你可能也已察觉到，求职和招聘这件事，最近正在变得不一样。当每个人都能借助AI写出一份更漂亮的简历，企业究竟靠什么判断谁更值得被录用？对普通职场人来说，当AI越来越能干，到底应该让自己变成什么样才不可被替代？
2026年7月，智联招聘发布《2026年人工智能产业人才发展报告》。数据呈现出一个鲜明的变化：一边是AI新岗位快速涌现，一边是重复性强、标准化程度高的传统岗位技能要求正在发生变迁。比岗位数量变化更值得关注的是，招聘市场正在重新定义“什么样的人更有价值”。中欧EMBA2023级校友汪婷现任智联招聘集团副总裁，长期负责战略规划与商业分析。身处招聘市场一线，她看到的并不只是岗位的增减，而是岗位、流程和人的能力边界正在被AI一起改写。
从数据看2026年人才市场
《2026年人工智能产业人才发展报告》显示，今年上半年，人工智能行业招聘企业数同比增长24.8%，职位数增长10.6%，求职人数增长10.5%。
一些细分岗位的增速更快：AI智能体开发人才需求同比增长244%，AI产品经理职位数增长87.7%；人工智能工程师需供比达到2.62，人才仍然短缺。与此同时，人事、销售、产品等非技术岗位也进入AI行业招聘需求前列。
从城市看，北京仍是人工智能行业体量最大的城市；上海职位数同比增长53.7%，在一线城市中最快；一线与新一线城市合计贡献了65%的AI行业招聘需求。
这些数据让我心情复杂。一方面，AI来得很快，很多原本被认为稳定的工作内容正在被改写；另一方面，它也创造了三年前还很少见的新岗位。企业和求职者都在加速进入AI，呈现出“供需双增”的趋势，但双方对“AI人才”的理解并不完全一致。
企业真正需要的，不是“学过AI的人”，而是“能用AI解决业务问题的人”。
这两年，求职市场还有一个明显变化，我们内部常用一个词来概括：技能折旧加速。
过去，一项熟练技能也许能支撑三五年的稳定；现在，一两年内就可能被新的工具和工作方式重新定义。去年还很少出现在岗位描述里的“提示工程”“AI协作”等要求，今年已经进入不少非技术岗位。
因此，AI并不是简单地“消灭岗位”，而是在重配每个岗位的技能结构：流程化、标准化的部分被压缩，判断力、创造力和与人协作的能力被放大。
数据分析就是一个很典型的例子。AI接手一部分基础分析后，分析师反而要先把数据口径、指标体系和数据底座搭得更扎实，让AI读得懂、用得准。与此同时，过去因为人手有限而来不及做的分析需求被释放出来。
在我的团队里，数据分析需求一度增长到过去的两三倍，一些分析师还开始用AI做产品原型，工作边界从“做方案”延伸到“做产品”。
这也是AI转型中容易被忽略的一点：工具能把很多人的基本动作拉到相近的水平，却不会自动产生洞察。同样一份报告，有人只是复述AI生成的内容，有人却能结合业务背景解释“为什么会这样、下一步该做什么”。
形式越容易，内容和判断反而越重要。
企业需要怎样的AI人才？
企业口中的“懂AI”，到底指什么？我们拆解了大量岗位描述（JD），大致可以分成三层。
第一层是基础能力，即具备人机协作意识，会使用主流AI办公工具。这正在像会使用Office办公软件一样，成为越来越多岗位的基础要求。
第二层是专业融合，能用AI解决本领域的问题，把专业经验和工具真正接起来。比如，HR用AI做人才mapping，市场人员用AI生成并优化投放策略。
第三层是战略维度的业务重构，能判断AI应该怎样进入业务流程，并在业务痛点和技术可能性之间做“翻译”。这类人才最稀缺。
所以，除了算法工程师等硬核技术岗位，企业也在争抢AI产品经理、前沿部署工程师(FDE)、行业解决方案架构师。这些岗位的共同点是：既要懂一些技术，又要理解行业、业务和人。
另一方面，传统岗位的技能要求也在发生变迁。初级翻译、模板化设计、基础会计审计、纯执行客服越来越多地使用AI提效，新增岗位中对于AI应用的技能要求提高。以法务为例，企业需要的已不只是会查法条的人，还希望其能借助AI做判例分析和风险预判。
如果简单区分，市场上的AI人才大致有两类：一类是“做AI的人”，包括人工智能工程师、智能体开发、数据标注与训练等；另一类是“用AI的人”，他们分布在更多行业和职能中，把AI变成完成业务的日常工具。
对大多数企业来说，更广阔的变化其实发生在后一类人身上。企业真正要回答的，往往不是“如何训练自己的大模型”，而是“AI怎样进入我的业务，怎样把工作做得更好”。
这也意味着，AI人才需求正在从少数技术团队向更多业务环节扩散。AI公司不仅需要算法和工程师，也需要产品、销售、市场、人力和财务，把技术变成产品，再把产品变成生意。
类似的渗透也在传统行业发生。汽车、医药、新能源、航空航天等领域都在增加AI相关岗位，技术能力与行业经验之间的边界越来越模糊。
我还观察到一个有意思的趋势，中小微企业正在成为AI招聘中非常活跃的一支力量。
原因并不难理解。它们生存压力更直接，引入AI首先看能不能降本增收；同时组织链条短，决策和落地都更快。更重要的是，AI降低了部分专业能力的调用成本，小公司也能用较低成本获得过去往往需要更大组织才能配置的能力。
因此，这类中小微企业尤其需要“能用AI解决具体问题的人”。
我在中欧有一位同学准备做产品出海，没有先组建完整团队，而是先搭了8个AI“分身”，分别承担市场、商务、销售等工作。过去需要几个月招人、磨合、试错的准备过程被大幅压缩；一个市场验证不通，可以很快调整，再试下一个。
但个人效率提高，并不等于组织效率自然提高。一个员工把原本一天完成的报告缩短到两小时，如果后面的审批、沟通和决策仍按旧节奏运行，省下来的时间就很难转化成真正的组织产出。
AI转型最终仍然要回到组织流程和管理方式的重构。
招聘平台也在被AI重构
AI改变岗位的同时，也在改变招聘和求职本身。
对智联招聘来说，变化的方向，是从信息撮合平台进一步走向AI驱动的职业发展基础设施。
最明显的变化就是两端产品的重构。在求职C端，平台正在从“职位列表+被动搜索”走向更主动的匹配。比如2026年WAIC（世界人工智能大会）期间，智联招聘推出的AI求职陪伴产品“职悟空”，覆盖职业规划、简历优化、岗位匹配、模拟面试等场景。
在B端企业端，AI招聘助手可以参与需求解析、简历筛选、信息校验、意向沟通以及部分面试流程。随之变化的，是HR的工作重心从大量重复筛选，更多转向判断、沟通和候选人体验。
效率提高之后，一个新的问题也随之出现：当AI能把每个人的简历和回答都润色得更完美，企业如何判断候选人的真实水平？
我们已经观察到，部分候选人的在线测试表现与后续面试存在明显落差，一些开放式回答在语言结构上也高度趋同。简历写得标准、完整仍然重要，但“表达得好”和“真正做得到”之间，还需要更多证据连接。
因此，背调和能力验证的价值会进一步上升。
纯技术防御总有边界，更重要的是重构信任机制：验证重心不能只放在一次测试或一次面试，而要更多看可验证的项目作品、持续的学习轨迹，以及候选人能否解释自己做过什么、为什么这样做、同行的评议，让诚信本身成为一种可追溯的竞争资本。
这个领域我们还在探索阶段，但方向是清晰的：鼓励求职者用AI增强自己，而不是用AI伪造自己。
与此同时，越是把标准化流程交给机器，真人沟通越不能被忽略。
候选人来到公司后，有人介绍团队、聊工作的真实状态，看似低效，却是在建立信任。招聘毕竟是双向选择：企业在判断一个人能不能做事，候选人也在感受自己愿不愿意和这群人一起工作。
技术越擅长处理效率和标准化，人的价值就越集中在信任、判断和体验上。机器负责提效，人负责建立关系、做关键判断——这应该是AI进入招聘之后的一条基本边界。
招聘越智能，人的在场反而越重要。
求职者该如何应对？
如果岗位在变、企业在变、招聘方式也在变，个人最需要做的，不是追着每一个新工具跑，而是先想清楚：我希望AI放大自己的什么能力？
随着岗位更新加快，学习能力、跨领域理解以及把工具接进业务的能力，都会变得更重要。
工作年限仍然重要，但不再是唯一的能力证明。企业会越来越想看到：你是否真的用过AI，做过什么项目，交付过什么结果。简历上的“做过什么”，正在让位于更具体的“做成过什么”。
项目、作品和可验证的成果，会比一串漂亮却抽象的技能关键词更有说服力。
对成熟职场人来说，真正的护城河是长期积累的经验、判断力，以及对复杂业务和人际关系的理解。这些优势并不会因为AI出现而失效，反而能成为AI最需要的上下文。
真正把AI用好的资深从业者，不是清空几十年的经验，重新把自己训练成一个技术新人，而是把AI接到已有的专业积累上：让基础工作更快，把时间留给判断和决策。目标不是和年轻工程师比谁更会技术，而是成为“AI增强型专家”。
我认识一位资深销售总监，他没有转去学写代码，而是用AI分析客户行为、预测丢单风险。二十年的销售经验加上AI的数据能力，形成了别人很难复制的组合优势。
经验的价值，不在于重复过去，而在于更快识别什么问题值得解决、什么结果值得相信。
对刚进入职场的年轻人来说，优势是没有太多旧流程的包袱，但也要警惕成为AI的“懒用户”——什么都问，什么都信。
有三件事值得刻意练习：定义问题的能力、批判性验证的习惯，以及创造性重构的勇气。
我想分享一个大二学生参加我们智联举办的“AI创新大赛”的例子。真正打动评委的，不只是他做出了一个漂亮的Demo，而是他站在求职者的处境里理解问题：找工作不该只押在大四最后半年，而应该把探索和准备铺到大学四年。
技术只是实现方式，对用户的共情才让产品成立。
无论是简历优化、模拟面试，还是梳理职业方向，AI都能成为很有用的辅助工具。我们内部做过一次小范围对比，使用AI辅导工具的求职者，拿到面试邀约的概率有明显提升。
样本不大，但至少提示我们：关键不是AI替你写了什么，而是它有没有帮助你更清楚地表达自己的价值。
成熟职场人和年轻求职者看起来很不一样，但底层能力在AI时代却有相通之处：好奇心、学习能力、主动解决问题的意愿，以及对行业和人的理解。
很难再用学历、年龄或某个固定标签，概括AI时代最有竞争力的人。真正容易被AI放大的，往往是那些愿意持续试、持续学，也愿意把时间花在更有价值的问题上的人。
面试官最终想看到的，也不只是一个流畅的答案，而是你为什么这样判断、做过什么艰难选择、如何说服别人，又如何理解客户和同事。当“做得快”越来越普遍，真正稀缺的会是“想得清楚、判断得准、让人信任”。
这些年我越来越确信：不要试图在效率和知识储备上与AI比赛。更值得建立的优势，是经验、判断、信任、共情，以及人与人之间真实的连接。
AI时代，技术越往前走，就越要看见人。
本文根据中欧国际工商学院官方播客《向上说》子栏目《下课聊》内容整理并补充。文中涉及《2026年人工智能产业人才发展报告》的数据，来自智联招聘公开报告及相关媒体报道。
本文来自微信公众号“中欧国际工商学院”（ID：CEIBS6688），作者：汪婷，36氪经授权发布。