讨论 AI 会不会让人失业，容易陷入情绪对抗，更有用的是看招聘市场上正在发生的结构性变化。近年来招聘平台的公开趋势显示出三个方向：「会用 AI」正在从加分项变成默认要求；规则明确、重复性高的基础执行岗需求收缩；既懂业务又懂工具的复合型岗位在增加。各份报告的统计口径不一，本文只谈方向，具体数字以最新公开报告为准。
方向比单个数字更有信息量
为什么说方向比比例可靠？招聘数据的口径差异很大：有的平台只统计技术岗，有的把「了解 AI」的行政岗也计入，同一个「AI 岗位占比」在不同报告里能差出很远。但方向性信号不容易被口径扭曲——岗位描述里新出现的词、职责条文的措辞变化、面试环节新增的工具考察，这些肉眼可查。看懂这类信号的方法，和看懂 AI 价格战里的补贴与留存逻辑、AI 榜单迭代中排名变化的信号 是相通的：盯变化方向，别盯单点数字。
岗位内容正在被重新定义
受影响明显的，通常是重复性强、规则明确、结果可标准化的执行类工作。但这不等于岗位直接消失——更多时候是内容被改写：同样一个岗位，现在要求你做得更快，并且会用工具。标题里提到的两个变化也属于这种重定义：公开趋势显示，算法研究岗在 AI 相关招聘中的占比有所回落，价值在往应用层转移；与此同时，大量应用与运营类岗位对学历的门槛相对友好，本科可胜任的岗位数量在上升。哪句是真、哪句是情绪，回到各平台最新的公开报告核对一遍即可。想先把技术名词看明白再谈岗位，从 怎么读懂 AI 芯片新闻的制程与算力 入手是个不坏的起点。
哪些能力在升值
- 判断力：AI 给方案，选哪个、对不对，由人拍板
- 提问与拆解：把模糊需求拆成 AI 能执行的具体任务
- 跨领域整合：把不同领域的知识连起来，这是模型的弱项
- 把关与验收：AI 产出越多，「谁来验收」越关键
四项能力有一个共同的自检办法：把你最近一次用 AI 完成的工作复盘一遍，看时间花在「让它写」还是「判断它写得对不对」上。如果判断环节占了过半精力，说明你已经在做升值的那部分工作；如果全程只是等待产出、照单全收，被重定义的风险就更高。自检结果比任何报告都更贴近你自己的处境，因为它用的样本就是你每天的工作。
怎么把趋势变成动作
把 AI 用成杠杆：同样的时间产出更多，这是简历上可直接验证的加分。积累替代不了的部分：判断、沟通、跨领域整合、承担责任，这些能力的共同点是必须有人对结果负责。盯岗位描述的变化：招聘要求里新出现的词，往往就是市场当下要的能力，比任何趋势文章都来得快。养成一个低成本习惯：每季度花半小时翻一遍自己岗位新挂出的 JD，对比入职时那份要求，差异就是市场偏移的方向。具体到某个职业怎么把 AI 融进日常工作流程，站内有 公交调度员用 AI 排班的实例 可以对照参考。
它解释不了什么
宏观趋势影响的是概率，不是某个人的命运。行业、城市、公司阶段，任一变量都会让能力相近的人走向不同结果，市场层面的数据推不出「你该转行」这样的结论。把趋势观察当背景板，把具体动作当主线，顺序不能反。
| 信号 | 在哪观察 | 可下的判断 |
|---|---|---|
| JD 新增工具使用要求 | 招聘描述的职责条文 | 该技能进入岗位基线 |
| 执行类条文变短、协作类变长 | 同岗位新旧 JD 对比 | 岗位内容在重新定义 |
| 面试增加工具实操环节 | 面经与招聘流程 | 工具用法比概念更被看重 |
三个信号都不需要付费数据，招聘网站上翻十几条 JD 就能自己完成观察。
趋势应对速查
- 三个方向：AI 成默认要求、执行岗收缩、复合岗增加
- 升值四力：判断、拆解、整合、验收
- 观察窗口：JD 措辞、面试环节、岗位描述新词
- 数字存疑时，以最新公开报告为准
读趋势前的三个误区
误区一：「占比下降」等于岗位减少？不一定，占比是相对数，可能只是总盘子扩大后应用岗增长更快，绝对数量未必下降。误区二：非技术岗只能被动等待？等待没有产出，动作其实明确：把手头流程里规则清晰的部分交给工具，人守住判断环节。误区三：不同报告的数字可以直接比较？不行，先看样本来自哪些平台、岗位分类标准和统计时间段，口径不同，结论不可比。
市场在变是方向上的确定，落地速度却远比标题里写的慢。把趋势当背景，把手上正在做的那个任务当主战场，是应对结构变化里成本更低的一条路。
