Борьба за таланты в сфере ИИ и „небесные“ ставки за стажировки: прибыль от тренда или преддверие пузыря?
Как экономист, долгое время изучающий технологическую индустрию, и финансовый журналист, я испытываю одновременно волнение и тревогу, читая этот отчет о высоких зарплатах стажеров в области ИИ. Волнение вызывает тот факт, что технологическая революция действительно меняет распределение ценностей на рынке труда; тревога же происходит из-за огромной неопределенности, скрывающейся за такими резкими изменениями в зарплатах.
Статья, основанная на мнениях пяти стажеров с разным образованием (магистр из Цинхуа, доктор из Пекинского университета, доктор из вуза группы 985, магистр без специализации в области ИИ, магистр из вуза группы C9), раскрывает истинное, сложное и полное тревоги положение дел в этой отрасли.
Реальность зарплат: не „каждый получает несколько тысяч“, а крайняя дифференциация
Многие люди, увидев заголовки вроде „ежедневная зарплата 5000 юаней“ или „годовая зарплата 3 миллиона юаней“, сразу думают: „Разве мне достаточно изучить ИИ, чтобы зарабатывать так много?“ Однако это крайне неверно. Суть статьи в том, что распределение зарплат в индустрии ИИ следует крайнему „закону 80/20“, а иногда даже „закону 90/10“:
1. „Привилегия гениев“ на вершине пирамиды: Упомянутые в статье зарплаты в 5000–6000 юаней в день или даже более высокие выплаты предназначены для крайне небольшого числа докторов и магистров, обладающих ведущими научными работами, способностями к разработке ключевых алгоритмов и считающихся „гениями“. Например, упомянутый в статье стажер из Цинхуа работает почти без перерывов, и такие специалисты являются стратегически важными для компаний, которые готовы платить за них большие суммы. Их зарплаты не отражают стоимость труда, а скорее связаны с их уникальностью.
2. „Нормальные высокие зарплаты“ для среднего уровня: Для большинства стажеров с соответствующим опытом зарплата в 1000–1500 юаней в день является обычным уровнем (например, Линь Чуань, Чэнь Юй, Чжоу Кай). Это действительно больше, чем в традиционной интернет-индустрии, но все равно далеко не достаточно для быстрого обогащения.
3. „Обычные работники“ на нижнем уровне: Даже в компаниях, работающих в сфере ИИ, многие стажеры занимаются очисткой данных, базовыми тестами, разработкой неосновных модулей и получают зарплаты в 400–500 юаней или меньше. Упомянутый стажер без научных работ может получить годовую зарплату в 1 миллион юаней, но это скорее результат панических предложений, чем норма.
Комментарий эксперта: Современный рынок зарплат в области ИИ находится на этапе несоответствия спроса и предложения: компании срочно нуждаются в специалистах, способных реализовывать проекты и достигать результатов, но таких людей на рынке очень мало. Поэтому они готовы платить высокие зарплаты за „уверенность в квалификации“. Однако это не означает, что все работники в области ИИ заслуживают таких зарплат; высокие зарплаты получают только те, кто может решать ключевые проблемы.
Реальность работы: нет „магии“, только рутина и постоянные ошибки
Общественное представление о работе в области ИИ часто сводится к мысли, что достаточно просто написать несколько строк кода, и модель сразу станет эффективной. Однако опыт пяти интервьюеров показывает, что повседневная работа стажеров полна мелких задач, неопределенности и необходимости самостоятельного поиска решений:
1. Исследования в „черных ящиках“: Упомянутые стажеры говорят, что у них нет четких KPI и конкретных задач; им приходится самостоятельно определять проблемы, создавать условия для экспериментов, анализировать результаты и корректировать подходы. Это больше похоже на процесс малого предпринимательства, чем на выполнение шаблонных задач. Например, стажер Линь Чуань занимался разработкой сложных алгоритмов, требующих постоянной настройки.
2. От написания кода к настройке параметров и анализу показателей: Описанная стажером Чжоу Каем работа по послетренировке моделей включает поиск ошибок, анализ причин их возникновения и коррекцию данных или параметров, а затем повторные эксперименты. Этот процесс крайне утомителен, и большая часть времени уходит на очистку данных, настройку среды и анализ логов.
3. Рост роли нетехнических специалистов: История Чэнь Юя особенно важна: он, не имея формального образования в области компьютерных наук, смог перейти с должности специалиста по обработке данных на должность продакт-менеджера благодаря самообучению и стажировке. Это показывает, что индустрии ИИ нужны не только гении-алгоритмисты, но и продакт-менеджеры, понимающие технологии, а также алгоритмисты, знающие бизнес-процессы. Такие комплексно подготовленные специалисты также востребованы.
Замечание журналиста: Работа в области ИИ теряет свой „мистический“ ореол; это уже не прерогатива немногих гениев, а требует многочисленных инженерных усилий и постоянных ошибок. Те, кто рассчитывает на быстрое обогащение благодаря внезапным идеям, могут разочароваться; те же, кто готов усердно работать с данными, настраивать модели и понимать бизнес-процессы, получают возможности для развития.
Повышение уровня требований к кандидатам: от наличия научных работ к точному соответствию квалификации, усиление конкуренции
Статья неоднократно подчеркивает тенденцию к повышению уровня требований к кандидатам: выбор кандидатов становится все более строгим с каждым годом, а количество вакансий сокращается:
1. Смена подхода от „широкого отбора“ на „точный поиск“: В прошлом достаточно было научной работы и опыта стажировки для получения предложения о работе. Сейчас компании требуют, чтобы направление научной работы и опыт стажировки полностью соответствовали требованиям вакансии. Например, количество вакансий в некоторых командах сократилось с 100 до 50, но зарплаты не упали. Это означает, что компании больше не готовы платить за потенциал, а ищут специалистов с немедленной пригодностью к работе.
2. „Гонка вооружений“ в области образования и опыта: В командах, работающих с базовыми моделями, больше докторов, чем магистров, и студенты из вузов группы 985 предпочитают такие компании. Упомянутый стажер из Цинхуа, несмотря на наличие диплома магистра, не прошел отбор из-за отсутствия соответствующих научных работ. Это показывает, что престиж вузов утрачивает свою значимость; реальными ценностями становятся научные работы и проекты.
3. „Элитные“ программы для талантов: Крупные компании, такие как JD.com и Tencent, предлагают высокие зарплаты (1500 юаней в день), жилье и питание, но это доступно только для очень небольшого числа людей. Обычные стажеры и участники специальных программ могут выполнять похожие задачи, но зарплаты у них значительно ниже. Таким образом компании используют высокие зарплаты, чтобы привлечь лучших 10% кандидатов и обеспечить остальных более скромными условиями.
Комментарий эксперта: Это типичный пример улучшения механизмов отбора кандидатов: по мере углубления развития технологий простые специалисты уже не могут создавать ценность. Компании ищут тех, кто способен работать на глубоком уровне и решать сложные проблемы. Поэтому критерии отбора изменились с „что вы умеете“ на „что вы можете решить“. Будущие рабочие места в области ИИ будут характеризоваться высокими требованиями, высокими зарплатами и высоким уровнем отсева.
Источник тревоги: слишком быстрые технологические изменения и сокращение срока действия навыков
Почти все интервьюеры выразили тревогу из-за быстрого развития технологий и сокращения срока действия навыков:
1. Быстрое обесценивание навыков: Например, в прошлом код писался вручную, а сейчас ИИ может генерировать его автоматически. Стажер Чжоу Кай боится, что если большие модели автоматизируют базовые разработки и эксперименты, его навыки потеряют ценность. ИИ уничтожает часть работы специалистов в этой области. Сегодня ценными могут показаться навыки, которые завтра могут стать обыденными.
2 Устойчивость „пути к обогащению“: Стажер Чэнь Чжуань отмечает, что в последний год наблюдался панический рост зарплат. Когда рынок успокоится, зарплаты могут снизиться. Он боится возрастного кризиса и того, что если не попасть в ключевые команды, пути к карьерному росту станет все труднее.
3 Гонка между личным развитием и развитием индустрии: Хотя стажер Линь Чуань доволен своими достижениями, он также понимает, что уровень требований к кандидатам постоянно повышается. Стажер Чэнь Юй переключился с стремления получить работу в крупной компании на развитие своих навыков. Это показывает, что в быстро меняющейся индустрии необходимо постоянно обновлять свои знания, чтобы не отставать от технологического прогресса.
Замечание журналиста: Высокие зарплаты в области ИИ — это результат динамического баланса: это не фиксированная сумма, а мгновенная оценка ваших навыков на текущем рынке*. Как только ваши навыки застаются или увеличится количество кандидатов на рынке, зарплата может снизиться. В индустрии ИИ нет „гарантированной работы“