EP11：找工作这件事，AI 能帮到哪里

简介一边是裁员新闻此起彼伏，一边是 AI 相关新岗位在涌现，今年在 job market 上的人比往年多不少。这一期把找工作的五个核心环节拆开来聊：找方向、简历、networking、面试准备、谈 offer，每一步 AI 实际能做什么、操作上怎么用。不是泛泛地说 AI 可以帮忙，是具体的方法和真实用过的数据。时间轴- `0:00` 开场：当前 job market 的几类人——被动进来的、主动卡窗口的、两手准备的- `2:26` 找方向：把背景和偏好发给 AI，压缩信息收集时间，发现视野之外的可能性- `3:42` LinkedIn 小 tip：设置仅 recruiter 可见的 open to work；搜 "hiring + 目标职位" 找真实职位- `5:02` 把 JD 发给 AI 解读 day-to-day、公司调研——以前要四五十分钟，现在十分钟出概览- `6:42` 简历（一）：关键词对齐——JD 写 cross-functional collaboration，你写 teamwork，有些 ATS 就过不去- `7:44` 简历（二）：bullet points 从 "responsible for" 改成有贡献感的表达；逐条喂 AI，不要一次性扔整份简历- `8:47` 简历（三）：每投一份做针对性调整，15-20 分钟，显著提升 JD 匹配度- `9:33` 用两个 AI 互相 review：ChatGPT 推技术路线，Gemini 推战略领导力，综合判断保留两个版本——改前面试率 1-2%，改后不到 50 份收到 7 个面试- `12:19` Networking：cold outreach 正确用法——告诉 AI 联系这个人的真实原因，让它帮组织初稿，自己压缩到 3-4 句- `13:36` Coffee chat 前后：AI 做背景调研；follow-up 邮件起草——但那个只有你们两人知道的具体细节，必须自己加- `14:30` 实战故事：把 hiring manager 的技术博客文章 + JD + 简历发给 AI 起草 cold message，对方快速回复约了 zoom- `16:12` 面试准备：让 AI 扮演面试官做 mock interview，重点是追问——把故事里的逻辑漏洞和遗漏细节逼出来- `17:47` 实战故事：AI 辅助准备了 5 个 STAR 故事，面试当场拿到另一个更好的职位- `19:25` 复盘习惯：让 AI 建 behavioral 题库；录音回听修正语气节奏和填充词- `19:42` 谈 offer：薪资市场调研（levels.fyi / Glassdoor / LinkedIn Salary）、谈判邮件起草、模拟反推场景- `21:29` AI 的边界：读 recruiter 情绪和判断谈判节奏，这个 AI 给不了你- `21:48` 总结：AI 加速的是执行，暴露的是你对自己的认知- `23:08` 找工作最难的三个问题：我想要什么，我有什么，我愿意接受什么几个聊到的观点「AI 把找工作加速了，也把真正难的问题暴露了」AI 处理信息、加速执行这件事是真的。但执行压缩了之后，以前可以说"还没来得及准备"的借口就没了。AI 把你能拖的部分都消掉了，剩下的是你必须自己面对的部分。「两个 AI 互相 review，中和偏见」ChatGPT 建议往技术细节走，Gemini 建议往战略领导力走。两个建议都有道理，也都有偏见。综合之后做判断，保留两个版本分别对应不同类型的职位——这个决策本身是 AI 做不了的。「The best time to look for a job is when you don't need one」心理上和客观条件上都最从容。即使当下工作比较稳，定期去看看、聊聊，利远大于弊。「找工作最难的三个问题」我想要什么，我有什么，我愿意接受什么。这三个问题 AI 处理不了，但 AI 能让你更快拿到考虑这三个问题所需要的辅助信息，更快面对做决定的时刻。「用 AI 的人互相比，差距在输入质量」用 AI 和不用 AI 的人，差距在效率。用 AI 的人和用 AI 的人之间，差距在你给 AI 的输入有多真实——你对自己了解多深，你的故事有多具体，你的判断有多清晰。下期预告Reorg 之中，怎么读懂新的结构，怎么判断自己的处境，怎么在变化里重新站稳脚跟。---🎙️ 小宇宙搜「HerTech对谈录」订阅