。

先行动，再找到方向

过去两年，「进 AI 圈」一直是热门选项。

有人报了几千块的课程，有人开始学写 Prompt，有人还在犹豫要不要开始。

可真进到这个行业的人会告诉你——他们也不是准备好了才出发的。

Business Insider 最近采访了 16 个已经进入 AI 行业的人。受访者来自印度、新加坡、硅谷和悉尼，有刚毕业的大学生，也有转行的中年人。

他们普遍认为，进入 AI 还来得及，背景也不是决定因素。

新加坡的 Benjamin Leong，原本是一名中医师。

疫情后，他开始利用空闲时间上网课学 Python、做小模型实验。

两年后，他加入一家医疗科技初创公司，成为 AI 工程师。薪资比原来高了三成 .

英国的 Alexander Cobb 曾是音乐人。2023 年听了奥特曼的一次演讲，他意识到自己不能再等，报名哈佛 CS50 课程、连着参加几场 AI 黑客松，现在是 AI 初创团队联合创始人。

美国旧金山的 Tim DeSoto，49 岁，没有技术背景，原本在 Walmart 做战略。

2024 年他辞职创业，每晚泡在 AI Meetup 上看人演示新模型，如今成立了自己的 AI 原生公司。

他们的经共同点只有一个：没等准备好才开始。很多人都是先摸着石头过河，一边试、一边改。

过去三年，用 AI 技能写在简历上的人数增长了 80%，但大多数并非 AI 相关专业出身

在 CESifo Group 的报告中，从 2018 年至 2023 年间，AI 相关岗位对大学学历要求的提及下降了约 15%，而「AI 技能」相关的薪酬溢价上涨了约 23%。

可以看出，现在的 AI 行业，不再看学历、头衔，更看「你能不能做出点什么」。

这里能看到一个真实的趋势：AI 入行的「成功者」多数不是一开始就知道路线、拿着明确地图前进的。

他们是在路上，一边走一边绘制自己的地图。

四条摸索出来的路

Business Insider 总结了那 16 个人进入 AI 行业的路径，大致分成四类：毕业入场、转行过渡、内部转型、自学上岸。

每一条路都不完美，但都能走通。

毕业入场：趁早上手的人

进展最顺利的，是那些在学校就开始接触 AI 的学生。

美国的一位应届生，在大学期间参加 AI 研究项目、发论文、做 open-source 贡献，毕业时就拿到了 Anthropic 的面试机会。

他在采访里说：

我不是最聪明的那个，但我比别人早开始实验。

这类人靠的是抢占先机——不是等学完再投，而是边学边写边投。

转行过渡：拿旧经验闯新领域

不少人来自非技术行业，靠「混合型能力」进场。

Tim DeSoto，从沃尔玛企业战略跳出后，成立了 AI 公司；他不会写代码，但能理解商业模型、能对接客户。

AI 岗位不只是写程序，还有产品、运营、增长、内容。懂业务的人，反而成了 AI 落地环节的关键。

有时，不是你学多少代码，而是你能把 AI 带到哪里去。

内部转型：在熟悉的地方重新出发

一些人没离开原公司，而是从现有岗位转去 AI 部门。

一位来自新加坡的银行分析师，发现公司组建「AI 风控组」，就主动报名内部培训。半年后，他成为团队的 Prompt 分析负责人。

这种转型风险小、节奏稳定，但前提是要敢申请、敢跳出舒适区。

自学上岸：用作品敲开那扇门

最后一种方法，是靠作品集自学上岸。

有一位印度学生，在连投十几家公司被拒后，他在 GitHub 上传自己的模型训练项目，结果被一家创业公司注意到。

这四条路径看似不同，其实共通点很简单：先做点什么，再决定下一步。

正如 Google 的 AI 研究员 Katia Vlachos 说的：

进入 AI 行业的关键，不是你会写几行代码，而是能不能把模型用在真实问题上。

对行业新手来说，路线可以不同，开始的方式却值得借鉴。不是想清楚再出发，而是「先动，再修路」。

不是没能进，只是太犹豫

看完这些故事，最容易冒出来的想法是——「他们好像都挺厉害的，我不行。」

可真相恰好相反。那 16 个人里，很多都经历过同样的情绪：被拒、焦虑、拖延、怀疑。区别只是，他们「准备」了太久。

Business Insider 的编辑在采访后写了一句很有代表性的话：

几乎所有受访者，在还没想明白自己要做什么时，就已经开始学了。

这句话，其实戳中了现在很多人的焦虑点。我们太想「找到对的路」，反而错过了开始的时机。

国际劳工组织（ILO）在 2025 年发布的报告中指出，全球约 25% 的岗位已经「某种程度」受到生成式 AI 的影响。

也有研究发现，虽然某些岗位风险较高，AI 更多是在「增强」人类能力、提高效率，而不是立刻全面代替人类。

所以，焦虑也是有原因的，环境真的变化了。但问题在于：焦虑替代不了行动。

那些后来者中，很多人不是背景好，而是比别人早一步开始尝试：做一个小项目、接一个副业、改一个流程。

从「我要先准备好」切换为「我先做点什么」，变成了他们的共识。

AI 的下一班车，还没开走

AI 的热度还在升温，但真正的门槛不是懂多少，而是「敢不敢开始」。

没有谁能一步到位。有人边上班边学，有人半夜做副项目，有人靠一份 GitHub 作品被挖走。

AI 行业现在的节奏更像是一场长跑，而不是短冲。

模型、岗位、工具每天都在变，没有人能掌握全部答案。

与其花时间打听「哪门课最值」，不如先从手边的小问题开始。用 AI 写报告、改文案、搭个原型 …… 都算是上路。

一位接受 Business Insider 采访的 AI 创业者说得很实在：

没人能在 AI 浪潮里百分百安全，但行动总比观望更有确定感。

焦虑的人越来越多，可真的「晚了」的人并不多。关键在于你能不能在犹豫中迈出那一步。

AI 不会等人，但也不会拒绝后来者。

每一次动手、每一次尝试，都是在逼近那道门。

不必完美，只要开始。

AI 不是精英游戏。它更像是一场集体实验，有人早一点开始试，有人还在想要不要试。

真正的差距，从那一刻开始。