先把数据口径说清楚
网上最吓人的 AI 岗位文章，常见套路是把前沿实验室的顶级总包，当成普通岗位年薪。别那样读。说白了，找工作看的是岗位池、技能要求、地区口径和公司层级。
这版只采用这几类来源
大趋势：World Economic Forum《Future of Jobs Report 2025》、PwC AI Jobs Barometer 系列；其中 2026 版使用 Business Insider / ITPro 对 PwC 报告的公开摘录。
薪资和职业口径：美国 BLS Occupational Outlook Handbook、Robert Half 2026 Technology Salary Guide、Robert Half Australia Technology Salary Guide、SEEK Australia Career Advice。
治理和风险：NIST AI Risk Management Framework、European Commission AI Act 说明页。
来源链接：weforum.org / pwc.com / bls.gov / roberthalf.com / seek.com.au / nist.gov / digital-strategy.ec.europa.eu
薪资怎么读
美国岗位优先写 Robert Half 2026 的全国区间，或者 BLS 的职业中位数。比如 AI/ML Engineer 是 US$134K-$193.25K，Data Scientist 是 US$121.75K-$182.5K。
澳洲岗位用 SEEK 招聘广告平均薪资和 Robert Half Australia 的紧缺岗位说明。比如 SEEK 上 Data Scientist 在 Melbourne 平均 AU$130,000，Sydney 平均 AU$125,100；Data Engineer 在 ICT 行业平均 AU$143,703。
新兴岗位如果还没有成熟薪资样本，就不硬写数字。Agentic AI Engineer、LLM Engineer、AI Strategy Consultant 这类角色已经出现在 Robert Half 的 emerging roles 里，但独立薪资池还在形成。
AI 岗位市场到底热在哪里
不是所有带 AI 的岗位都值得追。真正值得看的是：它有没有被大公司写进招聘、有没有稳定预算、是不是能接住业务里的具体问题。
岗位增长：技术岗还在扩，但要求变硬了
WEF 2025 把 Big Data Specialists、AI and Machine Learning Specialists、Software and Applications Developers、Security Management Specialists 都列进高增长职业。它还估计，到 2030 年全球会新增 1.7 亿个岗位，同时有 9200 万个岗位被替代，净增 7800 万。
这句话翻成人话：岗位不是消失，是换门槛。会写 CRUD 不够了，会把数据、模型、产品、部署接起来的人更值钱。
薪资变化：会 AI 的岗位，技能更新更快
PwC 2026 AI Jobs Barometer 的公开报道摘录写得很直白：AI 暴露度高的公司，从 2018 到 2025 年 headcount 增长 52%，低暴露公司是 36%；工资增长 24%，低暴露公司是 17%。另一条摘录提到，professionalized 角色比 democratized 角色有 42% 更快的 salary growth。
所以别只问“要不要学 AI”。更现实的问题是：你原来的岗位里，哪一部分会被 AI 吃掉，哪一部分能因为 AI 变贵。
澳洲市场：AI 技能已经写进技术岗位 JD
Robert Half Australia 2026 把 AI/ML Engineer、Data Engineer、Business Analyst、Project Manager 列为技术招聘里的 in-demand roles，也直接点名 Azure OpenAI、Semantic Kernel、LangChain 这类工具。
这不是“以后可能会用”。在澳洲找技术岗，很多 JD 已经默认你能把 AI 工具接进产品、数据或流程。
12 个岗位，一张张看
下面每张卡都按同一个口径看：做什么、薪资怎么读、需要什么技能、什么背景更容易转。没有成熟公开薪资的岗位，我会直接写“暂不硬报”。
读到这里如果你发现自己偏工程路线，可以先做一次技术背景评估，看该补数据、后端还是部署。
按你现在的背景选路线
别从“哪个岗位最火”开始选。先看你现在有什么筹码，再选最近的一条路。转型不是清零重来，能迁移的经验要拿来用。
三个作品集方向，最容易证明你干过活
工程路线：做一个带权限、引用和评测的 RAG 系统。别只放聊天框，README 里写清楚数据怎么切、怎么评估回答质量、怎么处理答不上来。
数据路线：做一个业务预测或决策仪表盘。比如客户流失预测，展示 SQL 数据处理、特征、模型、误差、业务建议。
业务路线：做一份 AI 落地方案。选一个真实流程，比如入职材料审核，画出原流程、自动化后流程、风险点、验收指标和 PoC 排期。
如果你不确定该做哪个项目，先别乱报课。把背景发给顾问，我们帮你把“最近的岗位”和“该补的技能”对齐。
投递前自查清单
AI 岗位筛简历很现实。你说“我会用 ChatGPT”，基本没用。你要让招聘方看到：你能把 AI 放进一个业务系统里，并且知道它会在哪里出错。