我在10多个AI工程师职位面试中的6个令人惊讶的观察结果

个人经历在人工智能时代变得无价。

人工智能工程师目前的需求量很大。

由于我参加了10多次人工智能工程师职位的面试，我决定在这篇文章中分享我的经历。我的经验对那些希望进入人工智能领域的人将会有所帮助。

随着大量人工智能生成内容的出现，分享个人经验和观察变得无价。

为了给这篇文章提供更多背景，我想分享一下我的简短故事：↳ 我在各种软件工程职位上有超过7年的经验（主要是作为网页开发者）。↳ 自2019年以来，我对机器学习和数据科学产生了兴趣。但我从未申请过这些职位。↳ 在2023年4月，我开始认真对待人工智能和大型语言模型。我通过创建小项目来学习。然后，我在YouTube和Medium上分享了如何构建它们。↳ 在2024年4月，我开始申请人工智能工程师和人工智能咨询职位。↳ 到目前为止，我已经参加了超过10次面试。↳ 我获得了我的第一个人工智能工程师项目。 *太好了！*

在人工智能工程师职位的面试中，我：✔ 进行了许多对话 ✔ 结识了许多了不起的人 ✔ 有了有趣的观察 ✔ 学到了很多关于人工智能策略的知识 ✔ 提出了许多与人工智能相关的问题

现在，我想和你分享我6个最大的观察！

观察 #1：构建AI驱动的原型是第一项技能。

“我是这个职位唯一的候选人吗？”我问。“你是唯一一个知道如何从头开始构建项目并使用AI的人。”

我为什么怀疑自己是这个职位唯一的候选人？

因为我在最终面试中*获得*了这个项目。“如果你需要，我可以做这个项目，”我说。“太棒了！我们下周开始吧！”

太简单了，对吧？

所以，我假设没有其他候选人。（结果，确实有几个。）

所以这是我故事中的关键观察：构建AI驱动的PoCs（概念验证）是一项稀有而有价值的技能。

为什么它如此稀有？

因为它是许多硬技能的交集（这些技能很少同时具备）：✔ 编码✔ 使用API✔ 创建基本UI✔ 提示工程✔ 创建Web应用✔ 使用专用框架

为什么它有价值？

这项技能允许在定制编码的工具和解决方案中使用LLMs（如GPT-4）。

看，所有企业都有独特的挑战和偏好。定制化至关重要。而且…

最高级别的定制化来自代码。

构建AI驱动的原型并不容易。但一旦你创建了一个，你就处于一个良好的位置。

开始构建吧！

观察 #2：成为AI工程师仍然非常早。

当我询问面试官关于他们的AI团队时，最常见的回答是：

• “这是我们开设的第一个职位。”
• “我们刚开始建立我们的AI团队。”
• “我们正在寻找前两名AI工程师。”

如果你认为现在跳上AI潮流为时已晚……

再想想！

大多数AI工程团队还不存在！

如果你今天开始，你将在未来获得巨大的优势。

在接下来的6到24个月内，AI工程师将会有很大的需求。（对我来说是个好消息）

但这也导致了以下缺点：渴望成为AI工程师的人很少有可以学习的对象。

很难找到在这条旅程中比你前进几步的人。

这就是我想与您分享我的见解和经验的原因。

注意：这是我关于如何成为AI工程师的指南：

由于AI的炒作如此新颖，这导致了观察3和4。

观察 #3：尚未明确的长期 AI 策略…

公司知道他们必须在 AI 上投资资源。

否则，他们可能会变得无关紧要。

所以他们开始招聘 AI 工程师和 AI 顾问。

但他们从小步走起：🔵 提供咨询🔵 构建原型🔵 进行 AI 审计（以了解 AI 如何融入运营）

然后，他们会看看情况如何。

对我来说，这是一种聪明的经验主义方法。

面试我的公司（主要是软件公司）已经拥有稳定的客户基础。

而客户开始询问关于 AI 的问题。

所以软件公司说：“我们会帮助你。但我们也在学习。”

而他们：➔ 不知道确切的方向。➔ 对此持开放态度。➔ 愿意失败并从失败中学习。➔ 获得宝贵的经验和见解。

AI 策略相对短期。

他们采取精益的方法，思考… 让我们：↳ 找到最大的难题（AI 可能解决的问题）。↳ 为该问题构建解决方案。↳ 部署解决方案并衡量实际结果。↳ 找出有效的（和无效的）并进行迭代。

衡量这一部分在这里至关重要。

但让我在下一点中告诉你更多。

观察 #4: 没有实际结果的AI案例研究。

我们喜欢AI功能。

我们喜欢那些闪亮的东西，比如：➔ AI生成的视频。➔ 新的Midjourney功能。➔ 关于自主AI代理的新闻。

AI新闻充满了酷炫的AI功能。

但商业领袖并不关注功能。相反，他们问：“这对我的业务有什么帮助？”

文案写作的核心原则：关注利益，而不是功能。

但在AI领域，我们往往过于关注后者。

我们多久会谈论业务结果？

你多久会看到这样的案例研究：🌟 我们的AI解决方案为这些员工节省了每周5小时以上🌟 多亏了这个AI产品，我们的收入增加了20%

想想看……

在你看到的所有AI新闻中，有多少是关于切实的、现实世界的结果？

1%？2%？

但趋势很快会改变。希望如此。

观察 #5：人工智能教育变得至关重要。

人工智能教育对商业领袖和知识工作者都至关重要。

但它必须从前者开始，因为他们是决策者。

商业领袖必须：✔ 投资于人工智能 ✔ 优先考虑人工智能教育 ✔ 改变文化以接受人工智能

人工智能必须成为当前商业战略的一部分。

如果不是，未来看起来并不乐观。

对于知识工作者来说，问题不是“是否？”而是“何时？”你何时开始学习人工智能？

专业提示： 如果你的老板不投资于人工智能，那是一个红旗。这对你的未来是有风险的。如果你今天不学习人工智能，你就会落后。

无论你是知识工作者还是商业领袖。

开始学习人工智能吧！

今天！

观察 #6：谁是人工智能工程师仍然不清楚。

每个职位描述都不同。

公司试图将几乎所有与人工智能相关的内容压缩到一个角色中。因此，他们从以下职位中挑选技能和任务：✔ DevOps✔ 数据科学家✔ 数据工程师✔ 人工智能研究员✔ 软件工程师✔ 深度学习工程师✔ 机器学习工程师✔ 自然语言处理工程师

再一次，由于这个角色是如此新颖，它可能会不断演变。

但对我来说，人工智能工程师是一个“人工智能系统构建者”。

这意味着他不训练任何模型。相反，他应用现有的模型（例如 GPT-4 或 LLaMa-3）。然后，他将它们结合起来以满足定制的业务需求。

构建是人工智能工程师的主要任务。

但在这一切变得对每个人都清晰之前，职位描述将包含很多“噪音”。

最后的话。

所有这些观察来自我的经验和对话。

我希望这能帮助你理解当前人工智能的状态。也希望它能激励你学习人工智能（甚至成为一名人工智能工程师）。

感谢你的阅读！

🔔 我叫Kris。我是一名人工智能工程师。想成为一名人工智能工程师吗？确保关注。🔔

参考文献。

• AI工程师与数据科学家 。