简历上写 " 会用 AI"，已经过时了。

如果你最近在找工作，或者打算跳槽，大概率会发现：现在大厂的招聘 JD 里，AI 的含量高得吓人。

两年前，如果你的简历上写着 " 熟练使用 ChatGPT"，HR 可能还会多看两眼，觉得你是个愿意拥抱新事物的人。但现在，这句话的含金量，大概就跟十年前在简历里写 " 精通 Word 和 Excel" 差不多。

招聘一线的变化，比我们想象的要残酷得多。

技术岗位的界限正在被打破。以前大厂招人，前端是前端，后端是后端。现在，很多公司招的是 " 全栈 AI 工程师 "。过去三个人的活儿，现在一个人加一堆 AI 工具就干完了。

非技术岗位的日子也不好过。运营、市场、HR，甚至法务和财务，都在被要求用 AI 来干活。大厂甚至已经开始用 AI 来做简历初筛，0.3 秒就能扫完一份简历。

这不禁让人心里打鼓：我们过去辛辛苦苦攒下的工作经验，是不是就不值钱了？一个刚毕业、把 AI 玩得很溜的应届生，是不是反而更吃香？

为了搞清楚大厂现在到底想要什么样的人，我们和五位招聘行业的从业者聊了聊，他们之中，有在大厂内部做校招的 95 后 HR，有服务顶级互联网大厂多年的资深猎头，也有连接大厂与求职者的招聘平台创始人。希望这些不同视角的分享能给你一些启发。

洛洛 | 北京 95后 互联网大厂HR（校招方向）

我在某互联网大厂做校招，从 ChatGPT、DeepSeek，再到最近各种 AI agent 爆发，说实话，每一轮迭代我都能在简历池里看到变化。最直观的感受是两个维度：一个是岗位本身变了，另一个是对人的底层素质的要求变了。

先说岗位。今年我们公司推出了 "AI+ 人力资源培训生 " 这个方向，之前它叫 "HR 培训生 "。背后的能力模型完全是两套逻辑。

以往我们看一个 HR 培训生，核心是人际感知力、对人性的洞察。今年不一样，我们希望你不仅会分析数据，更希望你能培养自己的 agent，让 AI 去辅助你完成简历初筛、面试记录分析等重复性工作。

所以现在简历上写 " 熟练使用 ChatGPT" 已经不够了。只是笼统地写 " 熟悉 AI 工具 "，在 HR 眼里跟没写差不多。我们想看的是：你在哪个项目里用了 AI？解决了什么问题？产出了什么结果？

很多人问，AI 是不是让应届生和三年经验的人差距缩小了？我觉得不一定。AI 说到底是工具，一个有三年经验的人更知道自己领域里的痛点在哪里，知道怎么向 AI 提问，知道什么结果是合理的。

我举个例子：我们技术岗大概分两个方向，研发和算法。研发里的前端受 AI 冲击比较大，今年 HC 确实有一定缩减。但算法岗就不一样了，像 agent、AI infra、多模态、自然语言处理这些方向，要求反而是提高了。我们甚至会看候选人有没有在 CV、ACL 这类顶会上发过论文。

非技术岗也是，运营、市场、法务、财务，多多少少都对 AI 能力有要求，就像我上面提到今年推的 AI+HR 方向。

我今年进学校做宣讲，发现很多同学担心自己不会用 AI 就被淘汰，又不知道怎么才算 " 会用 "。我的建议是：提前做职业规划。

比如说你未来想做 AI 产品经理，那你就可以自己试着跑小程序、做 demo。现在 AI 工具已经把这件事的门槛降得非常低了，你不需要会写复杂的代码，但你得有产品思维，比如你会做竞品分析，会做用户洞察，能从 0 到 1 想清楚一个产品的逻辑。这些才是真正拉开差距的地方。

周子龙 | 北京 00后 知潜创始人

这两年，我明显感觉到招聘市场的变化比过去十年还要大。简单说就是八个字：岗位在变少，要求在变高。

尤其是在大厂，无论你是新人还是老兵，技术岗还是非技术岗，掌握并熟练使用 AI 工具，正在成为基本的职业素养。而且，AI 正在抹平岗位之间的边界，一个人能干的活越来越多了。

最明显的就是前后端工程师的界限正在消失，非技术岗也不例外。对运营、市场等职能，AI 主要替代的是 " 基础生产 " 环节。比如大厂招运营，会要求候选人能用 AI 工具快速生成多语言、多风格的文案、海报、视频脚本等，相当于一个人干了过去一个小组的活。

我注意到，现在面试时，大厂甚至不少创业公司，都会出题测试候选人使用 AI 工具的能力。这已经逐渐成为面试的常规环节。

大厂招人的底层逻辑其实没变：招人是来提升生产力、交付结果的。只是如今，生产力 = 人 +AI 工具。

因此，招聘标准也随之进化，可以总结为三点：

第一，AI 工具是 " 必选项 "。无论什么岗位，如果不会用 AI 提效，竞争力会大打折扣。现在大厂所有业务都在推进 "AI 化 "，你不懂 AI，可能连业务都理解不了，更别说做增长了。

第二，从 " 看经历 " 到 " 看结果 "。过去简历重点看你在哪里工作过，现在更关注你 " 做成了什么 "，尤其是你用 AI 做出了哪些可展示的成果。

第三，好奇心 + 判断力，成为核心素质。AI 技术迭代速度极快，没有持续的好奇心和学习能力，很快就会落伍。但光有好奇心不够，还得知道什么工具适合解决什么问题，生成的结果该如何评判和优化。二者缺一不可。

如果你是一位正在找工作或考虑跳槽的牛马，我的是建议是：立刻、马上，去学主流 AI 工具，选与你岗位最相关的，玩到精通，让它成为你的 " 外挂大脑 "；用 AI" 重新做一遍 " 你的过往项目，把提升的效率和成果写进简历里。

刘杰 ｜33岁 北京 互联网猎头顾问

我做了 8 年猎头，主要服务互联网大厂的技术岗招聘。

过去，手里最稳的单子是资深 Java 后端和高级前端工程师，客户要求简单明了，候选人画像也清晰。

但 ChatGPT 火了之后，招聘需求的迭代速度快得吓人。半年前我给某大厂算法岗推人，客户还要求精通 Prompt Engineering（提示词工程）。上个月，同一个 JD 已经改成 " 具备多 Agent 协同系统设计经验，能独立完成复杂业务场景的 Agent 编排 "。

Prompt 优化从加分项变成了基本功，现在连门槛都算不上。LLM 微调、Prompt 优化、效果评估，这些在 2024 年还是高阶技能，现在已经是简历上的基本要求，写上去不会加分，但没有一定会减分。现在最值钱的可能是 AI Lab 的相关工作经历。

除了技能需求，岗位设置变化也很大。以前大厂招人技术栈分得很细，有前端、后端、测试，各管一摊。而现在技术栈的岗位越来越少，很多部门直接把前端、后端浓缩成一个岗位，比如 AI 应用开发工程师或者全栈 AI 工程师。

过去三个 HC 的事儿，现在一个就解决了。

所以筛选简历时，我的标准也在变。以前看项目经验、大厂背书，现在看 AI 应用落地经验，那些在简历里面说自己能熟练使用某某 AI 工具的，我都觉得像个 " 原始人 "。用大厂 HR 的黑话来说就是，我要的是可量化的 AI 使用结果和业务闭环能力。

对于职场新人或者应届生，我觉得现在的机会更多了。一个完全没经验的新人和一个工作了三四年的人，差距几乎已经被 AI 抹平了。

那些只会按流程干活，没有业务判断力的资深员工，反而不如一个会用 AI 的应届生。而且大厂对于具备一定 AI 能力的新人也比以前更慷慨，开出的薪资可能比以前高出 20%-30%。

我给正在求职技术岗的年轻人的建议是，证明自己比 AI 更懂业务，比证明自己比 AI 会写代码更重要。

王磊｜北京 科锐国际华北区科技业务负责人

过去，互联网大厂更关注 To C 业务的相关岗位，这两年，应用算法、国产芯片适配、AI 云架构相关的人才需求明显增加。

职位需求中的 AI 含量更是明显提高了。以产品经理为例，过去企业更关注候选人的需求分析、用户调研等传统能力。但到了今年，熟悉主流大模型 API 调用、具备大模型产品设计经验、有 AI 相关的产品落地项目，变成了招聘核心要求。

招聘需求变了，对候选人的要求自然也跟着在变。AI 没让经验贬值，反而让 " 经验 +AI" 更值钱了。很多应届生使用 AI 多停留在学业层面；而有工作经验的职场人，会将 AI 运用在具体的工作场景中，凭借在业务、行业理解上的优势，让 AI 发挥作用。

行业也出现了一个反常识的现象：对 AI 最抵触的，反而是部分 IT 开发人员。他们离技术最近，感受到技术替代带来的职场压力，就会本能地排斥。但 AI 能力已经像空气一样必需，积极学习新产品、新知识的人才会越来越 " 值钱 "。

不同岗位受到的冲击程度也是不一样的。财务、法务这些流程化强的岗位，效率被 AI 拉上去后，企业就不需要那么多人了。而猎头、咨询服务这类依赖经验判断和沟通的岗位，短期内则难以被替代。

与此同时，行业的人才流动也在发生变化。越来越多大厂管理岗或资深技术人，开始批量流向国央企的数字化平台，或者选择自己创业。他们在大厂晋升空间见顶，但行业经验、人脉、体系化能力都在巅峰期。而国央企正处于数字化搭建或升级的关键时期，最需要的就是这种有资源、能从 0 到 1 落地项目的资深人才。

陆海天｜资深猎头

" 招聘要不要考察 AI 能力 " 这个问题已经没什么意义了。凡是有点追求的科技公司，用 AI 早就是默认操作。现在大厂招人的标准是：你对 AI 有没有产业级的理解，能不能用 AI 改造业务。

过去大厂互相挖人，看重的是项目经验，本质是复制对手的工作方法。现在同样的岗位，不是让你做原来的事，而是 " 每天陪 AI 打磨 "。说白了，大厂现在几乎只在做一件事：把所有产品 AI 化。

举个例子，招运营，面试官会直接提问：你怎么把 10 个账号扩展到 100 个，用更低成本产出更多优质内容。这背后是 AI 时代的两种经营思路，如果能做成，企业要不吞并对手的份额，扩大自己的团队，实现增长与扩张，要不就是自我削减团队，实现降本增效。

AI 赋能带来的直接后果，就是岗位结构的大洗牌。

拿程序员来说，我服务某顶级互联网大厂多年，今年拿到的上百个岗位里，有 70% 以上与 AI 直接相关。但程序员岗位严重缩水。一些头部大厂的纯技术开发岗，已经不到原来的 20%。以前程序员说自己 " 代码能力强、能加班 " 是有用的，现在，在 AI 面前几乎没有竞争力。一些顶级程序员的速度和产出都赶不上 AI。再过一两年，" 程序员 " 可能会成为历史概念。

在技术岗中，处境最好的是算法人才，特别是能把大模型嫁接到传统行业、改造工作流程的人。道理很简单：AI 缺优质数据和场景理解。只要有一个懂取舍的专业人士在中间，AI 的能力边界就能不断扩展。这种人才稀缺，往往被企业哄抢，或者被资本推动去创业。主导这类项目的运营和项目经理，同样值钱。

在这一轮变革中，冲击最大的是职能岗。大公司每天收到海量简历，已经高度依赖 AI 做初筛，0.3 到 0.4 秒扫完 1500 份。如此效率，普通职能岗很快被边缘化。

一个例外是市场营销岗位。它靠近用户且需要创意、判断，AI 可以辅助策略制定、风险评估。前阵子某手机厂商的舆情事件，如果用 AI 应该能评估出风险，因为 AI 谁都不敢得罪，不会设计这么激进的传播方案。但 AI 的短板也显而易见：缺乏新鲜创意。目前做创意的营销人才，依然有较大空间。

说到这里，我们要正视一点：大厂思考的是人到底能为 AI 做什么。主体已经变成了 AI。对于员工来说，如何适应公司的要求，最大限度将自己手里的业务和 AI 融合是基本的工作要求。

我用一个比喻形容当前的职场：每个人都是棋手，老板给你 "tokens"，相当于 AI 算力的使用额度，你用这笔资源，对业务做了怎样的赋能，决定了你在公司的价值。

这个能力，跟年龄无关，跟学校背景无关，最关键的是：你能否把自己负责的业务模块完整 " 蒸馏 " 出来，交给 AI 跑通流程，实现自动化。做得到，老板自然愿意给你更高薪水、更大权责，甚至有机会去改造其他业务线。

这也意味着，应届生面临的挑战比成熟职场人更大。既没有业务经验，也没有 AI 思维和全局意识。要真想帮他们，大学阶段就该开 AI 实战课，让他们用 AI 做具体项目。

美国已经出现故意 " 污染 "AI 数据来保护岗位的行为，但挡不住企业的 AI 投入。中国的整体导向更鼓励 AI 赋能，企业会走得更快。未来几年，上市公司财报会越来越多提到使用 AI agent 的比例，而不是员工人数。