AI人才争夺战，企业如何赢得先机？

有数据表示，从2016年到现在，全球创业风险投资较2015年明显下降，但AI领域的投资却逆势增长。从猎头的角度来看，从2015年至2017年，我们能明显感受AI热潮，越来越多企业提到AI，仿佛这是个救命稻草，抓住就能转型升级。AI职位数量蹭蹭往上涨，企业难求优秀的AI人才，AI从业者的薪酬一路飙涨，甚至呈现泡沫迹象。到了2018年, AI招聘难依然是企业面临的一大难题，但随着一些AI技术领域的成熟和普及，这些领域的AI从业者薪酬虽然还是很高，但趋向稳定。

对于AI的具体概念和最新研究等，这里暂不赘述。先向大家推荐一篇文章，来自知名人工智能领域学者朱松纯老师的《浅谈人工智能：现状、任务、构架与统一 | 正本清源》 。这篇文章非常通俗地介绍了人工智能，值得一读。

在做人工智能招聘过程中，我和20多家有AI人才招聘需求的大中小企业沟通过招聘常见的困难和问题。目前绝大多数企业遇到的问题是难以找到合适AI人才的同时，要吸引他们加入则更难。同时，我也和超过100名AI从业者聊过他们的想法和职业规划。因此本文想从一个AI人才的视角出发，与大家分享和探讨企业方在招聘AI人才时面临的常见问题。

我曾帮一家世界五百强企业（以下简称C公司）去接触一位知名计算机视觉华人专家，企业方找到我的时候反复强调他们很希望这个人加入，尝试接触该教授几次但似乎没有结果。后来我联系上这位教授，在几次沟通熟络后，我问他：“老师，这么多中国企业包括C公司都在接触您，为什么很多邀请您都没有回应？”

老师告诉我： “C公司联系过我很多次，让我去聊聊，还反复强调C公司的CEO想见我，但实际上他们不太了解我现在的研究方向，和他们想要的其实不太一样。”在做AI招聘过程中，我不止一次遇到人选向我吐槽：在被企业/猎头接触的时候，遇到很多不专业的行为，比如强行给做自然语言的人选推荐图像算法的职位。Yann Lecun是人工智能领域非常知名的一位学者，据说Facebook创始人扎克伯格在见Lecun之前读了Lecun不少论文去了解他的背景，这点非常打动Lecun。

作为招聘方，如果想要吸引AI领域的专家，花些时间了解该人选的研究领域、做的项目、最近的动态，都是对其的尊重。举个例子，我曾为某企业联系一位头部企业的算法专家，在此之前，我阅读了他的技术背景和论文索引，通过LinkedIn、知乎等等渠道终于拿到联系方式。一开始他不怎么回应，我就比较主动地提到他的论文/项目、共同认识的人等话题，慢慢聊起来，后来他和我说，联系过他的猎头非常多，但很多都不了解他背景就开始介绍职位，或者干脆透露职位就希望保持联系，只有我和另外一位猎头是真的看了他的研究和项目，翻过知乎，了解他动态的。

• “我不是搞研究的，更适合走工程落地方向，看技术管理职位，他们硬是坚持不懈在推荐科学家的职位。”

 

AI领域的人选，我把他们分为两种类型：

（1）研究型/学术型人才：在高校/企业实验室专注于前沿技术研究的人才，发表论文多；

（2）工程落地型人才：在企业里成长起来，把前沿技术进行落地，有实战经验的人。

很多企业在寻找首席科学家职位人选时，会尝试联系企业里做AI工程落地的人选。我曾与硅谷某FLAG级别（笔者注：Facebook, Linkedin, Amazon, Google统称为FLAG）企业的AI总监聊天，他说有个中国企业一直在接触他，反复拜访、沟通，也offer了几百万年薪的首席科学家职位，但人选反复拒绝不考虑。并不是企业或者领导人不好，而是人选一直都是做算法落地，从写代码带5人小组的高级工程师一路成长为带百人规模的技术总监，发表论文、作前沿技术研究不是他成就感的来源，能够接触用户数据，站在前线，把技术落地，带来盈利，看到团队人员的成长才是他的动力来源。企业在为自身AI职位猎取人才的时候，就需要先明确想找的是学术/研究型，还是工程落地型。

 “给我画饼，告诉我他们多努力，晒资源，但都不是我真正关心的点”

很多企业在吸引AI人才的时候往往不了解他们真正在乎的东西，忍不住向我抱怨比如“我们企业这么知名，搞不懂他为什么不考虑”“是不是钱不够”“我们CXO都出面沟通说服了，还不够吗”。任何一份职位的选择都是天时地利人和。想要了解人选内心真实的想法，作为第三方的猎头比雇主更方便。招聘一直以来都是双向选择，聪明的企业会配合好猎头，定期筛选一些合适的猎头并且相互配合共同吸引优秀的人选。有非常多拒绝offer的因素是企业方始料未及的，比如有很多猎头同时多次推荐同个职位，人选可能会觉得这个职位有问题等等。

如何更好吸引AI人才加入并适应企业？

招聘前期：

雇主品牌的建立：包括与高校实验室多交流，举办联合讲座、搭建联合实验室，比如旷视科技（计算机视觉独角兽）与香港权龙老师（计算机视觉知名学者）合作搞了个联合实验室，不仅为大学老师及其团队的研究提供企业方的支持，还能通过联合实验室为企业培养和输送人才。

按照职位情况阶梯型选择合适的猎头企业进行合作。不同猎头企业所专长的方向和职位类型不一样，越资深的职位越不能同时放给多个猎头进行操作，避免市场上为数不多的人选被反复打扰。

招聘过程中：

招聘经理/部门负责人与猎头相互配合，一些信息互相共享，为成功招聘到人才而努力。我在和腾讯、华为这些企业沟通时，发现招聘经理/HRBP与猎头配合度非常高，不会局限在所谓的JD。为了更好招到人才，主动让猎头与业务部门直接沟通需求、技术关键词、目标企业、目标部门，甚至是一些对标想挖的人。如果遇到非常资深的大牛，他们有时还会创造条件以技术交流/大会邀请的方式先接触人选，先接触聊聊，不会局限在现有需求。

通过猎头，企业也更容易了解到人选内心真实在乎的点，从而更有针对性去吸引人才。AI人选看职业机会时在乎的点包括：

职位本身：

候选人做的事情、真正感兴趣的方向是否与职位提供的工作内容匹配，还包括雇主对于做这件事有多大的决心、投入力度、数据量、场景等等。告知清楚职位本身的上升空间、汇报对象、团队大小、工作地点等等因素也能帮助人才减少对换职位风险的不安，更好地被吸引加入。我在帮一家总部在深圳的世界五百强企业吸引某位计算机视觉资深人选加入时，该人选其实手里有不少offer，但在前期的多次沟通中我了解到该教授最重视两点：研究领域相关性和自己在该企业的定位，因此主要针对这两点说服了他。

企业里是否有大牛人物/旗帜类人物作为吸引点。不管是科班出身的AI博士/博后，还是工程落地的算法人才，如果企业里有旗帜型领军人物，吸引力会大幅增加，比如腾讯优图实验室的贾佳亚、华为诺亚实验室的IEEE fellow田奇老师对算法学生的吸引力。

其他因素就比较杂了，包括工作地点、薪酬发放的币种（涉及转账等手续的复杂性）、孔雀政策、签字费等等。

感谢大家耐心读完这篇分享文章，不管你是有AI招聘需求的企业，还是一位AI从业者，期待能与你们有更多的交流，相互学习。 如您有AI领域招聘或求职需求，也可联系Michael Page AI招聘团队，我们随时响应您的需求。