AI技能缺口并非企业所想那样

AI人才短缺。企业无法填补AI技能缺口。这是过去一年左右就业市场展望报告中常见的标题。许多企业认为这是一个供给或人才问题。毕竟，对AI专长的需求增长速度超出任何人的预期，当这些职位空缺时，得出市场上存在AI技能缺口的结论是合理的。

然而，这一缺口可能并非这些企业所想象的那样。AI时代雇主究竟面临什么问题呢？

从斯坦福HAI（以人为本人工智能研究所，是斯坦福大学于2019年成立的跨学科研究院，致力于推动AI研究、教育、政策与实践，以改善人类福祉）的2025年AI指数，显示AI能力创下增长纪录。报告指出，AI的采用速度快于组织驾驭它的能力。数据表明，企业在自身内部结构和技能尚未到位以支撑AI的情况下，就将AI推向业务更多环节。结果是AI采用陷入停滞。

IBM去年的一份报告也显示了这一缺口。报告识别出技能短缺和数据复杂性是AI采用的首要障碍。IBM指出，AI项目停滞不是因为无法构建模型，而是因为团队缺乏数据集成、运维和治理方面的专业知识，无法将项目从试点推向生产环境。

还有其他多份报告强化了AI技能缺乏的问题。雇主经常表示，他们找不到足够的AI工程师或具有深厚模型专长的人员来跟上AI采用的步伐。这一点在职位描述中可见一斑。许多职位将模型开发、数据工程、分析和生产部署的职责融合为一个角色。这些职位的本意是减少交接、简化责任归属，从而加速进度。在理想世界中，劳动力会为此做好准备。

然而，在当前环境下，这可能比预期需要更长时间。AI能力快速演进，组织希望找到能够对AI系统承担端到端责任的人员。虽然对AI驱动成果的需求是真实的，但附着于这些角色的期望迅速扩张。在许多情况下，招聘困难更多源于这些角色的范畴已变得过于宽泛，而非人才短缺。

针对这一感知到的缺口，许多企业选择提高薪资来吸引稀缺的AI和数据人才。根据Robert Half 2026年薪资指南，AI/ML工程师和数据科学家的薪资预计平均增长4.1%。这一增幅高于市场上同类经验IT专业人士的薪资增长。报告称近87%雇主为具备机器学习或数据科学等专业技能的候选人提供更高薪资。典型薪酬基准显示，中期职业的AI/ML工程师薪资通常在15万至17.5万美元之间。数据工程师和数据科学家的薪资更高，达12.3万至18.2万美元。当然，这些数字很大程度上取决于经验和地点。这些趋势表明，雇主愿意为人才支付溢价。

然而，仅靠更高薪资能否解决期望与技能匹配的深层问题？这些高薪专业人士能否带来更好的运营AI成功？

因此，当企业表示他们在努力填补AI技能缺口时，他们往往缺失的不是原始技术能力。他们缺失的是能够在不完美环境中运作，仍然推进AI工作的人员。大多数组织并不需要更多模型构建者。他们需要的是理解数据如何在业务中流动的人员。他们需要的是了解系统在生产环境中如何出问题，以及如何将AI输出转化为团队真正会使用的决策的人员。

从雇主的角度看，这意味着招聘时更注重应用经验而非理论深度。那些曾将模型推进到实验阶段之外、处理过不完整数据，或与产品、工程和运营团队密切合作的候选人，往往比那些仅有狭义研究资质的候选人产生更大影响。缩小角色范围、明确责任归属，往往比再次提高薪资更能释放进展。

对于试图定位自己的专业人士，信号也类似。职业优势越来越来自展示端到端经历，而非精通每一种AI工具。拥有数据管道、部署约束经验，以及能够监控系统，这些都很重要。与利益相关者沟通的能力仍然是一项重要技能。

AI技能缺口不是人才短缺。它是企业实际需要与招聘方向之间缺乏对齐。这也是企业理解其真正含义、最终缩小缺口的机会。专业人士也可以通过展示端到端、应用AI经验来抓住这一机会。