AI人才短缺。企業(yè)無法填補AI技能缺口。這是過去一年左右就業(yè)市場展望報告中常見的標題。許多企業(yè)認為這是一個供給或人才問題。畢竟，對AI專長的需求增長速度超出任何人的預期，當這些職位空缺時，得出市場上存在AI技能缺口的結論是合理的。

然而，這一缺口可能并非這些企業(yè)所想象的那樣。AI時代雇主究竟面臨什么問題呢？

從斯坦福HAI（以人為本人工智能研究所，是斯坦福大學于2019年成立的跨學科研究院，致力于推動AI研究、教育、政策與實踐，以改善人類福祉）的2025年AI指數，顯示AI能力創(chuàng)下增長紀錄。報告指出，AI的采用速度快于組織駕馭它的能力。數據表明，企業(yè)在自身內部結構和技能尚未到位以支撐AI的情況下，就將AI推向業(yè)務更多環(huán)節(jié)。結果是AI采用陷入停滯。

IBM去年的一份報告也顯示了這一缺口。報告識別出技能短缺和數據復雜性是AI采用的首要障礙。IBM指出，AI項目停滯不是因為無法構建模型，而是因為團隊缺乏數據集成、運維和治理方面的專業(yè)知識，無法將項目從試點推向生產環(huán)境。

還有其他多份報告強化了AI技能缺乏的問題。雇主經常表示，他們找不到足夠的AI工程師或具有深厚模型專長的人員來跟上AI采用的步伐。這一點在職位描述中可見一斑。許多職位將模型開發(fā)、數據工程、分析和生產部署的職責融合為一個角色。這些職位的本意是減少交接、簡化責任歸屬，從而加速進度。在理想世界中，勞動力會為此做好準備。

然而，在當前環(huán)境下，這可能比預期需要更長時間。AI能力快速演進，組織希望找到能夠對AI系統承擔端到端責任的人員。雖然對AI驅動成果的需求是真實的，但附著于這些角色的期望迅速擴張。在許多情況下，招聘困難更多源于這些角色的范疇已變得過于寬泛，而非人才短缺。

針對這一感知到的缺口，許多企業(yè)選擇提高薪資來吸引稀缺的AI和數據人才。根據Robert Half 2026年薪資指南，AI/ML工程師和數據科學家的薪資預計平均增長4.1%。這一增幅高于市場上同類經驗IT專業(yè)人士的薪資增長。報告稱近87%雇主為具備機器學習或數據科學等專業(yè)技能的候選人提供更高薪資。典型薪酬基準顯示，中期職業(yè)的AI/ML工程師薪資通常在15萬至17.5萬美元之間。數據工程師和數據科學家的薪資更高，達12.3萬至18.2萬美元。當然，這些數字很大程度上取決于經驗和地點。這些趨勢表明，雇主愿意為人才支付溢價。

然而，僅靠更高薪資能否解決期望與技能匹配的深層問題？這些高薪專業(yè)人士能否帶來更好的運營AI成功？

因此，當企業(yè)表示他們在努力填補AI技能缺口時，他們往往缺失的不是原始技術能力。他們缺失的是能夠在不完美環(huán)境中運作，仍然推進AI工作的人員。大多數組織并不需要更多模型構建者。他們需要的是理解數據如何在業(yè)務中流動的人員。他們需要的是了解系統在生產環(huán)境中如何出問題，以及如何將AI輸出轉化為團隊真正會使用的決策的人員。

從雇主的角度看，這意味著招聘時更注重應用經驗而非理論深度。那些曾將模型推進到實驗階段之外、處理過不完整數據，或與產品、工程和運營團隊密切合作的候選人，往往比那些僅有狹義研究資質的候選人產生更大影響。縮小角色范圍、明確責任歸屬，往往比再次提高薪資更能釋放進展。

對于試圖定位自己的專業(yè)人士，信號也類似。職業(yè)優(yōu)勢越來越來自展示端到端經歷，而非精通每一種AI工具。擁有數據管道、部署約束經驗，以及能夠監(jiān)控系統，這些都很重要。與利益相關者溝通的能力仍然是一項重要技能。

AI技能缺口不是人才短缺。它是企業(yè)實際需要與招聘方向之間缺乏對齊。這也是企業(yè)理解其真正含義、最終縮小缺口的機會。專業(yè)人士也可以通過展示端到端、應用AI經驗來抓住這一機會。