“求职拥挤但匹配很难” 专访领英中国王茜：中国企业出海如何靠“内部造血”赢下人才战？

每经记者：张梓桐 每经编辑：余婷婷

“当前，全球劳动力市场正经历一段低速换挡期。截至去年底，全球招聘规模与2020年相比下降20%，职场流动率也跌至近十年来最低，而每个空缺职位的申请者数量与招聘率之间的鸿沟，已创下2020年以来的最高纪录。”2月5日，领英中国区总经理王茜在2026亚太区Talent Connect峰会期间接受《每日经济新闻》记者专访时指出。

领英中国区总经理王茜 图片来源：企业供图

“领英并没有退出中国。”王茜同时告诉记者，领英目前在中国市场的核心在于战略聚焦：果断放弃面向个人用户的C端竞争红海，将资源全面集中于服务中国企业的全球化需求。

据称，目前，领英在中国出海百强企业中的渗透率达到76%，其商业模式已明确转向为企业提供海外人才等业务的“出海赋能平台”。

在王茜看来，人口教育结构、产业发展阶段及政策开放度，是驱动全球人才市场区域分化的核心因素，这一格局也为中国企业出海挖掘人才红利提供了新方向。

“人岗错配”成常态，AI重构职场技能需求与招聘逻辑

NBD：您提到全球招聘进入“低速缓行”时代，但新兴市场仍保持高活力。这背后的核心因素是什么？中国企业应如何把握人才红利？

王茜：如果把过去一年的人才市场放到世界地图上看，会看到一个非常鲜明的分化：全球整体在“慢下来”，但有些地方反而在“往前跑”。

发达经济体受到宏观不确定性和货币政策收紧的影响，整体招聘规模依旧低于特殊时期之前的水平，大多数国家比2019年下降20%至30%不等；但印度、阿联酋等新兴市场，却比特殊时期之前更活跃，分别高出约40%和37%。这种“冷热并存”的格局，其实反映了三股力量的叠加。

第一是人口和教育结构，第二是产业阶段差异，第三是政策与开放度。

对于中国企业来说，这意味着出海策略需要从“去哪做生意”，升级为“去哪建团队”。不同区域的人才结构差异很大。在实践中，我会给出海企业三个建议：第一是在出海早期就把“人才策略”提上日程，不要等到人才团队支持不了出海进度时才着急；第二是把“人才地图”作为战略输入，而不是执行细节；第三是尽早在当地搭建关键岗位的管理层，让本地决策与全球协同同步推进。

NBD：领英数据显示岗位申请者与招聘率的鸿沟创下特殊时期之后的新高。这种矛盾会成为常态吗？企业应如何应对这一结构性困境？

王茜：过去一年“求职拥挤但匹配很难”的现象，大概率会是未来一两年的常态。原因并不是岗位数量减少，而是技能要求在快速更新，但人才和组织的调整速度没有跟上。领英数据显示，预计到2030年，当前劳动力市场中70%的岗位技能都会发生改变。而受AI（人工智能）影响，这一变化速度可能会更快。

一方面，全球招聘规模比特殊时期前仍低约20%，职场流动率跌至十年来低点，但单个岗位的申请量却创新高。另一方面，岗位本身的技能要求越来越“复合”，很多岗位越来越需要具备一定的AI素养；同时在硬技能之外，对于软技能的要求也越来越高。也就是说，企业要的人变了，而很多人的技能还停留在“旧版本”。

企业如何应对？首先，从“岗位匹配”转向“技能匹配”。越来越多企业开始用技能来定义岗位，来指导招聘，而不是用头衔来定义需求。其次，把“内部流动”当成第一招聘入口。内部员工最大的优势，是懂业务、懂文化；而我们的数据显示，以技能为基础推进内部流动，AI人才管道规模能提升8倍以上，对提升稳定性尤其有效。

最后，放宽对“现成即用”的执念，拥抱“三至六个月可培养”的理念。企业可以鼓励员工在岗学习，通过标准化的学习路径提升技能，而非只在外部市场“抢人”。

NBD：报告指出“前置部署工程师”岗位数量3年增长42倍，您认为企业在招聘这类“AI落地操盘手”时，如何平衡其技术能力与业务适配力？

王茜：“前置部署工程师/AI落地操盘手”是这两年数量增长最快的岗位之一。过去三年，这类岗位在全球增长了42倍。它的核心不是“做AI”，而是“让AI真正落地”。

企业最常犯的错误，就是把这个岗位当成“高级工程师”。但真正能让AI跑进生产线的，往往是技术理解和业务敏感度都具备的人才。

在实践中，更可行的方式反而是：从最懂业务流程的人中，培养他们掌握AI工具与应用，配合系统性学习、场景化训练，加上跨部门协作机制，落地效果往往更好。

随着中国企业的全球化从“拼速度”走向“造能力”，AI落地操盘手将成为跨区域业务一致性和效率的重要角色。尤其是在新兴市场，需要能理解本地业务、又能快速推动AI应用落地的人才，而不仅仅是工程技术人才。

从“抢人”到“造人”，企业需重构出海人才培养体系

NBD：对中国企业而言，应如何让员工快速成长为“新领人才”？领英学习（LinkedIn Learning）在这方面能提供哪些具体支持？

王茜：“新领人才”不是一批新的简历，而是一套新的能力结构，完全可以在组织内部培养出来。对于很多处在数字化转型中的中国企业来说，与其“换血”，不如采用更现实、也更高效的方式让现有团队拥有新的技能水平。我通常建议组织从三个层面同步推进：

第一步，先定义“新领人才”长什么样；第二步，基于技能差距做可视化诊断。很多传统企业往往知道“要转型”，却不知道“差在哪”；第三步，提供可落地的学习路径，让员工“今天学，明天能用”。

在这一过程中，领英学习（LinkedIn Learning）的作用是让“学习路径”这件事可被组织化管理。利用领英学习建立个性化的技能学习路径，通过精准匹配课程与技能需求，提供实时学习支持和个性化课程推荐，满足不同层次员工的学习需求。这些课程内容覆盖了AI核心技术能力、业务部门使用AI工具的能力，以及跨文化沟通等软技能，可以全面提升员工的AI应用水平。数据显示，使用领英学习解决方案的企业，其员工AI技能提升速度是未使用者的3.4倍。

NBD：您提到借助AI招聘工具可缩短招聘周期，但不少企业面临AI工具落地难，对此您有哪些实操建议？

王茜：AI的瓶颈不只在技术，而在人才和组织能力。这也带来了一个很明显的变化：企业把更多期望放在招聘团队身上。在利用AI招聘的过程中，企业常常会遇到两个落地难点：一个是岗位语言与技能标准不统一，导致AI工具“无从匹配”；其次是流程过于传统，无法承接AI的效率提升。

在使用AI招聘工具的过程中，我会建议企业从以下几个地方着手：

第一，先把技能语言统一，AI才能帮你筛到正确的人；第二，用“小试点”跑通一条AI招聘闭环，再向全公司复制；第三，AI不是为了替代招聘者，而是为了让招聘团队把时间花在“判断”而不是“机械劳动”上。

以领英为例，领英提供的企业招聘账号，是依据全球13亿职场人的技能图谱数据来构建的，通过统一语言的起点，让JD（Job Description 职位介绍）、面试、人才评估都对齐到一套标准上。在这个过程中，领英推出的AI招聘助理会学习招聘者的偏好，为其拓宽候选池、自动化重复环节、总结偏好、提供建议，让招聘者做高价值的工作，比如判断候选人的文化匹配、成长潜力、价值观契合度。

NBD：随着AI自动化能力提升，数据标注员等基础岗位是否会面临被替代的风险？未来AI相关岗位的技能需求会发生哪些核心变化？

王茜：根据领英最新劳动力市场报告，2023年至2025年，全球新增至少130万个AI相关岗位，其中数据标注类岗位达到77.4万个，是规模最大的单一岗位类型。这说明，数据标注依然是当前AI生态中的“核心底座”。

但随着模型的自监督能力和合成数据技术的提升，一部分重复度高、规则固定的标注任务确实会被自动化接管。然而，这并不意味着岗位会“消失”。我的判断是基础岗位会减少，但角色会升级。

领英报告也明确指出，AI相关岗位正从“执行型”向“判断型”与“场景型”迁移，数据标注的工作正在向更高阶的方向发展。未来这类岗位，企业对“人”的要求会明显转向三类更高阶的能力：

第一，质量与安全管理能力；第二，场景与行业理解；第三，AI素养与协作能力。

更关键的是，数据标注岗位本身就是一个可“向上走”的入口。我们在很多企业都看到，标注人员正在向下游的数据运营、质量分析、模型治理、AI训练监督等方向发展，这些岗位对企业来说反而越来越核心。我更愿意用一个比喻来形容这种转变：从前是“帮AI做题”，未来是“给AI出题、审卷、纠偏”。