Junge Menschen in AI-Karriereausbildungen – die lange Wartezeit bis zum ersten Job

Wenn „hohes Gehalt durch AI“ zu einem teuren Eintrittsticket wird: Wer zahlt den Preis? Und wer schwimmt dabei nackt?

Wenn Sie in den letzten Tagen Videos auf Social Media angesehen oder in den Freundeskreisen unterwegs waren, wurden Sie mit solchen Werbeanzeigen bombardiert: „Vom Nullpunkt aus in die AI-Branche wechseln und innerhalb von sechs Monaten ein Jahresgehalt von 250.000 Yuan verdienen“, „Abschied von 996-Stunden-Arbeitszeiten, um die großen Modelle zu umarmen und zum Trendsetter der Zeit zu werden“.

Als Finanzjournalist habe ich zu viele ähnliche „Reichtumsgeschichten“ gesehen – aber diesmal, als das Konzept der „Künstlichen Intelligenz“, das als schneller „Berufsweg“ verpackt wird, sehe ich nicht die Verbreitung von Technologie, sondern eine sorgfältig geplante Ernte der Angst der Menschen.

Dieser Artikel enthüllt anhand der wahren Erfahrungen von vier jungen Menschen mit unterschiedlichem Hintergrund – Zhang Shuai, Wang Zhihan, Chen Shu und Lin Bing – das sanfte Gesicht der AI-Trainingsbranche. Im Folgenden erkläre ich Ihnen in einfachen Worten die Logik dahinter, die Fallstricke und die harte Realität.

---

Die Kunst, Träume zu malen: Warum wurde „AI“ zum besten Schleier?

Kernlogik: Die Informationslücke ausnutzen, um „Unsicherheit“ als „Sicherheit“ zu verpacken.

Für frisch gebackene Absolventen oder Menschen, die im Berufsleben orientierungslos sind, ist das größte Leid nicht das Fehlen von Geld, sondern das Nichtwissen, wohin sie gehen sollen.

1. Die Nutzung der „Trendgeschichten“:

In den letzten zehn Jahren hat das mobile Internet unzählige Geschichten von Programmierern, die reich geworden sind, hervorgebracht. Jetzt ist AI der neue „Mobile Internet“. Die Trainingsinstitutionen sind sehr klug: Sie sprechen nicht über komplexe Algorithmen, sondern nur über die Ergebnisse – hohe Gehälter in großen Unternehmen, ein Mangel an Talenten, man wird zurückbleiben, wenn man nicht lernen geht. Diese Erzählweise nutzt die FOMO-Psychologie (Fear Of Missing Out, die Angst, etwas zu verpassen) der Menschen.

• *Einfache Erklärung:* Das ist wie bei einem starken Anstieg an der Börse – diejenigen, die Schaufeln verkaufen, verdienen am meisten. Die AI-Branche wächst tatsächlich, aber die Trainingsinstitutionen verkaufen nicht „Schaufeln“ (die Kerntechnologie), sondern „Eintrittskarten“ (Beruhigungsmittel für die Angst).

2. Die Verschleierung der Grenzen zwischen „Arbeitsplatzsuche“ und „Training“:

Die kleinen Worte im Vertrag, die „keine Arbeitsplatzgarantie“ versprechen, sind rechtlich eine Ausrede – in den Verkaufsgesprächen werden sie jedoch zu „Garantien für eine Stelle“ oder „Zuweisung eines Angebots“.

• *Beispiel:* Zhang Shuai dachte, er könne für 29.800 Yuan einen „AI-Engineer“-Status kaufen, aber in Wirklichkeit bekam er nur Code-Übungen und Tipps für das Erstellen von Lebensläufen.
• *Wahrheit:* Für echte Kernpositionen in der AI-Branche (z. B. Algorithmenentwickler, Entwicklung großer Modelle) sind hohe Anforderungen erforderlich – in der Regel ein Master-Abschluss und eine solide Grundlage in Mathematik/Informatik. Die Trainingskurse behandeln nur die „Anwendungs-“ oder sogar die „Bedienungs-Ebene“ und locken mit den Gehältern der „Kern-Ebene“.

3. Die gezielte Ansprache von „Schmerzpunkten“:

• Für Frischabsolventen (wie Zhang Shuai, Chen Shu): Es geht um die Angst, nach dem Abschluss arbeitslos zu sein.
• Für Berufsanfänger (wie Wang Zhihan): Es geht um das Gefühl von niedrigem Einkommen und mangelnden Zukunftsperspektiven.
• Für Menschen in der Midlife-Crisis (wie Lin Bing): Es geht um die Angst, entlassen zu werden oder von der Zeit überholt zu werden.

Egal, wer Sie sind – wenn Sie sich unwohl fühlen, können AI-Trainingskurse Ihnen ein „Beruhigungsmittel“ bieten – auch wenn dieses „Medikament“ vielleicht leer ist.

---

Die Wahrheit über die Kurse: Was Sie lernen, ist keine „Magie“, sondern körperliche Arbeit

Kernlogik: Komplexe Systemtechnik wird auf einfache, wiederholende Aufgaben reduziert.

Viele Menschen denken, dass das Lernen von AI bedeutet, wie in Filmen einfach ein paar Zeilen Code einzutippen, um intelligente Lebensformen zu erschaffen. Die Realität ist jedoch, dass das, was in den Trainingskursen gelehrt wird, meist weit davon entfernt ist, etwas zu „erschaffen“, und eher mit „Schufterei“ zu tun hat.

1. Die Essenz eines „AI-Trainers“: Ein hochqualifizierter Korrektor

• *Beispiel:* Nach seinem Jobbeginn musste Wang Zhihan täglich 200 englische Bilder bearbeiten und die Übersetzungen durch AI erstellen, bevor er die Fehler manuell korrigieren musste.
• *Einfache Erklärung:* Diese Arbeit erfordert kein Verständnis der Grundlagen des Deep Learning – nur Englischkenntnisse, Logik und Ausdauer. Es handelt sich dabei um eine Art Datenreinigung, die zu den untersten Positionen in der AI-Wertschöpfungskette gehört. Solche Positionen können zwar in großen Unternehmen geführt werden, sind aber sehr ersetzbar, und mit der Verbesserung der Selbstkorrekturfähigkeit von AI werden solche Jobs schnell weniger benötigt.

2. Eine verkürzte Version der „Großmodellentwicklung“

• *Beispiel:* In Chen Shus Kurs gab es Aufgaben wie das Schreiben von Liedtexten – die Lehrer drängten, und die Inhalte wirkten oberflächlich.
• *Einfache Erklärung:* Echte AI-Entwicklung erfordert tiefe mathematische Kenntnisse (Lineare Algebra, Wahrscheinlichkeitstheorie) und Ingenieurfähigkeiten. Um den Zeitplan einzuhalten, werden komplexe Prinzipien in Trainingskursen vereinfacht – oft wird einfach auf vorhandene Bibliotheken zurückgegriffen, und es werden einige auffällige, aber nutzlose Projekte verwendet. Was Sie lernen, ist vielleicht nur, wie man APIs aufruft, nicht wie man Modelle erstellt.

3. Versteckte Gebühren und Projektfallstricke

• *Beispiel:* Lin Bing stellte fest, dass für die wichtigste „Projekterfahrung“ zusätzlich 10.000 Yuan verlangt wurden, und ein halbes Jahr Arbeit wurde in einer Woche abgehandelt.
• *Einfache Erklärung:* Das ist ein typisches Beispiel für eine **zweite Abzocke*. Wenn Ihr Lebenslauf keine „Projekterfahrung“ zeigt, kümmern sich HR-Mitarbeiter nicht darum. Die Institutionen verkaufen die wertvollsten Teile getrennt, und aufgrund der kurzen Zeit können Sie nichts Substanzielles schaffen – Sie können nur eine „Attrappe“ für Ihren Lebenslauf erstellen.

---

Die harte Probezeit: Die Haltbarkeit eines Lebenslaufs beträgt nur 3 Monate

Kernlogik: Im Spiel der Informationsasymmetrie wird letztendlich alles aufgedeckt.

Der wichtigste Verkaufspunkt der Trainingsinstitutionen ist nicht, Ihnen Technologie beizubringen, sondern Ihnen zu zeigen, wie Sie HR-Mitarbeiter täuschen können.

1. Lebenslauf-Optimierungstechniken

• Die Institutionen lehren Sie, „API-Aufrufe“ als „unabhängige Entwicklung großer Modellanwendungen“ zu verpacken und „Datenmarkierung“ als „Modelloptimierung“.
• Zu Beginn des Interviews verstehen HR-Mitarbeiter die technischen Details vielleicht nicht – oder um ihre Einstellungsziele zu erreichen, nehmen sie Sie trotzdem auf.

2. Die „Fallen“ während der Probezeit

• *Beispiel:* Chen Shu stellte fest, dass viele Menschen während der Probezeit auffliegen und dann zu einem anderen Unternehmen wechseln.
• *Einfache Erklärung:* Sobald Sie in die reale Arbeit eintreten und sich mit echten Geschäftsszenarien, komplexen Codebibliotheken und hohen Anforderungen konfrontieren, zeigen diejenigen, die sich nur mit „Vorlagen“ und „Projekt-Optimierungen“ durchgeschlagen haben, schnell ihre wahre Natur.
• Konsequenzen:

Sie werden entlassen, Ihr Lebenslauf enthält eine peinliche Erfahrung.

Ihr Ruf in der Branche wird geschädigt – der HR-Kreis ist klein, und Ihre „Fälschungen“ könnten sich verbreiten.

Sie geraten in einen Teufelskreis von „Probezeit-Jobwechseln“ und können nie echte Kernkompetenzen entwickeln.

3. Die „Flüssigkeit“ der Beschäftigungsrate

• Die von den Institutionen angegebenen „Beschäftigungsquoten“ beziehen sich oft darauf, dass jemand Ihnen ein Angebot macht, nicht darauf, dass **Sie dauerhaft bleiben können*.
• Viele sogenannte „hohe Gehälter“ sind可能是 Außenstelle-Jobs, kurzfristige Projekte oder sogar „Strohhalme“, die die Institutionen für die Erfüllung ihrer Ziele verwenden.

---

Wer zahlt den Preis? Eine ökonomische Analyse der „Angst“

Kernlogik: Junge Menschen kaufen nicht Fähigkeiten, sondern Sicherheit und Identität.

Warum springen sie trotz der möglichen Fallstricke hinein? Weil die Sunkkosten und soziale Drücke zu groß sind.

1. Das „Wagnis“ von Durchschnittsfamilien

• *Beispiel:* Zhang Shuis Eltern sind gewöhnliche Angestellte, die ihr gesamtes Ersparsungsgeld für seine Ausbildung ausgeben; Chen Shu verheimlicht es vor seinen Eltern und mietet in Peking mit seinem Startkapital eine Wohnung.
• *Analyse:* Für Durchschnittsfamilien sind 20.000–30.000 Yuan eine große Summe – aber dieses Geld wird als „Investition“ angesehen, nicht als „Ausgabe“. Sowohl Eltern als auch Kinder haben eine Spielermentalität: „Wenn es dieses Mal klappt, werden wir es schaffen.“ Diese Spielerei macht rationale Entscheidungen unmöglich.

2. Die Illusion des sozialen Aufstiegs

• *Beispiel:* Wang Zhihan fühlte sich minderwertig, weil er sich keine teuren Restaurants leisten konnte, also kündigte er und begann, AI zu lernen, in der Hoffnung, in die „Großunternehmen“-Szene einzudringen.
• *Analyse:* Die AI-Branche wird mit „Elite“, „hohem Gehalt“ und „Zukunft“ etikettiert. Für Menschen aus unteren oder mittleren Schichten bedeutet der Eintritt in die AI-Branche einen sozialen Aufstieg*. Was sie kaufen, ist nicht der Code, sondern die Identität „Ich gehöre zur Zukunft“**.

3. Der letzte Kampf von Mittelalten

• *Beispiel:* Der 38-jährige Lin Bing wurde entlassen und wusste nicht, was er tun sollte – also begann er, AI zu lernen.
• *Analyse:* Für Menschen über 35 ist AI die letzte Rettungsleine. Sie fürchten, vollständig an den Rand gedrängt zu werden, und sind bereit, hohe Schulgebühren zu zahlen – auch wenn es nur ein psychologischer Trost ist.

---

Ratschläge für normale Menschen: Wie können Sie die „AI-Fallstricke“ umgehen?

Wenn Sie oder Ihre Familie überlegen, durch Trainingskurse in die AI-Branche einzusteigen, denken Sie bitte ruhig nach und stellen Sie sich folgende Fragen:

1. Welche Grundlagen habe ich?

• Wenn Sie aus einem Informatik-, Mathematik- oder Physikstudium stammen, ist Selbststudium in Kombination mit Open-Source-Communities und praktischen Projekten effektiver als Trainingskurse.
• Wenn Sie aus einem nicht-technischen Fachgebiet kommen, ist es sinnlos, direkt an der „Großmodellentwicklung“ zu arbeiten. Sie könnten sich für die AI-Anwendungs-Ebene (z. B. Prompt Engineering, AI-Produktmanager-Assistenten) oder die Kombination mit einem spezifischen Bereich (z. B. AI + Recht, AI + Medizin) entscheiden – aber seien Sie vorsichtig vor den „Schnelllern-Fallstricken“.

2. Was möchte ich wirklich tun?

• Möchten Sie Algorithmenentwickler werden (AI entwickeln)? Die Hürden sind hoch, Trainingskurse sind nutzlos.
• Möchten Sie AI-Trainer/Datenmarkierer werden (AI unterstützen)? Die Hürden sind niedrig, aber die Gehaltsmöglichkeiten sind begrenzt und Sie können leicht durch Automatisierung ersetzt werden.
• Möchten Sie AI-Produktmanager/Anwendungsentwickler werden (AI nutzen)? Dafür brauchen Sie Business-Verständnis und Produktdenken – Code ist nur ein Werkzeug. Trainingskurse können Ihnen dieses Business-Verständnis nicht vermitteln.

3. Kann ich es mir leisten, dieses Geld auszugeben?

• Wenn Sie das Geld geliehen haben oder Ihr gesamtes Ersparsungsgeld ausgegeben haben, machen Sie auf keinen Fall einen Kurs.

Echtes Lernen ist kostenlos: Bilibili, GitHub, offizielle Dokumente, Open-Source-Communities. Der Wert von kostenpflichtigen Kursen liegt in der Community und Überwachung – aber das können Sie auch durch das Selbststudium mit Freunden erreichen.

4. Seien Sie vorsichtig mit Versprechen von „Arbeitsplatzgarantien“

Jede Institution, die verspricht, eine Stelle zu garantieren oder ein Mindestgehalt zu garantieren, überschreitet die Grenzen des Gesetzes.

Echte Beschäftigung hängt von Ihren Fähigkeiten und dem Marktangebot ab – nicht von den „internen Kanälen“ der Institutionen.

Fazit

AI ist eine großartige Ära – aber sie ist weder ein Retter noch eine Geldmaschine.

Für normale Menschen ist die richtige Herangehensweise an AI nicht, Geld auszugeben, um einen „AI-Engineer-Titel“ zu kaufen, sondern zu lernen, wie man seine Arbeitseffizienz mit AI-Tools verbessert – oder in ihrem eigenen Fachgebiet einen Ansatz zu finden, den AI unterstützen kann.

Die Geschichten von Zhang Shuai, Wang Zhihan, Chen Shu und Lin Bing sind keine Einzelfälle, sondern ein Spiegelbild der Angst dieser Zeit.

Denken Sie daran: Schweine auf dem Trendflug werden hoch fliegen – aber auch hart fallen. Anstatt auf einen „Trend“ zu setzen, ist es besser, bodenständig zu bleiben und eine echte, problemlösende Fähigkeit zu entwickeln. AI ist ein Werkzeug – der Mensch ist das Kernstück. Lassen Sie sich nicht von einem teuren „Kuchen“ dazu bringen, Ihre wertvolle Zeit und Ihr Geld zu verlieren.