本文来自微信公众号： 豹变 ，作者：高泽，编辑：邢昀，原文标题：《这届大厂面试官，上来就问「你怎么用AI干活」》
本科学艺术设计、研究生学艺术理论，放在几年前，楠楠的求职路径大概率是进入设计公司、画廊或者高校，和互联网市场、运营这类需要数据分析能力的岗位几乎没有交集。
但2026年春招里，她一口气投递了两百多家企业的市场、品牌岗，其中不乏头部互联网公司和4A公关公司，支撑她跨界的底气，是AI工具。
改变始于2025年的一段外企实习。当时主管交给她一项任务：对全国3000家线下门店的销售数据做透视分析，输出用户画像报告。放在以前，纯文科背景的她根本接不住这样的需求，但那次她一边找行业案例参考框架，一边对着ChatGPT和Claude边问边学，从函数公式到分析逻辑一步步打磨，最终交出了完整的报告。
“相当于AI帮我补上了数据分析这块短板，不然我连投市场岗的勇气都没有。”
楠楠的故事不是个例。有人主动用AI打破能力边界，同时，招聘市场也在发生变化。
2026年招聘市场上，“熟悉AI工具优先”“具备AIGC应用能力”已经出现在越来越多岗位的任职要求里，从技术研发到产品运营、市场营销，甚至行政职能，AI能力不再是技术岗的专属标签，而是渗透到几乎所有岗位的评价体系中。
AI从加分项，变成求职及格线？
今年一家消费电子公司给求职者安排了一项特殊考核：一场三小时的AI能力测试，全程开启屏幕录制，面试官会观察候选人如何借助AI工具完成制定的方案任务。
不会限制使用什么工具，甚至可以公开检索资料，但最终必须拿出可落地的成果。这样的考察形式正在被越来越多企业采用，AI工具从“不能用”的作弊项，变成了“必须会”的基础能力。
对非技术背景的求职者来说，这种感受尤为明显。楠楠在面试某头部公关公司的文旅项目岗时，拿到的笔试要求是三天内提交一份完整的沉浸式文旅项目方案，从市场分析、场景设计到盈利测算全覆盖，且明确说明允许使用所有AI工具。
“如果没有AI，我一个没有文旅行业经验的艺术生，根本不可能在三天里拿出合格的方案。”
楠楠的做法是先用ChatGPT拆解需求，补齐行业常识，搭出方案的整体框架；再用Claude生成PPT初稿，填充基础内容；最后自己调整逻辑、优化细节，补充创意亮点。最终提交的方案顺利通过笔试，进入了下一轮面试。
她还曾遇到一家初创科技公司的现场考核，要求共享屏幕实时演示用AI生成运营方案的全过程。“企业不会纠结你用的是哪款工具，也不会考你工具的操作步骤，只看最后交付的成果能不能符合需求、有没有落地价值。”
在当下的招聘市场，这已经成为非技术岗AI考察的核心逻辑：不考理论，只看结果。
对技术岗求职者而言，AI考察的硬核程度要高得多。
头部互联网大厂游戏AI算法工程师小张回忆，自己秋招时投递的所有算法岗，岗位描述都把深度学习底层原理、主流AI框架熟练度列为硬性要求。
技术面会直接给出一个两层或三层的假想神经网络结构，追问激活函数怎么选、损失函数怎么设计、这样的架构在实际业务中会不会出问题、该如何优化。除了问答，每轮技术面都有代码考核，除了常规算法题，还要求候选人从零手写一个简易AI模型，从数学推导到代码落地全面验证。
此外，今年还兴起了VibeCoding测试。在小张看来，这类测试主要考两层能力：一是提示词工程能力，即能不能用清晰的指令让AI产出符合要求的代码；二是调试纠错能力，这也是技术和非技术背景人群的核心差距。
规则变化的另一面，是岗位结构的升级。
刚入职大厂AIGC部门的小胡对此有直观感受：她对接的很多客户团队里，传统设计师、剪辑师的岗位数量确实在收缩，“以前一个素材团队要五六个人，每天赶工做图剪视频；现在两三个人搭配AI工具，产能和以前五六个人差不多。”
但这并不意味着设计类岗位彻底消失，而是对人的要求变高了。“以前你只要会用PS、会剪视频就行，现在你得会写精准的提示词，懂品牌调性，能从几十上百张AI生成的素材里选出最合适的，还要能判断素材能不能过审、符不符合投放要求。”
小胡表示，“岗位不是消失了，而是要求变高了。AI替你做了最基础的执行部分，剩下的判断、审美、决策，都是对人更高的要求。”
你和HR之间，现在多了一个AI
不只是笔试环节，从简历初筛到终面核查，AI正在渗透招聘的全流程，重构面试的游戏规则。
AI初筛面试已经成为互联网大厂、外企、车企等企业的标配。小胡回忆自己经历的2025年秋招，前前后后投了近百家企业，快消外企、新能源车企几乎都设置了AI初面环节。
流程大多相似：上传简历后，系统自动根据简历内容生成问题，候选人对着摄像头限时作答，全程没有真人参与。
但这种形式的“玄学感”也被很多求职者吐槽。
“你根本不知道它的评分标准是什么，有时候觉得自己答得逻辑很顺，结果莫名其妙就挂了，连个反馈都没有。”
在小胡看来，AI面试更像是企业的提效工具，面对海量的校招简历，用机器先筛掉一批明显不符合要求的候选人，节省HR的时间，但做不了核心判断。
比起AI初面的“玄学”，真人面试里的简历深挖，才是更硬核的考验。AI降低了简历制作门槛，随便找个工具就能把普通经历包装得光鲜亮丽，数据注水、经历造假的情况越来越多。相对应的，大厂也把简历真实性核查放在了第一位。
AI产品岗求职者Natalie对此印象深刻。她在实习面试时，面试官全程围着她的开源项目EverythingCapture追问：项目的内容解析功能用的是什么模型？为什么选这个模型而不是其他的？爬取平台内容时遇到过什么权限问题？怎么解决？GitHub上的三十多个星是自然流量还是推广来的？
对技术岗来说，科研项目与论文也是面试官会深挖的部分。
小张表示，算法岗面试时，面试官会花二三十分钟聊论文，不是看创新点有多厉害，是抠整个研究的闭环逻辑。“企业要的不是只会发论文的人，是能完整解决问题的人。从发现问题到落地执行的闭环能力，比单一的技术功底更重要。”
从简历初筛到笔试面试，AI正在渗透招聘的每一个环节。但招聘只是镜子，映照的是工作场景里正在发生的变化。从科技互联网到营销、咨询等行业，AI在全方位渗透。
小胡所在的AIGC业务部，从应届生到部门负责人，全员都必须掌握基础的AIGC工具使用能力，部门甚至设置了每日Token使用量排名，在群里“通晒”，排在末尾的员工会被主管提醒，强制大家把AI融入工作流。
楠楠也表示，现在广告公司做方案、出创意，基本都是先用AI出几版初稿，再做优化，“不会用AI的话，别人半天出三个方案，你一天才出一个，根本跟不上节奏。”
在这些行业里，AI工具使用能力正在慢慢变成基础要求，不会特意写在JD里，但默认员工必须会。
传统行业、销售类岗位暂时还没有强制要求，但AI能力已经成为差异化竞争力。
楠楠面试销售类岗位时，不会被要求现场演示AI工具，但她会提前用AI整理目标公司的业务信息、行业动态，甚至预设面试问题和回答思路，准备的深度和效率都远超同龄人。
“同样准备一场面试，你用AI半小时就能摸透一家公司的基本盘，别人要花大半天查资料，面试的时候你的状态肯定不一样，这就是实打实的优势。”
新规则下，年轻人的核心竞争力是什么
当AI能写文案、能做数据、能写代码，对于初入职场的年轻人，靠什么构建自己的不可替代性？
《豹变》交流的几位年轻人不约而同地指向：用实战项目把AI能力具象化，而不是停留在“会用AI”的空泛表述上。
Natalie的求职经历就是最好的例子。她并非纯计算机科班出身，但靠自己开发的两款AI工具，拿到了大厂AI产品经理的实习offer。
“你说自己会用AI，没有说服力；你用AI做出了一个真实可用的产品，这才是硬实力。”在她看来，AI给了普通人低成本落地项目的机会，以前做个软件要找开发、凑资源，很多想法半路就夭折了。现在有想法自己就能快速做出来，放到简历上，比十句“熟练使用AI工具”都管用。
对技术岗的求职者来说，核心则是筑牢底层能力，把AI当效率工具而非依赖。小张强调，算法岗的竞争核心永远是深度学习底层原理、数学推导能力和问题解决的闭环思维。AI代码助手能帮你写基础代码、省重复劳动的时间，但它替代不了你对模型的理解、对业务的判断。
他建议想做算法的同学，不要沉迷于学各种AI工具的操作，先把机器学习、深度学习的基础打牢，多做完整的科研项目，练出从发现问题到解决问题的完整能力，这才是能穿越技术周期的硬本事。
小胡走的则是另一条路径：在实习里实战积累。她采用“阶梯式跳跃”的实习策略，从本地品牌方到中厂再到大厂，每一段实习都主动观察前辈的AI工作流，在真实业务里练手。
在网易实习时，她跟着运营前辈学用AI做用户画像、整理数据；到小红书实习时，已经能独立用AI产出运营方案、做素材初稿；每跳一次，AI应用的熟练度就更深一层。“在家看半天提示词教程，不如在公司真刀真枪做一次项目印象深。在实习里学AI，才是最快的。”
除了落地的项目能力，守住人独有的核心护城河，构建审美、业务判断力，以及解决问题的闭环能力和责任意识，才是不被AI替代的根本。
在小胡看来，AI一天能生成几百上千张图片，但哪些符合客户的品牌调性、哪些能过广告合规审核、哪些投放转化率会更高，这些都需要人来判断。“AI生成的东西都是‘正确但平庸’的，真正能打动人的创意，能适配具体业务的判断，只能靠人。”
说到底，AI从来不是年轻人就业的敌人，而是这个时代递到所有人手里的新工具。它确实抬高了职场的入门门槛，让很多基础执行岗不再需要那么多人，但它也打碎了专业的壁垒，给了像楠楠这样的文科生跨界的机会，给了普通开发者快速落地创意的可能。
与其焦虑“会不会被AI替代”，不如想想怎么用好这个工具，把精力放在那些AI做不到的事情上：独立的判断、鲜活的创意、解决问题的闭环能力，还有敢担责任的底气。毕竟，工具永远只是工具，真正定义职业价值的，从来都是使用工具的人。