为什么AI招人很难

北京站 | NVIDIA DLI深度学习培训2018年1月26日


NVIDIA 深度学习学院 带你快速进入火热的DL领域
阅读全文                          

正文共2226个字，6张图，预计阅读时间6分钟。

这次来谈谈AI招人难的问题，回顾以往，AI领域真是风云变幻，Alpha狗赢了一圈棋王，五大科技巨头组超级AI联盟“Partnership on AI”开始憋大招，特斯拉的自动驾驶事故频发，Facebook发布人工智能管家Jarvis。按理说，大势在前，应该人才汹涌而来。然而，在招人的问题上，至少在中国市场，从过去的一般难（B级）直接跳到无敌难（S级）。这是为什么呢？来让我给大家解析一下。

问题一：招人难这个问题，是一直存在吗？2016年以前怎么样？

招人难一直存在着，不然就不会有我们猎头存在的价值了：）只是这个问题到现在一下子变得严峻，因为： 1.需求呈量级增长；2.人才供应量无明显增加。简而言之：供不应求，使得无论大小公司皆一将难求。我了解到的从大公司 BAT 华为到独角兽级别的滴滴／大疆，再到创业公司地平线／图森都很难招到人，现在有一个用人特点是各个公司都招聘着大量实习生兼职，甚至超出全职员工人数。而在2016年前并非如此，尽管当时需求已经开始上来了，但那也只是把招聘难度从B提高到B+，而到了2016年，是从B+直接提高到S。

问题二：造成招人很难表现在什么方面？

答案是：薪资与时间成本剧增。候选人薪水涨幅超过30%甚至翻倍造成用人成本增加，一个应届硕士拿超过70万薪水你敢信？而候选人手里攥着多达十几个offer供挑选，最终让未被选择的大多数企业增加了招聘的时间成本且延误了研发，说到底：目前供需关系的紧张压力已经直接转到供方市场，企业最宝贵的时间和资金成本都明显提高，这背后都是需求和供给严重不匹配，而如果用人方对实际市场情况不够了解会导致招聘效率低下，直接表现为无优秀人才可用／开发进度缓慢等。

问题三：为什么会有这么多AI招聘需求，产生原因是什么？

现在大多数公司都在寻求转型，尤其是传统的互联网已经很难在“应用创新”层面上取得突破，到了需要“科技创新”阶段，而人工智能目前来看是最有可能的钥匙，因此各个公司相继提出人工智能战略与相应的招聘需求，使得招聘需求在短时间内爆发，而人才供给（尤其是高校这一端）是缓慢的。现在但凡是个做人工智能跟计算机视觉和深度学习相关的，只要在LinkedIn上更新过资料留下了电话，应该都接到不低于10个猎头电话了吧，哪怕对方还只是个大四的应届毕业生。



同时，人工智能领域的创业公司在近3年如雨后春笋般冒出，一如“依瞳商旷”等，也加剧了AI人才的争夺。

问题四：对于AI公司，有什么样的方法去解决这样的困难？

我觉得还是得看AI公司能否找准自己的人才需求，有针对性地吸引合适自己现阶段发展的人才。举例来说，当你的公司已经是300人以上至少是C轮阶段的公司，需要的算法人才应当更偏向能够把产品落地变现，因这时候公司的商业模式应当是确定清晰确定下来了，而这时候学术明星的价值可能未必符合公司需求，加入进来可能象征意义大于实质意义；而当你还在A轮到B轮状态，一个有潜力的学术小牛也许能够帮助你打开学术名声招揽更多人才，为下一阶段发展储备人才；而如果你无甚名气还在天使轮阶段，能够有entry level工程师愿意加入跟着团队一块成长已经很难得，因这个阶段的公司充满着极高的不确定因素，而企业面临快速出demo尽快发第一代产品原型的压力，如果新人能够扛下来同样可以获得较快成长，实在跟不上适度的人员汰换也是必须尽快采取的。

而遍观目前的AI公司，无论是巨头独角兽还是早期初创公司，基本上都需要一座大神小牛坐镇以招揽人才，这似乎成了我们行业的标配。人才的军备竞赛不是坏事，但也不一定能成好事，例如B，在坐拥国内及硅谷几个AI实验室人才资源条件下，现阶段徘徊的股价和被AT抛开的市值，需要的也许不是像“陆琪”这样的工程大牛，而是像“张大龙”一样的产品奇才，把技术落地为实际产品变现。

问题五：对于候选人，可以通过怎样的方法找到更合适自己的工作，如何挑选理想的雇主？

关于找到更合适自己的工作，这个问题很难有统一的答案，我想这需要回归到个人的“成长需求”上：如果你有较强的自我成就动机能够接受失败风险希望在某个领域可以独当一面，那创业公司会是更符合你的舞台（通常也有更高的薪水和期权回报），只是你的自我学习成长意识要足够强，这里能够带你的人可不多；如果你希望第一份工作能够稳定提升，那这时你需要挑的是大公司里的核心部门，这里需要强调：稳定一直是一个悖论，选择大公司不一定意味着稳定，如果你站错队在一个不受公司重视的部门，或是刚组建人员调整频繁的团队，个人成长被忽视或被人事调整也是常有的。具体，欢迎你拽着offer跟我讨论。

作者：人工智能猎头Angus
原文链接：https://www.jianshu.com/p/2ab60b84f41e

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：www.leadai.org
请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用基于TensorFlow的神经网络解决用户流失概览问题最全常见算法工程师面试题目整理（一）最全常见算法工程师面试题目整理（二）TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络
装饰器 | Python高级编程
今天不如来复习下Python基础