丈母娘开始抢AI人招聘问答正在被重构

丈母娘开始抢AI人招聘问答正在被重构

丈母娘也开始抢AI人这句话在10月下旬成为热议话题，背后是AI岗位薪酬与稀缺度的现实：同一个岗位在不同公司的报价差距可以到数倍，家庭层面的择偶偏好甚至开始把AI从业经历当作加分项。对招聘方而言，真正的变化不在抢人本身，而在于候选人获取岗位信息的方式已经从招聘网站转向了AI问答。

抢人帖背后的岗位缺口

缺口是结构性的。基础算法岗位的供给在增加，但能把模型落到业务场景、并对成本负责的复合型人才依然稀缺。这类岗位的招聘周期长、面试轮次多，候选人在决策期会反复检索公司信息。AI相关岗位的薪酬带宽在一年内明显拉宽网易新闻薪酬不再是唯一变量，团队技术栈与落地场景的权重在上升。

供给端的变化同样明显。越南近期以零个税与不看学历的政策向AI与半导体人才发出抢人帖，说明人才竞争已经进入跨国政策层面。越南向AI半导体人才发抢人帖当政策成为变量，企业能控制的只剩信息透明度与雇主叙事。

候选人的提问路径已经改变。过去他们看招聘页面与员工评价，现在直接把问题抛给AI：这家公司的技术栈是什么、团队规模多大、晋升周期多长、加班情况如何。AI给出的答案由公开内容拼装而成，如果企业没有主动提供结构化信息，答案就会由第三方评论、旧新闻与猜测构成。

这意味着招聘信息的竞争从页面排名转向了被引用的概率。被引用的内容通常具备三个特征：有具体数字、有明确时间、有可核验的出处。一段写着我们提供有竞争力的薪酬的文案，被引用的概率接近于零；一段写着某团队三十人、过去一年晋升十二人的说明，被引用的概率高得多。

可引用资产需要主动建设，而不是等公关稿。最小的一套包括：团队规模与技术栈的结构化说明、岗位职责与考核口径、薪酬带宽区间、以及近两年的项目成果。四项内容里，薪酬带宽最难公开，但对候选人的决策影响最大。折中做法是公开区间而非具体数字，并说明区间的决定因素。

资产的维护比建设更费精力。技术栈与团队规模会变，过期信息被引用反而造成负面效果。建议按季度更新一次，并在页面上标注更新日期。人工智能加速转化为经济增量在AI人才供给尚未跟上的阶段，信息透明度是成本最低的差异化手段。

薪酬透明的推进速度在不同市场差异很大。部分市场已通过立法要求岗位公告披露薪酬区间，另一些市场仍以协商为主。对跨国招聘的企业，这意味着同一岗位在不同市场的公告口径必须分开设计，不能一套模板走全球。

区间公开的边界在于可比性。若区间过宽，候选人会默认按上限预期，反而拉高谈判成本；若区间过窄，内部公平性又会被质疑。实践经验是区间上下限控制在百分之三十以内，并明确对应的经验年限，这样既提供了信息，又保留了评估空间。

求职者的检索路径可以还原成一条链：先在社媒看到话题，再用AI问答做初筛，最后回到招聘页面确认细节。链条上每一环都在流失候选人，而流失最严重的一环通常是第二步——AI给出的答案与页面信息不一致时，候选人倾向于相信AI，因为答案更像综合判断。

因此企业需要做一致性核查：把AI对自家常见招聘问题的回答抓取下来，与官方口径逐条比对，找出偏差并补齐内容。具身智能是不是泡沫真正要验证的是算账这项工作不需要额外预算，只需要把招聘、品牌与数据三个团队放在同一张表前对齐口径。

一致性核查可以按周执行：把主流问答系统对十个高频招聘问题的回答导出，与官方口径逐条比对，标记出事实偏差、时点过期与表述冲突三类问题。三类里，时点过期最容易被忽略，也最容易造成候选人预期落差。核查结果不必公开，但必须回到内容团队形成修改任务，否则核查只是自检，不会带来任何改善。