会用AI的人更容易找到工作吗

AI求职工具正在把“投简历”变成一件成本极低的事:一个人可以批量投出几千份简历,一个岗位一天也能收到几千份投递。Jobright联合创始人兼CTO Ethan在一线求职数据分享中,把这种现象称为招聘市场的“双向噪音”——求职者觉得机会消失了,招聘方却觉得真正合适的人更难找。于是问题变得具体:会用AI的人,真的更容易找到工作吗?从企业招聘、岗位结构、能力定价和求职策略看,答案不是简单的“是”,而是“会用AI只是放大器,能不能放大出可验证的生产力,才是分水岭”。

招聘市场陷入“双向噪音”

AI首先改变的不是岗位本身,而是求职与招聘的匹配方式。

  • 求职端,AI降低了简历修改、岗位筛选和批量投递的成本。Ethan提到,在AI帮助下,一个人投几千份简历、一个工作一天收到几千份投递,已经成为常态。
  • 招聘端,判断成本却没有同步下降。成百上千份越来越相似的简历涌来,招聘方被淹没,筛选效率反而受到冲击。
  • 结果就是“双向噪音”:求职者抱怨投递没有回音,企业抱怨招不到合适的人。简历都被AI改得越来越像,招聘为什么反而更失灵,成为平台方每天都能看到的现实。

这意味着,“会用AI批量投递”并不天然等于更容易找到工作。当所有人都能用AI把简历写得更漂亮、把投递动作做得更快时,投递数量本身会迅速贬值。招聘方需要的是能够降低判断成本的信号:真实项目、可验证成果、内推关系、领域经验,以及候选人对AI输出结果的判断力。只会用AI制造更多投递的人,可能只是把竞争噪音推得更高。

企业抢的是能操控八个Codex窗口的人

在另一端,企业并不是不喜欢AI,而是非常希望“top performer”把AI用出5到10倍的生产力。Ethan提到,大公司希望优秀员工一个人操控8到10个Codex窗口,不断做context switch和eval,把AI变成实际产出的一部分。这类人不是简单“会写提示词”,而是能对AI结果做深度评估,能close the loop,并且对domain knowledge了解得足够深。

会用AI的人更容易找到工作吗

对于求职者,尤其是应届生和转方向的人,用人单位会寻找一种“AI native”信号:

  • 能不能用AI工具完成真实任务,而不是只停留在聊天式使用;
  • 能不能判断AI给的结果对不对,知道什么时候需要人工复核;
  • 能不能把AI接入工作流,形成可复用的方法;
  • 有没有领域知识,能把AI输出转化成业务判断。

Ethan还提到一个时间窗口:2025年前后,Agentic AI存在大约18个月的机会窗口,会用好agents的人可以把自己定位为agentic engineer,或者成为会用agents的数据科学家,在就业上会有极大优势;再往后,未来五年可能出现AI architect的缺口,因为企业需要的是能把AI能力搭进业务系统的builder。换句话说,企业争抢的不是“用过AI”标签,而是能把AI变成生产力工具的人。这个意义上,会用AI的人当然更容易被看见,但前提是“会用”已经落到结果上。

初级岗位收缩,经验回报率反而上升

更复杂的现实是,AI在放大一部分人价值的同时,也在压缩另一部分人的入口。SAP与Wakefield Research联合调查显示,88%的首席人力资源官认为AI正在帮助职场新人更快达到岗位要求。这提供了一种思路:AI未必只是取消初级岗位,也可能重新设计初级岗位,压缩新人学习曲线。信息搜集、数据分析、文档撰写、知识检索等过去需要反复练习的能力,如今可以在AI辅助下更快获得。

但岗位数据并不完全乐观。研究发现,在采用AI的企业中,暴露于生成式AI风险较高岗位的初级员工数量,相对于其他岗位下降了约7%,而同一职业中的资深员工没有出现类似下滑。AI没有均匀替代整个职业,而是在职业内部重新分配价值:经验丰富者的价值被放大,经验不足者的价值被削弱。一名拥有十年经验的分析师配合AI工具,可能完成过去一个团队的部分工作;一名刚毕业的新人即使拥有同样的AI工具,也未必具备判断信息质量、理解行业背景和做出商业决策的能力。

这推动企业从“培养模式”转向“购买模式”:过去企业招聘大量应届生,在内部完成培训和筛选;如今更倾向于直接招聘有实战经验的人,再用AI进一步提升效率。中国2026届高校毕业生预计达1270万人,而市场营销、内容运营、行政助理、客服专员、初级程序员等传统入口正在压缩,预算则向AI大模型倾斜。广告业中,有从业多年的广告人评价AI在基础岗位上“各方面都要好于去找一个大学生进来当实习生”;游戏产业里,初级原画师、换皮美工、初级剧情/文案策划岗位也在缩减,企业更愿意用1名资深设计师配合AI顶替过去5个人的团队。

于是出现一个看似矛盾的局面:会用AI的新人成长更快,但企业愿意提供给新人的“实习生坑位”和初级岗位在变少;会用AI的资深者效率更高,经验回报率反而上升。对求职者来说,这意味着不能只把AI当成投递工具,而要在更早阶段积累可验证的领域经验和项目结果。

会用AI的人更容易找到工作吗

会AI只是入场券,懂业务才是硬通货

程世嘉在谈AI与工作时说得很直接:会取代你的不是AI,而是那些使用AI的人。但他同时提醒,生成式AI并非为了产生精确的工作成果而存在,如果抱持这种期待去使用,说明误解了它的功用。它的价值在于理解你、与你互动,进而给予灵感、想法。以写履历为例,ChatGPT可以把一段经历写得更漂亮,但它无法造假经历,因为那就不是真正的你了。

这也解释了为什么“会用AI”不能停留在工具层。企业真正需要的是判断信息质量、理解行业背景、做出商业决策的能力。AI可以帮资深分析师更快完成资料整理和初稿,但无法替代其对行业脉络的判断;AI可以帮新人写出像样的文档,但新人如果不知道文档要解决什么业务问题,产出仍然难以落地。

数据也显示,AI的冲击并不均匀。拥有丰富优质数据的行业,AI采用率可能达到60%—70%;数据匮乏的行业可能连25%都不到。软件开发、客户支持、金融分析等领域因为数据丰富,成为AI自动化的“活靶子”;而另一些行业只能凑合使用零散数据,变化更慢。对求职者来说,与其只盯着传统职业路径,不如寻找跨领域岗位:把人类判断力与AI能力结合,或在技术系统与商业需求之间做桥梁。也可以瞄准“摩擦点”——任何引入AI的组织都会面临如何让复杂技术在混乱的人类系统中发挥作用的挑战,管理、培训、流程优化等岗位不一定要求深厚技术背景,但需要理解组织实际如何运作。

求职者该把AI用在简历之外

Ethan给求职者的建议很实际:积极找内推、找Insider,这些是能极大提升申请概率的武器;同时把AI做成自己最强的武装力量,真正用起来,并反映到简历和求职方式里。这里的重点不是用AI生成更多简历,而是用AI做出更可信的能力证明。

  • 用AI做项目,而不是只写“熟练使用AI”。展示你如何用agents完成一项任务、如何评估输出、如何修正错误。
  • 把AI能力落到领域知识上。企业更愿意为“懂业务+会用AI”的人付溢价,而不是为工具清单付溢价。
  • 用内推和真实关系降低招聘方的判断成本。在简历同质化的市场里,可信推荐比海投更有价值。
  • 培养适应力。与其只列出做过什么,不如说明你如何学习、解决问题、适应新系统。雇主越来越重视能在不确定性中把新工具接入现有流程的人。
  • 警惕高替代风险岗位。GovAI研究人员按职业受AI替代风险及适应失业的能力分类,认为客服人员、秘书和其他后台工作人员最令人担忧:他们既面临高替代风险,又缺乏适应能力。纽约时报中文网相关报道也提到,如果AI消灭了从前台接待到客户服务再到人力资源乃至管理层的中间环节,劳动者将更难沿职业阶梯晋升。

所以,回到“会用AI的人,更容易找到工作?”这个问题,更准确的表述是:会用AI且能用AI证明生产力、判断力和适应力的人,更容易找到工作;只会用AI批量投简历、把简历改得更像的人,未必。AI没有平均地奖励所有人,它奖励的是那些能把工具变成结果、把结果变成信号、再把信号递到正确的人面前的人。