阿里P8两个月被动离职，请问小公司到底要什么AI人才？

AI训练营6期，12月16日开班，欢迎咨询

熟悉我的同学会知道我去年在AI 2B创业失败了，今年主要开展了三块业务：AI英语空气小猪、AI训练营以及AI猎头服务。

能够做AI猎头服务原因很简单：

1. 第一是我认识很多相关人才；
2. 第二是我在去年做2B业务的时候服务了很多公司；
3. 第三是今年做训练营也输出了很多人才；

所以无论从供给端还是需求端的情况我都很熟悉，从数据来说的话推荐了近20人出去，年薪最高的接近100万，年薪低点的也有30万。

从这个角度来说，似乎猎头业务这块的整体收益其实还挺不错的，应该大力发展，只不过真实情况却很麻烦，怎么说呢，其中有好有坏、好坏参半吧：

比如好的是这个：《中等水平AI人才成功案例》

然后不好的是这个：

然后最近一段时间的情况就更玄幻了，不止一家公司都在问我要AI工程师/产品经理，其中甚至有2家正在裁员，还裁得很厉害！

而我们根据他们情况推了几个人过去，给的反馈都是不合适，这就给我都搞得很懵逼了，所以当前环境企业以为自己想要什么AI人才，实际他们需要什么AI人才，最后为什么很多合适的AI人才待不住呢？

以为需要

首先，各个公司觉得自己需要什么AI人才，以下是两个真实JD：

如果从表格描述来说，其实他们需求挺清晰的，而当前尤其需要的是AI应用工程师，并且在很多公司AI应用工程师和AI产品经理从职位和工作内容上有极大的重合趋势。

但是，从我推荐人反馈来说，他们实际的要求是上面那些 + 下面这些：

这个对比起来就很有意思了，你发现他们要的不是一个人，而是一个超人或者一堆人：

我们再从各个层级来说：

首先，CEO对AI只懂一些皮毛，但他们嘴硬不会承认，于是喜欢偷换概念，他们最常见的一句话是：AI技术不重要，重要的是能用AI解决什么问题；

他们实际的行为是将各种业务战略知识混杂到AI里来说，这种各种叠加的做法，最终的结果是人为的加大理解/实施难度；

所以，CEO非常需要一个“AI大牛”能够跟他同频对话，一来需要用CEO“比较舒服”的方式对他们进行培训、二来还要帮他们进行战略拆解，将那些复杂、含糊不清的部分，分成切实可执行的部分。

如果这个“AI大牛”没到位的情况下，这些CEO是知道自己几斤几两的，他们虽然言必155规划、生态AI战略、人工智能在XX领域的XX，但你真的打开账单会发现，他们一年下来100万的投入都没有。

除了CEO（高管）层级的需求，这个AI人才还要满足平行团队、乃至业务团队的诉求，这个会更落地一点：就是清晰告诉我AI到底能解决什么问题，不能解决什么问题，如何去解决？

业务侧干活的人并不太关注虚无的AI故事（除非是战略和PR产品团队），他们需要AI真的能够帮忙降本增效，所以这里对“AI大牛”的需求是有足够的AI项目阅历，知道ROI最高的方法是什么。

最后就是具体执行团队，也就是“AI大牛”的下属们了，他们的诉求反而很简单：

1. 带我们赚钱，带我们入门AI行业，带我们飞；
2. 解决我们具体的问题，最好帮我们写代码、写提示词；

综上，很多公司真实需要的是一个超人，他技能与CEO对话协助拆解战略讲好AI故事、又要能帮助公司真正降本增效、还要能够帮助一些解决具体问题

那么问题也就来了，这种人是否存在呢？

答案是存在的，还真的有这种人，往往是做过AI项目负责人并且使用预算在2000万以上的人会有这些能力，只不过他们属于市场上最为抢手的硬通货，并且他们多半也不怎么找工作...

所以，虽然市面上存在这种人，但多半是招不到的，就算招到也会成本奇高，公司极可能盯着他PUA产出，最后压力太大、鸡飞蛋打、人财两空。

那么，公司实际上需要什么样的人呢？

简单AI项目人才需求

这里可能不得不说一句：很多公司对AI都没玩明白，其实他们根本不知道自己需要什么，超人当然是好的，但多数时候是超配了。

要清晰了解企业真实的AI需求是什么，我们可以从两个角度思考问题，首先是市面上已经有哪些AI项目，每种AI项目的卡点和成本结构是什么，如图所示：

这套KnowHow-data-工程能力的排列组合对于Agent架构也是使用的，因为Agent（如Manus）唯一不同就是依赖ReAct框架做调度，其他需要的东西一个都不会少。

然后，多数公司并不是要把所有的AI项目做完的（因为越下面越贵），就我的观察最常见的需求就三类：

1. AI工作流，解决工作中实际问题；
2. 简单AI知识库，最常见的如AI客服；
3. Agent，基于上述应用讲故事的简单应用，多半不会太复杂；

这里不同类型项目对能力模型的要求乃至对公司能力的要求是不一样：

工作流类项目最需要的是KnowHow，比如HR到底是怎么工作的、财务的工作流是什么，这些是需要去整理的，也就是对这个人的要求可能是有行业经验 + 交流能力不错；

在这个基础之下才是工程能力，并且这里对AI的运用不会太多，最多20%（多数情况是10%），也会包括一些RPA的能力，用得挺多的，但都不难。

简单AI知识库在AI工作流的基础下需要更进一步的数据整理能力，方法论其实非常清晰，如图所示：

所以，这里的AI人才除了基本的KnowHow外还要有少量的数据整理能力。

最后的Agent项目要稍微麻烦一点，但多数公司做不了那么复杂的需求，真的去做的话清晰了解ReAct框架、熟悉Tools调优技巧、多了解了解MCP尤其是Skills（Tools准确调用大杀器）就好；

现阶段来说也有很多非常成熟的框架，比如LangChain，这块几乎给封装完了，但如果想要深入的话还是建议自己手写代码，后面做深了记忆一块会很麻烦。

要做这个事情的话，对AI工程能力要求会比上述稍高一些，但也就一个月左右的学习量。

综上，多数公司并不会做太复杂的项目，他们需要的是一个3-5万的Leader，带几个干练的小兵就行了。

其次就是复杂业务了，这个能力模型要求还有点不一样：

复杂AI项目人才需求

首先，复杂AI项目会很麻烦，这东西有点难，其难点有三：

1. 第一，如何将认知（KnowHow）整理成知识，或者已经有知识的情况下，如何组织数据；
2. 第二，数据应该如何与AI交互，保证每次AI都能拿到相关数据；
3. 第三，也是最后一个关卡，意图识别；

尤其是第二点他会是AI项目最主要的工作、占用预算最多的工作：从整理数据到与AI交互再到后面的数据反馈，组成了我们常规的数据工程。

真正做过复杂AI项目的同学会发现，他们有80%的时间乃至资源都在搞各种数据...

并且，很多知识是依赖于专业人员，如医生、律师、教师，这种非互联网工种根本无力整理自己的认知，于是需要我们去组织他们，这里又涉及到了管理学。大家要相信，管理医生和律师去工作是很简单的，但要让他们做输出是很难的。

了解上述信息后，就可以进行AI人才需求的讨论了，这里我们先给出整体复杂AI项目全景人员及任务映射图：

产品一号位：边界

产品负责人是AI项目的定义者（老板战略解释人），AI幻觉首先来自目标的幻觉。

产品要解决“什么都能做”的幻想，如果项目边界不被收束，工程师会被无限的需求拖垮。

具体来说，他要能把“老板做个AI医生”的模糊战略，落地为“先做诊前问诊Agent”的可执行计划，这是定义产品路线图的核心。必须能坚决地说“V1.0不做诊断，只做咨询”，这是管理边界。

只要能把需求搞清楚，做好团队级别的向上管理、向市场管理，那就是一个好的开始。

技术一号位 - 实现

技术负责人是将不确定性转化为确定性的总工。所有KnowHow，最终都要通过他设计的架构落地成具体的产品。具体来说，他需要：

1. 设计技术路径：从知识如何入库、如何被检索、到对话如何状态管理、效果如何评估，他需要画出闭环的核心技术路径；
2. 数据工程：深刻理解“垃圾进，垃圾出”，设计合理的数据结构（实体、关系）来承载行业知识，优质的数据是“智能”的基石；
3. 实现文档：现阶段不太需要AI Leader写代码了，但他的文档需要细化到程序员拿到可以直接开工；

技术一号位是团队需要回答“如何让AI每次拿到对的知识”这个问题的人。他还要带队搭建Prompt管理、知识生产、可观测性三大平台，换句话说：他兼任了技术架构师和半个PMO。

行业专家-KnowHow

严格来说，专家是项目的"知识源头"，也是AI回答得好不好最终评价者，也就是说数据质量如何，需要他说了算。进一步他是数据飞轮的核心驱动力。

系统上线后，行业专家需要通过分析bad cases，指导团队是该补充知识，还是调整提示词，驱动系统持续进化。

他要定义什么是“可接受的答案”，什么是“危险错误”，也就是评估数据集是出自他手。

以AI医生为例，医生专家不能只会看病，还要能讲清楚“为什么这么看，步骤是什么”，他需要配合技术一号位梳理出SOP与核心数据结构。

给个总表：

最后，我们还需要回答一个问题：大厂出来的专业没问题，为什么去了小公司，大家都不满意？

为什么待不住？

众所周知，小公司想要成长为PMO类的全才比较容易，但要成为技术专家是很难的，但是最近经常发生的情况是：

大厂出来的人专业没问题，但去了小公司大家都不满意、也待不住。

前面提到的那位阿里 P8 粉丝，其实就是一个特别典型的案例，从能力模型上看，他几乎完美命中很多公司嘴上说的“AI 大牛”：

结果呢？两个月闪离。并且双向沟通下来，两边都很不满意：

1. 公司觉得：有点专业，但恃才傲物，很不好用，事情推进不顺，根本做不了事；
2. 本人觉得：公司太混乱、没规则、瞎指挥，很多事根本落不了地；

其实同时在大公司和小公司做到一定职位的人才能发现，问题不是这个人行不行，而是一个更底层的冲突：

大厂中层被“规则”塑造，小公司高管被“混乱”PUA

在大厂，类似 P8/P9 这种级别的角色，长期生活在这样的环境里：

1. 有清晰的战略节奏、季度 OKR、项目优先级；
2. 需求再怎么打架，总有一层机制帮你兜底（评审会、立项会、跨部门小组等）；
3. 自己负责的是确定性高的一段链路，更多是「把既定事情做好」，而不是「从 0 到 1 定义事情」；

久而久之，他们会形成一种本能：只要规则清晰，我就能打赢这场“仗”！

只不过他们是被规则养大的流程高手，他们所谓的这场仗只是在公司光鲜的生活，具体到公司怎么样，项目是否浪费了很多钱，他们是不太关注的。

他们在原公司厉害的点，往往是：在资源合理的基础下，很会在既有规则里做权衡：拉资源、排优先级、协调各方；

但这些优势，一到中小型公司，马上就要完蛋，因为小公司首先没有资源、其次没有规则，只要干仗的人...

中小型公司（尤其 200 人以内）的真实情况是：

1. 没有、也不值得搭特别重的制度和流程，ROI 太低；
2. 老板这周一个想法，下周一个方向，业务线变动频繁是常态；
3. 需求通常只有三个特点：多、急、没优先级；

在这种环境下，老板要的高管AI人才，本质上是：一个能自己定规则、自己踩坑、自己扛结果的人。

他们不太关心你熟不熟悉什么规范流程，更多关心：

1. 你能不能在一堆矛盾需求里，先挑出一个最重要的动手干；
2. 你能不能在资源极其有限、信息极不透明的情况下，硬着头皮把一件事推进下去；
3. 你能不能在没有「项目办公室」「跨部门委员会」的前提下，把人喊过来开个会就开始干；
4. ...

说白了，老板是既当又立、既要又要；粉丝是只看自己一亩三分地，一点亏都不想吃，最终结果当然是一拍两散...

我特别印象深刻的是双方最后的一句话，大家可以看出关注点完全不一样：

老板：你怎么老在那评估、调研、抱怨资源不足？先把我这个客服机器人做出来呀！

粉丝：你们连最基本的需求管理、排期、评审都没有，就指望我一边打仗一边造坦克？

综上，专业没问题，但组织形态与生存逻辑完全不匹配，就算你是很牛逼的大佬也在很多公司待不下去，AI能力是敲门砖、管理能力是后面很多个0，最终都要看ROI，并且是各看各的ROI！！！

好了，篇幅不小了，希望此文对各位有帮助。

点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：