標籤:

為什麼AI招人很難

作者:人工智慧獵頭Angus

原文鏈接:jianshu.com/p/2ab60b84f

查看更多的專業文章,請移步至「人工智慧LeadAI」公眾號,查看更多的課程信息和產品信息,請移步至全新打造的官網:www.leadai.org.

正文共2226個字,6張圖,預計閱讀時間6分鐘。

這次來談談AI招人難的問題,回顧以往,AI領域真是風雲變幻,Alpha狗贏了一圈棋王,五大科技巨頭組超級AI聯盟「Partnership on AI」開始憋大招,特斯拉的自動駕駛事故頻發,Facebook發布人工智慧管家Jarvis。按理說,大勢在前,應該人才洶湧而來。然而,在招人的問題上,至少在中國市場,從過去的一般難(B級)直接跳到無敵難(S級)。這是為什麼呢?來讓我給大家解析一下。

問題一:招人難這個問題,是一直存在嗎?2016年以前怎麼樣?

招人難一直存在著,不然就不會有我們獵頭存在的價值了:)只是這個問題到現在一下子變得嚴峻,因為: 1.需求呈量級增長;2.人才供應量無明顯增加。簡而言之:供不應求,使得無論大小公司皆一將難求。我了解到的從大公司 BAT 華為到獨角獸級別的滴滴/大疆,再到創業公司地平線/圖森都很難招到人,現在有一個用人特點是各個公司都招聘著大量實習生兼職,甚至超出全職員工人數。而在2016年前並非如此,儘管當時需求已經開始上來了,但那也只是把招聘難度從B提高到B+,而到了2016年,是從B+直接提高到S。

問題二:造成招人很難表現在什麼方面?

答案是:薪資與時間成本劇增。候選人薪水漲幅超過30%甚至翻倍造成用人成本增加,一個應屆碩士拿超過70萬薪水你敢信?而候選人手裡攥著多達十幾個offer供挑選,最終讓未被選擇的大多數企業增加了招聘的時間成本且延誤了研發,說到底:目前供需關係的緊張壓力已經直接轉到供方市場,企業最寶貴的時間和資金成本都明顯提高,這背後都是需求和供給嚴重不匹配,而如果用人方對實際市場情況不夠了解會導致招聘效率低下,直接表現為無優秀人才可用/開發進度緩慢等。

問題三:為什麼會有這麼多AI招聘需求,產生原因是什麼?

現在大多數公司都在尋求轉型,尤其是傳統的互聯網已經很難在「應用創新」層面上取得突破,到了需要「科技創新」階段,而人工智慧目前來看是最有可能的鑰匙,因此各個公司相繼提出人工智慧戰略與相應的招聘需求,使得招聘需求在短時間內爆發,而人才供給(尤其是高校這一端)是緩慢的。現在但凡是個做人工智慧跟計算機視覺和深度學習相關的,只要在LinkedIn上更新過資料留下了電話,應該都接到不低於10個獵頭電話了吧,哪怕對方還只是個大四的應屆畢業生。

同時,人工智慧領域的創業公司在近3年如雨後春筍般冒出,一如「依瞳商曠」等,也加劇了AI人才的爭奪。

問題四:對於AI公司,有什麼樣的方法去解決這樣的困難?

我覺得還是得看AI公司能否找准自己的人才需求,有針對性地吸引合適自己現階段發展的人才。舉例來說,當你的公司已經是300人以上至少是C輪階段的公司,需要的演算法人才應當更偏向能夠把產品落地變現,因這時候公司的商業模式應當是確定清晰確定下來了,而這時候學術明星的價值可能未必符合公司需求,加入進來可能象徵意義大於實質意義;而當你還在A輪到B輪狀態,一個有潛力的學術小牛也許能夠幫助你打開學術名聲招攬更多人才,為下一階段發展儲備人才;而如果你無甚名氣還在天使輪階段,能夠有entry level工程師願意加入跟著團隊一塊成長已經很難得,因這個階段的公司充滿著極高的不確定因素,而企業面臨快速出demo儘快發第一代產品原型的壓力,如果新人能夠扛下來同樣可以獲得較快成長,實在跟不上適度的人員汰換也是必須儘快採取的。

而遍觀目前的AI公司,無論是巨頭獨角獸還是早期初創公司,基本上都需要一座大神小牛坐鎮以招攬人才,這似乎成了我們行業的標配。人才的軍備競賽不是壞事,但也不一定能成好事,例如B,在坐擁國內及矽谷幾個AI實驗室人才資源條件下,現階段徘徊的股價和被AT拋開的市值,需要的也許不是像「陸琪」這樣的工程大牛,而是像「張大龍」一樣的產品奇才,把技術落地為實際產品變現。

問題五:對於候選人,可以通過怎樣的方法找到更合適自己的工作,如何挑選理想的僱主?

關於找到更合適自己的工作,這個問題很難有統一的答案,我想這需要回歸到個人的「成長需求」上:如果你有較強的自我成就動機能夠接受失敗風險希望在某個領域可以獨當一面,那創業公司會是更符合你的舞台(通常也有更高的薪水和期權回報),只是你的自我學習成長意識要足夠強,這裡能夠帶你的人可不多;如果你希望第一份工作能夠穩定提升,那這時你需要挑的是大公司里的核心部門,這裡需要強調:穩定一直是一個悖論,選擇大公司不一定意味著穩定,如果你站錯隊在一個不受公司重視的部門,或是剛組建人員調整頻繁的團隊,個人成長被忽視或被人事調整也是常有的。具體,歡迎你拽著offer跟我討論。

推薦閱讀:

人工智慧對戰小數據-談生成模型的應用

TAG:人工智能 |