自今年初开启 AI 产品经理招聘工作以来，历经上千份简历筛选与百余人面试，在近距离接触 AI 人才市场后，不仅见证了从业者的多样状态，也对 AI 产品岗的人才现状、技术认知差异及行业发展趋势，形成了一系列深入且真切的感知与思考。

　　从今年年初至今，我在负责团队的 AI 产品经理招聘，前前后后筛了上千份简历，面试聊了一百多位候选人。这段日子像在 AI 产品的人才市场里逛了趟大集，见了形形色色的从业者，也攒了些掏心窝子的观察想跟大家念叨念叨。最直观的感受是，真正懂大模型技术的人太稀缺了。 好多候选人简历上写着 “熟悉 AI 产品设计”，聊起来才发现，大多停留在调调 prompt、用用 API 接口的层面。有次面试一个候选人，问他 MCP 和 Function Call 的区别，他愣了半天说 “都是调用工具吧”；还有人讲不清楚 RAG 怎么落地到产品功能里，更别说把 Transformer 这种底层技术转化成用户能感知的价值了。但这事儿也不能全怪候选人。AI 技术迭代太快了，尤其是大模型这波浪潮，半年就冒出一堆新东西。去年还在聊单轮对话优化，今年就得琢磨多 Agent 协作；前阵子刚弄明白推理模型，转头就要研究语言模型和推理怎么融合。这种节奏下，别说产品经理，连算法工程师都得天天追论文，能跟上技术演进还能落地成产品的，确实是凤毛麟角。聊得多了，发现个挺有意思的现象：八成候选人做的都是 “AI 增强” 产品，真正敢说自己做 “AI 原生” 的没几个。前者说白了就是给传统产品加个智能插件，比如文档工具加个自动摘要，电商平台搞个智能推荐，确实能提效，但本质还是 “人用工具” 的逻辑。而 AI 原生产品得彻底换思路，比如让多智能体自主协作处理任务，这种设计不仅需要打破业务、产品、算法之间的墙，还得说服团队接受 “机器可能比人做得好” 的新逻辑，难度确实大。有群特殊的候选人让我印象挺深 —— 那些从创业圈回来的。去年 AI 创业热的时候，不少人跳出去单干，今年不少人又回来了。细问原因，大多是卡在两个坎上：要么融不到钱，要么技术迭代太快，小团队跟不上节奏。有个创始人候选人说，他们团队花三个月打磨的垂直领域模型，刚上线就被大厂的通用模型按在地上打，用户付费率掉得像坐滑梯，最后只能解散团队。 但回来找工作也不容易，要是创业项目没做出亮眼成绩，基本得从基层做起，心理落差确实不小。

　　大厂出来的候选人也有自己的烦恼。有位在某大厂待了五年的候选人说，他一直在做内部协同工具的 AI 模块，每天跟数据中台打交道，三年没见过真实用户，想跳槽时才发现，自己连怎么跟 C 端用户沟通都快忘了。 还有人抱怨在大厂像颗螺丝钉，负责的模块永远是 “用户画像优化”“推荐算法迭代”，根本碰不到战略层面的决策，时间长了难免想找个能自己掌舵的地方。不过话说回来，候选人多了，我的标准确实悄悄提高了。刚开始看到 “参与过 AI 项目” 就想约聊，后来得琢磨 “是不是核心负责人”“有没有商业化结果”。有次碰到个简历很漂亮的候选人，大厂背景、AI 项目经验丰富，结果聊到 “你最常用的 AI 产品是什么”，他支支吾吾说不出个所以然，更别提分析产品背后的逻辑了。这种时候就看得特别清楚：有些人是真钻进去了，有些人只是想借 AI 的风口蹭个热度。但整体来看，AI 产品岗的机会确实在变多，而且越来越清晰。去年招人时，岗位描述还写着 “负责 AI 产品设计，要求熟悉大模型技术”，今年再看 JD，分得明明白白：有做 AI 基础设施的，有专门管模型优化的，还有聚焦 Agent 平台、营销智能体这些具体场景的。上次跟一个候选人聊天，他说之前投简历像大海捞针，现在冲着 “Code Agent 产品经理” 这种明确岗位投，回复率高了不少。这行业的招聘标准也在变。以前看简历先扫 “会多少技术术语”，现在更在意 “能不能把技术翻译成用户价值”。有次面一个候选人，他没讲太多算法细节，而是聊怎么说服算法团队调整模型参数，让教育类 AI 产品的错题解析准确率从 80% 提到 95%，最后还算了笔账：就这 15% 的提升，让用户续费率涨了 20%。这种能打通技术和商业的人，现在特别抢手。最后想说说 AI 面试工具这事儿。现在不少公司用 AI 辅助初筛，我也试过用工具模拟面试场景，不得不说进步挺快 —— 去年 AI 给的反馈还停留在 “逻辑清晰”“表达流畅” 这种表面评价，今年居然能指出 “你在分析用户需求时漏了下沉市场场景”。但工具终究是工具，有次一个候选人被 AI 打了低分，我却觉得他对垂直领域的理解特别深，最后反而招了他。所以真不用太迷信工具评分，AI 能帮你查漏补缺，但代替不了人对行业的直觉和判断。这段时间面试下来，最大的感受是：AI 产品岗正从 “野蛮生长” 走向 “精耕细作”。

　　以前是只要沾点 AI 就能找到工作，现在得真刀真枪拼硬实力 —— 懂技术、通业务、能落地，还要有把复杂问题拆解开的能力。但这未必是坏事，行业越规范，真正想做事的人反而越容易找到自己的位置。毕竟，AI 产品的战场，最终拼的还是谁能把技术变成用户手里的真家伙。