最近我们访谈了一位求职上岸嘉宾。
她毕业于哥大生物统计硕士项目，目前在一家美国头部医疗健康零售集团担任 Data Scientist。
这个背景本身很有代表性。
一方面，她读的是生物统计和 health care 相关方向；另一方面，她是去年 8 月毕业，正好赶上了美国非常艰难的招聘季。
当时整个就业市场都不太好，国际学生还面临身份限制。同时，AI 又在快速改变数据科学、技术面试，以及真实工作中的很多流程。
所以我觉得，她在访谈中分享的很多观察，尤其是和 AI 相关的部分，非常值得现在正在读 health care、生物统计、数据科学方向的同学参考。
01、AI 已经不只是聊天工具
嘉宾提到，她第一次明显感受到 AI 的变化，是在本科后期。
她大三的时候，ChatGPT 刚刚发布。那个时候，很多人对 AI 的理解还停留在 chatbot 阶段。
也就是说，你把问题输入到对话框里，让它帮你写一段文字，或者生成一段代码。
但后来，AI 的使用方式发生了很大的变化。
比如 Claude Code 这类工具出现之后，AI 不再只是回答问题。它可以进入 terminal，可以读取本地文件，可以理解一个 folder 里的内容，甚至可以自己创建文件、修改代码、运行代码。
这对她来说，是一个非常大的转折点。
因为这意味着，AI 已经不只是一个聊天工具。它开始变成一个真正能参与工作的工具。
02、AI 正在进入真实工作流程
进入职场之后，她发现这种变化就更加明显了。
她提到，在公司内部，AI 已经不只是大家偶尔用来查资料、写文字、改代码的工具，而是正在被系统性地放进工作流程里。
尤其是最近几个月，公司内部非常积极地推动 agent、skill、workflow、MCP 等工具，也开始强调一种 agentic first workflow。
也就是说，很多原来需要人工一步步完成的工作，现在都会先思考：
- 哪些部分可以交给 AI agent？
- 哪些步骤可以让 AI 先做？
- 人应该在哪些地方进行判断、检查和把关？
这说明在一些公司里，AI 已经不是一个可有可无的辅助工具，而是正在成为真实工作流程的一部分。
人的角色，也在发生变化。
过去，人可能需要亲手完成每一个步骤。
现在，人在很多场景下更像是任务的设计者、结果的审核者和风险的控制者。
03、技术面试也在发生变化
AI 的变化，不只发生在工作中，也影响到了面试。
过去很多技术面试，非常强调手撕代码。
你要刷 LeetCode，要写算法题，要证明自己能从零写出代码。
但现在，有些公司的面试方式开始变化了。
比如，他们会给你 take-home assignment。
或者在面试中，允许你使用 AI。
这时候，公司考察的重点，就不只是你能不能自己写出某段代码。
他们更关心的是，你能不能理解这个问题，能不能把问题拆解清楚，能不能高效地使用 AI，最后把一个真实问题解决好。
换句话说，面试考察的重点，正在从“你会不会写代码”，转向“你会不会解决问题”。
而且是在 AI 已经存在的前提下，你如何解决问题。
04、新的面试方式到底在考什么？
嘉宾认为，允许使用 AI 的面试方式，其实更考察以下几类能力。
第一，是与时俱进的能力。
学校里教的内容，往往会落后于行业一两个版本。基础知识当然重要，但如果学生只是等着老师把新工具、新方法写进教材，做成 PPT 再来学，那肯定是不够的。
学生需要主动追踪行业趋势，主动学习新的 AI 工具和新的工作方法，了解公司真实工作中正在使用什么。
第二，是 problem solving skill。
真实工作里遇到的问题，不一定都是最难的技术题。很多时候，你面对的是一个新的业务场景，一个不熟悉的项目，或者一个以前没有接触过的 domain。
这个时候，公司看重的是，你能不能快速理解背景，快速学习新知识，在信息不完整的情况下，做出一个可以推进工作的结果。
第三，是使用 AI 的能力。
现在的问题已经不是“我们到底应不应该用 AI”。
这个讨论已经发生变化了。
真正的问题是：我们如何更高效地使用 AI？如何检查 AI 的结果？如何保证它输出的准确性？如何把 AI 放进一个真实项目里？
这才是未来很多岗位真正需要的能力。
05、给 health care、生统、数据科学方向 学生的建议
嘉宾也给正在美国求职的同学，尤其是 health care、生物统计、数据科学方向的同学，提出了几个建议。
第一，一定要多 networking。
Networking 被拒绝是很正常的。
别人愿意帮你，是出于好心，不是义务。
所以学生要广撒网。多去了解行业里的人到底在做什么，多问问真实工作内容是什么。
很多时候，学生对一个行业的想象，和真实工作是有差距的。只有和已经在行业里工作的人交流，才能获得更准确的信息。
第二，不要只局限于学校课程。
如果你对某些公司感兴趣，可以主动去看这些公司最近在做什么项目。
比如一些药厂、医疗健康公司，会发表 paper，或者公开一些新的方法和研究方向。
你可以去看这些内容，了解行业里现在真正使用的新方法。
第三，不要只背机器学习八股文。
当然，有些公司的面试流程更新比较慢，可能仍然会考这些内容。
但从长期趋势来看，单纯背八股文的价值会下降。
公司会越来越看重，你能不能解决真实问题，能不能使用新的工具，能不能跟上行业变化。
第四，心态不要过度焦虑。
现在的就业市场，对 new grad 来说确实很难。
找不到理想工作，不一定说明你能力有很大问题。有时候可能是身份限制，有时候是市场不好，有时候只是机会还没有到。
如果第一份工作不是特别理想，也不一定是坏事。
可以先积累经验，先进入行业，之后再慢慢跳到更理想的公司和岗位。
第五，要善用 AI 准备面试。
AI 现在其实是一个很好的 career coach。
它可以帮你搜集信息、整理资源、模拟面试、练习表达，甚至帮你优化回答逻辑。
对于 new grad 来说，表达能力非常重要。
公司招应届生，不一定要求你一上来就非常资深。但他们一定希望你是一个好沟通、愿意合作、表达清楚的人。
因为找工作，本质上也是在找未来的同事。
没有人愿意和一个很难沟通、表达不清楚的人长期合作。
所以，除了专业能力之外，同学们也要训练自己的沟通能力、表达能力，以及合作意识。
06、最后
这位嘉宾最核心的观察是：
AI 已经从一个聊天工具，变成了真实工作流程的一部分。
它正在改变数据科学岗位的工作方式，也正在改变技术面试的考察标准。
未来的竞争力，不只是会不会写代码，也不只是会不会背知识点。
更重要的是，你能不能主动学习，能不能理解真实问题，能不能善用 AI，能不能快速产出结果，同时还能和团队清楚沟通、顺利合作。
对正在读 health care、生物统计、数据科学方向的同学来说，这可能就是未来求职中越来越重要的能力。
