Luke a Pro

Luke Sun

Developer & Marketer

🇺🇦
EN||

07. AI 时代的招聘:该招什么人,不该招什么人?

| , 1 minutes reading.

HC(Headcount) 焦虑:预算紧缩与人才错配

最近,我听到了很多关于招聘的抱怨:

  • “预算被砍了,但业务指标却涨了,不知道该招谁。”
  • “市场上经验丰富的工程师要价太高,初级工程师又不敢招,怕带来负产出。”
  • “技术迭代太快了,今天招的专家,明天会不会就被 AI 淘汰了?”

这些焦虑的背后,是传统招聘逻辑在 AI 时代面临的巨大挑战。 我们过去习惯于根据**“技能标签”**来招聘:招一个“熟悉 Vue 的前端”,招一个“有 5 年 Java 经验的后端”。但现在,这些标签的价值正在被 AI 迅速侵蚀。

在第五篇中我们提到,AI 会替代“低判断力角色”。那么,招聘的重点就应该转向那些**“高判断力角色”**。

招“可被放权的人”,而不是“技术标签”

AI 时代,招聘的核心原则是:招那些能够独立完成一个完整业务闭环,并为最终结果负责的人。

这类人才往往具有以下特质:

  1. 强烈的 Owner 意识:他们不把自己限定在某个技术栈或职能边界内。当看到问题时,第一反应是“如何解决”,而不是“这不是我的活”。
  2. 卓越的判断力:他们能理解业务上下文,能在 AI 提供的多个方案中,根据实际情况做出最优选择。他们能识别出 AI 生成的“高质量 Bug”,并纠正它。
  3. 极强的学习与适应能力:他们不执着于某种特定技术,而是专注于解决问题。AI 出现后,他们能迅速将 AI 变成自己的“外挂大脑”,而不是被 AI 淘汰。

这些特质共同构成了一个词:“可被放权的人”。 他们是那种你可以扔给他一个复杂问题,他能利用一切现有工具(包括 AI)去拆解、去解决,并最终交付一个可运营方案的人。

高级工程师:从“太贵”到“超值”

在预算紧张时,很多管理者会倾向于招“多几个初级工程师”,觉得这样性价比更高。在 AI 时代,这可能是一个巨大的误判。

我们再回顾一下第二篇的结论:AI 时代,小团队的优势不是效率,而是判断密度。

一个高级工程师,他或许可以利用 AI 达到过去 3-5 个初级工程师的产出,但他最核心的价值,在于他的**“判断力”“架构能力”**。他能够:

  • 识别出 AI 生成的代码中潜在的架构隐患。
  • 在多个技术方案中进行权衡取舍。
  • 提供稳定的技术方向,避免团队在 AI 制造的“线性加速幻觉”中迷失。

高级工程师的错误是局部的,可以通过 Code Review 及时发现并修正。 而低判断力群体,在 AI 加持下,他们的错误是系统性的,一旦爆发,往往难以挽回。

所以,AI 时代,高级工程师不是“太贵”,而是超值

(当然,这里的前提是:这个高级工程师仍然保持对现实系统的责任感,能够亲自下场解决最棘手的问题,而不是只停留在方案与评审层的“PPT 架构师”。)

新岗位命名建议:Product Engineer / System Engineer

传统的岗位命名(前端、后端、测试、运维)已经无法准确描述我们真正需要的人才。

我建议可以考虑使用以下岗位名称:

  • Product Engineer(产品工程师):专注于某个产品功能域的端到端交付。他们既懂业务,又能利用 AI 快速实现从 UI 到数据流的整个链路。
  • System Engineer(系统工程师):专注于某个复杂技术域的架构设计、性能优化和稳定性保障。他们能够洞察 AI 带来的风险,并提供安全、可靠的工程实践。

这些岗位更强调**“所有权”“责任”**,而非单纯的“技术栈”。

当然,岗位名称不是目的,而是用来对齐期望的工具。你依然可以叫他们“前端工程师”,但你需要明确告诉他:你的产出物是“功能”,而不是“页面”。

面试策略:考察“AI 驾驶能力”与“判断力”

既然招聘标准变了,面试策略也要跟着变。

  • 白板编程的意义下降:让面试者手写一个冒泡排序,已经无法有效评估他是否能在 AI 时代解决真实问题。
  • 场景化问题是王道
    • “给你一个这样的业务需求,你会怎么拆解?会用到哪些技术栈?如果让你用 AI 辅助,你会让 AI 做什么,你会重点检查什么?”
    • “描述一个你最近用 AI 解决的复杂问题。AI 在哪里帮了你?你在哪里对 AI 的输出进行了修正?”
    • “如果 AI 给你生成了一段看起来很完美的异步处理代码,但你发现它在某种极端条件下会造成死锁,你会如何排查和解决?”

这些问题旨在考察面试者的业务理解能力、系统设计能力、批判性思维和 AI 驾驭能力

结语:HC 应该花在“头脑”上,而不是“双手”上

AI 正在迅速提升我们“双手”的产出,这意味着,HC 应该更多地投资于**“头脑”**。

招对一个人,他能利用 AI 撬动整个团队的效能,并避免掉入 AI 制造的陷阱。 招错一个人,他可能带着 AI,以十倍速制造出十倍的问题。

如果一个组织没有判断力红线,那么再多 HC,也只是放大风险。

AI 时代,招聘不再是填补技术缺口,而是投资于“决策力”和“责任感”。