水母我啊，完全是代码0基础文科生，但是作为25届在校招生在AI行业站住脚跟，在55开的转正率成功留用并定为高P级，做成一些项目取得一些成就赚到了预想之外的钱钱后，想为也许在焦虑迷茫的不懂技术的小伙伴分享一些经验~

从业务的视角聊聊，我们在投递非技术岗的时候，有哪些面试技巧，以及企业想要的人才画像

——叠甲：本人也是摸爬滚打的经验此篇文章绝非万能焚诀——

AI产品、AI销售、AI运营...这些岗位都不要求你会写代码,但你必须真正理解AI是什么,能做什么,不能做什么

面试官是怎么判断你懂不懂AI的？

HR面也好，业务面也好，+1+2面都好，很少有人会问你什么是Transformer，而是会更多询问你绝对绕不开的，应用层的问题

也就是AI该怎么为那些你做过的传统工作赋能，或者怎么给您需要的全新数据做提效

第一类：场景判断题

举个例子：“我们想用AI做用户画像，应该用什么技术？”

容易被pass的回答：“深度学习”（死因废话）

需要技术力的回答：“用AI Coding工具去处理…用RAG框架做分块向量化…”（不够了解技术的人很容易下意识不懂装懂死因多说多错）

不错的回答：要看你的数据维度和业务目标。如果是结构化数据(年龄、性别、消费记录),传统的聚类算法就够了,便宜又快;如果要分析用户评论、浏览行为这种非结构化数据,才需要用到NLP和深度学习。另外还得考虑冷启动问题——新用户没有历史数据怎么办?

跳出我不懂技术的死胡同里，去应用，去解决，去落地，当然这需要足够的知识储备和对项目的理解力

第二类:trade-off题

再举个例子：“某某AI产品的准确率和覆盖率,你会优先保证哪个？”

容易被pass的回答：“都需要”（死因又是废话）

不错的回答：要看阶段。如果是刚上线，我会优先保证准确率——宁可只回答10%的问题但不犯错，也不要回答50%但经常答错，影响用户信任。等用户建立信任后,再逐步提升覆盖率。另外，覆盖率不够的问题可以用人工兜底但准确率出问题会直接伤害品牌。

准确率也好置信度也好覆盖率也好，都不是你作为非技术岗要去内耗的，毕竟AI不会像你会讲故事，也没有共情力的加分项

第三类:落地题

来个我被问过类似的：“给你一个月时间，要上线一个AI推荐功能，你怎么办？”

也许可以这么回答：一个月太紧张，我会先做MVP。第一周，简单的做个demo，验证效果；第二周，根据反馈调整策略；第三周，如果效果不错，再考虑要不要上深度学习模型；第四周，准备上线和监控……

再次叠甲，这些答案没有满分标准答案因为我也是菜鸟只是我的理解我的思路啦

如何快速建立AI认知？(非技术岗实用版)

理解AI的层次和应用——听听播客，看看文章~

明白AI的局限和边界——求你们了千万不要过度承诺

会算AI的ROI——算账！算账！数字很重要，也很能给人留下深刻的印象

非技术岗面试AI岗位的小建议~

面试前的准备工作：

1. 研究公司业务线和AI相关产品：体验一遍，搞明白业务流程和你这个岗位的定位和职责，并且最好搞清楚有哪些是可以的优化的
2. 准备几个你参与过的或者体验过的AI项目：嗯对，喜闻乐见的文科生讲故事环节
3. 准备几个AI目前不能做的事：证明你不是AI吹，其实我觉得这个真的蛮重要的

面试时，记住：不懂就别装，但要表现出学习意愿