看到招聘JD写着“熟悉AI工具”“具备AI应用能力”,很多文科、商科毕业生会担心:是不是需要学习编程、机器学习和算法?
对于很多非技术岗位来说,JD中的AI能力更多指向生成式AI的理解和实际应用。先看懂招聘要求,再决定学习什么,会比盲目学习各种AI工具更有效。
不同公司的写法有所区别,常见要求可以从工作场景判断。
如果JD写“熟悉AI工具”,通常关注的是能否使用生成式AI完成资料整理、内容生成等任务。
如果写“具备提示词能力”,重点在于能否准确描述任务、补充背景和限制条件,并根据输出结果调整要求。
如果写“AI辅助分析”,则需要进一步关注信息整理、数据判断和结果核验。
还有一些岗位会强调AI伦理、数据安全、隐私等内容,这意味着求职者需要了解AI使用中的基本风险。
所以,看到“AI能力”三个字,可以先拆成基础知识、工具应用、提示工程、结果判断和使用规范几个方向。
非技术背景并不需要先把自己变成算法工程师。更实际的方式,是把AI放进原本熟悉的工作任务。
市场专业可以练习AI辅助竞品分析、用户资料整理和内容策划;
中文、新闻等专业可以练习AI辅助资料归纳、选题整理和文案初稿;
行政管理可以练习AI辅助会议记录、资料整理和汇报内容梳理。
例如市场方向的简历可以写:
使用生成式AI辅助整理竞品公开资料,完成信息分类和初步分析,并人工核验关键内容。
这比单独写“熟悉ChatGPT、DeepSeek”等工具名称更容易说明具体能力。
AI工具更新很快,今天学会一个功能,之后可能就会发生变化。
对于准备进入AI相关岗位的非技术求职者,更值得掌握的是一套基本使用方法:先明确工作目标,再拆分任务,设计输入要求,根据输出结果继续调整,最后完成检查和修改。
例如让AI制作一份行业分析,可以先提供资料和分析维度,再要求按照固定格式整理。生成结果后,还要检查数据来源、事实和逻辑。
这套方法可以迁移到不同AI工具和工作场景中。
GAI认证(Generative AI Foundations)主要围绕生成式AI基础知识和应用素养展开,相关内容包括生成式AI方法与模型、提示工程、提示优化,以及AI偏见、隐私和社会影响等。
对于没有AI专业背景的求职者,可以按照这些方向建立自己的学习框架:
先了解生成式AI基础,再学习提示工程和提示优化,同时掌握结果判断、隐私和AI使用风险。
如果希望在学习后增加一项标准化能力证明,可以将GAI认证放入求职准备中。
AI能力最好结合原专业和具体任务呈现。
例如:
市场方向: AI辅助竞品分析、用户资料整理;
运营方向: AI辅助内容整理、选题分析;
行政方向: AI辅助会议资料整理、工作汇报;
传媒方向: AI辅助资料归纳、内容策划。
取得GAI认证后,可以在证书模块注明:
GAI生成式人工智能基础认证(Generative AI Foundations)
这样简历中既能看到原有专业能力,也能看到AI应用经历和相关认证。
对于非技术岗求职者来说,先弄清JD中的AI要求,再结合自己的专业选择学习内容,准备起来会更有针对性。