AI越来越擅长给出答案，企业招聘却开始考察另一种能力：你有没有勇气质疑这个答案。

最近，基克纳奇思、金斯瑞和新能安三家来自不同领域的企业，把这种变化直接写进了各自的招聘面试题。它们没有简单地问年轻人“会不会使用AI”，而是把候选人放进一个更复杂的情境：当AI已经给出了一个看起来不错的答案，你有没有能力判断它究竟对不对？

基克纳奇思提出了一个招聘中的现实难题：AI根据既定条件对海外简历进行评分和排序，排在前面的候选人与岗位职责高度匹配，但履历也高度相似；一些低分候选人却拥有少见的跨行业、跨专业经历，可能具备更大的成长空间。招聘者应该如何建立判断逻辑，区分这些候选人究竟是真正不匹配，还是因为AI的识别盲区而被低估？

领英·AI考题大揭秘 拆解基克纳奇思校招AI面试真题

这背后其实是AI时代人才评价的一个现实难题。机器擅长从已有信息中寻找匹配，但年轻人才的价值不仅在于“过去做过什么”，还在于一种能力能否迁移到新的工作中。比如销售和客户管理经历中形成的沟通协调能力，同样可能迁移到招聘岗位。当AI越来越擅长寻找“最匹配的人”，招聘者反而需要追问：我们是在寻找最像过去成功者的人，还是最有可能解决未来问题的人？

换句话说，AI提高了“匹配”的效率，却也让识别“非典型人才”成为更重要的人类能力。

金斯瑞：AI给了一百个高分答案，哪些值得真正验证？

金斯瑞则把类似的问题带进了生命科学实验室。今天的AI可以在短时间内设计大量候选分子或蛋白，预测打分非常漂亮，但真正进入湿实验，一些纸面上看似完美的候选可能活性不佳，甚至无法实现。更棘手的是，AI生成候选方案的速度已经远远超过实验能够验证的速度。

因此，金斯瑞给年轻人的考题不是“如何找到AI预测分数最高的候选”，而是：当实验预算有限，应该如何决定有限的机会花在哪里？是集中验证模型最看好的方向，还是保留一部分机会探索AI不确定、却可能带来新发现的区域？实验结果回来之后，又怎样让真实数据反向校准模型，而不是让AI越来越只会寻找自己熟悉的答案？

领英·AI考题大揭秘 拆解金斯瑞校招AI面试真题

这里考察的是AI进入真实产业后越来越重要的一种能力：验证。

AI可以把探索空间从有限的可能性迅速扩大到海量可能性，但现实世界的时间、资金、设备和失败成本依然有限。人的价值因此没有消失，而是发生了转移：从“亲自寻找每一个答案”，转向设计验证机制，判断哪些答案值得实验、哪些风险值得承担，以及一次失败能够为下一次决策提供多少新的信息。

到了新能源领域，新能安把人与AI之间的关系推向了更尖锐的情境：“如果AI告诉你一个设计是最优的，但物理规律告诉你它不应该有效，你选择相信谁？” 它进一步假设，如果AI生成了100万种设计方案，而现实只允许测试其中20个，应该如何选择这20个？面对一个AI预测性能更高、但不确定性也更大的方案，和一个预测性能稍低、却更确定能够工作的方案，又该怎样取舍？

领英·AI考题大揭秘 拆解新能安校招AI面试真题

这已经不仅是一道技术题，也是一道关于风险与创新的决策题。

如果AI的结果违反基本物理规律，专业知识应该成为无法绕过的安全底线；但如果所谓“不应该有效”只是因为某个设计超出了既有经验模型的适用范围，异常本身也可能成为值得验证的新方向。对于工程师而言，真正的能力因此不是简单站在“相信AI”或者“不相信AI”的一边，而是知道什么时候应该坚持专业常识，什么时候值得用有限的试错成本挑战已有认知。

从基克纳奇思的人才筛选，到金斯瑞的生命科学实验，再到新能安的新能源设计，三个行业面对的业务问题完全不同，却不约而同地把一种能力放进了校招考题：当AI已经能够快速产生一个看似合理的答案，人能否发现它的盲区、判断它的可信度，并知道下一步应该如何验证。

这也为理解当下中国的“新职业”浪潮提供了另一个角度。今年9月，人力资源和社会保障部等部门发布11个新职业和23个新工种，其中包括数字孪生工程技术人员、具身智能机器人应用技术员等数字职业。表面看，是技术进步创造了一批新的职业名称；更深层的变化，则可能是人与机器之间的分工正在重新划定。

放到全球市场，这一趋势同样明显。LinkedIn（领英）的数据显示，今年第二季度，AI工程师是美国和印度增长最快的入门级岗位，美国同比增长62%，印度增长55%。另一个值得关注的现象来自创业者群体：全球13%的创业者已经拥有至少一种AI技能，而领英会员整体为1.2%，前者约为后者的11倍。

但这并不意味着未来只属于程序员。恰恰相反，当越来越多人可以调用同样的模型、获得看起来同样专业的答案，人与人之间新的差距可能来自另外一组能力：能否提出更好的问题，能否发现数据和模型的盲区，能否把不同领域的知识连接起来，以及能否在信息并不完整的情况下作出判断，并为判断的结果负责。

过去，我们常把“AI能力”理解为掌握提示词、模型或者某种工具。现在，它正在演变为一种更加复杂的职业能力：既知道如何使用AI，也知道它的边界在哪里；既能够借助机器迅速扩大搜索空间，也能够用专业知识、实验和人的判断缩小决策空间。

领英将技术实操能力与适应力、问题解决、沟通等人类能力重新组合的趋势称为“新领” (a ‘new-collar’ era) 。2023年至2025年，全球至少新增130万份AI相关岗位机会。但真正值得关注的，未必只是出现了多少名字里带着“AI”的新工作，而是AI正在进入招聘、研发、制造、营销等越来越多原本并不被认为是“AI职业”的工作。

由此来看，今天的新职业未必只是职业目录上多出来的一行字，它更像技术改变工作后出现的一批“新接口”：有人连接AI与实验室，有人连接算法与工程现场，有人连接机器筛选与人的潜力。当这样的接口不断增加，企业对人才的评价标准也在随之改变。

未来的招聘，可能越来越难简单通过“专业是否对口”“有没有相同经历”来判断一个人。真正优秀的年轻人才，也未必是最擅长给出标准答案的人，而可能是那个最先意识到“这个答案可能有问题”，同时知道应该如何验证的人。

AI让答案变得越来越充裕，判断力反而开始成为稀缺资源。或许，这才是这轮新职业浪潮留给年轻人最值得思考的问题：未来最有竞争力的职业能力，不只是学会和AI一起工作，而是在所有人都能调用AI之后，依然拥有机器无法替你承担的专业判断、好奇心，以及对结果负责的能力。