北京
一家150人的公司，刚招了AI负责人。前60天，这人到底在忙什么？
不是搭模型，不是写算法。是开会、对齐、找场景——以及，应付各种"AI能不能干这个"的提问。
人物：从0到1的孤独开局
作者自述：入职第一天，发现公司连基础数据管道都没理顺。没有现成的训练集，没有标注团队，连GPU预算都要重新申请。
他的第一个动作不是技术选型，是画了一张图——公司现有数据流在哪断的，业务团队卡在哪个环节。这张图后来成了跨部门会议的通用语言。
逻辑：先当翻译，再当工程师
150人公司的特殊之处在于：管理层听过太多AI故事，执行层却没见过落地案例。AI负责人被迫同时扮演两个角色——向老板解释技术边界，向工程师解释业务优先级。
作者提到一个细节：前两周拒绝了所有"能不能做个ChatGPT内部版"的需求。不是不能做，是先得证明哪个场景值得做。
他的筛选标准很实际：数据现成、用户痛点明确、两周能出原型。三个条件缺一个，就进 backlog。
影响：小公司的AI陷阱
两个月下来，最大的产出不是模型，是一套"需求过滤机制"。作者发现，小公司做AI最大的风险不是技术失败，是资源分散——每个部门都想试试，最后哪个都做不深。
他的应对策略：把AI项目按"数据就绪度"分级。P0级（数据干净、场景清晰）给资源；P1级（缺数据或缺场景）只给咨询；P2级（纯概念）直接拒。
这套分级表现在成了公司季度规划的参考框架。
如果你也在考虑加入一家中小公司的AI岗位，先问清楚：他们有没有现成的数据资产？有没有愿意配合的业务方？这两个问题的答案，比"技术栈是什么"更能预测你的前两个月。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
