麦肯锡新报告:换一份AI工作,过去的经验还算数吗?

职业地图 · 报告解读

做了几年售前、产品、咨询或研发，准备换一份 AI 工作，最难解释的可能是简历中间那一段：过去做过的事，到了新岗位，到底能抵多少用。

全部清零，舍不得，也没必要。按原来的年资平移，又怕只是换了个职位名称，实际要做的工作根本接不住。

9 月 29 日，麦肯锡全球研究院发布《流动中的劳动力：通往美国未来工作的技能与路径》（译名）。它研究美国职业转换，却提供了一个适合拿来检查自己履历的角度：把已有技能和转岗条件一起看。报告原文

麦肯锡报告原页截图，2026年9月29日发布，10月3日获取。研究对象为美国职业转换。来源：McKinsey Global Institute。

我读下来，更关心一件事：过去的经验，如何变成新团队敢交给你一项工作的理由。

这篇谈的是 AI 应用、产品与交付类工作。FDE，就是其中把 AI 接进实际业务、对交付负责的一类角色。模型研究岗位有另一套专业要求，不能混着谈。

“做过八年销售”和“能把客户的模糊要求问成一项可验收的任务”，给招聘者的信息并不相同。前者说明履历，后者才开始说明工作能力。

拿销售转 AI 交付做个推演。以下都是解释方法的假设，不是客户案例。

客户想做一个销售助手。一个有经验的销售，可能知道销售人员懒得填哪些字段、主管为什么追问下一步、什么样的商机值得继续投入。这些判断，学会一个新工具后仍然用得上。

但“我懂客户”还太宽。把它写成：能区分客户原话、销售推断和待确认事项；能指出一条跟进建议缺少什么依据；能解释为什么此时不该自动给客户发消息。经验才开始接近新岗位里的任务。

也有一部分不能原样带走。原公司的产品记得很熟，换了产品就要重学；以前一个电话能找到审批人，换了组织，这层信任也得重新建立。

我会先把履历上的年限遮住，看剩下的内容：换一批产品和一套系统，负责人也换了，你还能独立做出哪项判断。能留下来的那部分，才值得继续投入。

这里也别把“可迁移”理解成“到哪都一样”。你可以带走判断销售机会的方法，不能把原公司的折扣规则一并当成常识。到了新团队，方法还在，依据要重新核对。

麦肯锡把技能分成三类：扩大职业选择的基础技能、与更高薪职业相关的技能，以及支持持续适应的技能。这里的薪酬关联是职业层面的，不能当作个人涨薪承诺。这个划分提醒我，过去积累和继续学习需要一起考虑。报告第四章

继续看销售助手。以前你亲自读拜访记录，判断这个客户该不该追。现在 AI 先生成摘要和跟进建议，你的经验可能用在检查它有没有把“有兴趣”写成“准备采购”，有没有把销售自己的猜测写成客户承诺。

判断对象变了，动作也得跟着变。你需要把错误挑出来，说明错在什么依据，再找一组类似材料复查。只说“这个答案不专业”，工程同事很难据此修改系统。

教学检查稿：对照输入，圈出摘要越过证据的地方。材料和错误均为人工构造，未经模型实测。

同样的变化也发生在研发背景的人身上。过去积累的接口、测试和故障处理经验仍然有用；进入 AI 应用交付后，还要检查模型输出是否有依据、工具调用有没有越权，以及修改提示词后哪些旧样本会退步。

麦肯锡另一篇关于 AI fluency 的文章，把日常使用、融入工作流程和批判性检查输出放在一起讨论。我更愿意把它理解成一种工作习惯：用过之后，知道该检查什么。AI fluency 原文

这也让“经验丰富”有了更具体的证明方式。你能提前找出哪类错误，能把哪些判断写清，能让接手的人据此继续工作。过去吃过的亏，如果只剩一句“凭我的经验”，别人还是用不上。

讲经验迁移，容易把人安慰过头：懂行业、懂沟通，再会一点 AI，就能做交付了。

如果目标岗位要求独立接入业务系统，你至少要能解释数据从哪来、以谁的身份访问、失败后怎样处理，以及修改后如何检查旧功能。业务经验再好，这些缺口也不会自动消失。

会用 AI 写出一段代码，可以帮助你开始练习。要独立负责，还得能读懂它、检查它，出问题时知道从哪里查。演示顺利和能交付给别人，中间有一段工作要自己走完。

反过来，会开发也不等于能决定业务。销售助手建议放弃一个客户，依据来自哪里、损失由谁承担，不能靠接口返回成功来回答。开发者需要向业务负责人确认判断标准，不能把自己的合理猜测写成业务规则。

所以我不会给所有转岗者开同一张课程表。业务背景的人，要沿着目标任务补工程；研发背景的人，要补业务决定和使用现场；产品、咨询背景的人，则要确认自己是否亲手处理过方案落地后的失败和修改。

这些都是待验证的个人缺口，不是对某种出身的判决。你做过的事越具体，学习清单反而可以越短。没做过的部分如实写出来，比把每个技能都标成“熟悉”更便于合作。

经验迁移示意：把旧判断转成新任务与工作证据。作者推演。

报告评估转岗路径时，同时考虑目标职业需求、技能重合、工资保持和取得必要资格所需的时间。在其美国模型中，需要转岗者约七分之一有少量或无需再培训、且不降薪的直接路径。这是模型分析，不是求职成功率。报告第三章

回到个人选择，一份新工作是否值得去，不能只看自己会多少。

你过去的收入，可能还包含对原产品的熟悉、长期客户关系、管理职责，以及组织愿意给你的决定权。新公司即使认可你的能力，也未必同时需要这些东西。经验仍然有用，原来的薪酬却未必能平移。

还有一种情况更容易误判：对方很需要你懂业务，却准备让你一个人承担数据和开发工作，还要负责上线与维护。岗位把几种人的工作一起交了过来，虽然听起来经验都被认可了。

我会在面试时要求把第一项任务说具体：谁提供数据，谁能配合接系统，什么结果算完成，出现什么错误必须停下来。一个写满责任、却说不清协作安排的职位，不能只凭“AI 方向”加分。

如果新岗位能继续使用你熟悉的行业判断，只增加一段可练习的技术工作，可以优先验证。行业、客户同时更换，技术和责任也一起变了，则要给自己留出更多学习和试错空间。先在现有工作里承担一小段 AI 改造，也是可选路径。

我会先选一项自己真正熟悉的工作，做成别人可以检查的样本，再考虑简历里的“AI 复合型人才”该怎么写。

仍以销售助手为例。用公开或有权使用的材料，做一份拜访记录整理练习：保留客户原话，单列销售推断，输出待确认事项和下一步建议。不要把原公司的客户资料带出来证明自己。

再主动加一份难处理的材料：没有提预算、前后说法冲突，或者销售记录里混入了猜测。看系统能否承认信息不够，是否会擅自补齐。这个失败，往往比一段流畅演示更能指出下一步该学什么。

交给别人看的材料也不用厚。写清任务和输入，保留输出、你改过的地方，以及尚未解决的错误。如果只能用虚构材料练习，就明确标成练习；它能证明部分操作能力，证明不了真实客户效果。

盘点表填写示例（节选）：把判断、证据和能力缺口分开写。教学假设，不代表真实项目经历。

然后请熟悉目标岗位的人复查：让他拿另一份材料操作一次，指出哪一步仍然需要你在旁边解释。你补的是实际缺口，不必照着招聘页面的每个名词轮流买课。

做到这里，再改简历。把“多年行业经验”展开成一项具体任务，把“熟悉 AI”换成可展示的工作，把协作完成和独立完成分开写。没有实测的数据，就不填一个看起来顺眼的提升比例。

过去的经验当然算数。只是换一份工作时，你要重新说明它能帮谁完成什么，以及自己还有哪一段不能独立负责。

先把这段工作做给人看，再讨论那些年应该怎样计价。

主报告：麦肯锡全球研究院，2026 年 9 月 29 日，《流动中的劳动力：通往美国未来工作的技能与路径》。中文题名为译名；研究对象为美国，涉及 2025—2035 年情景模型，不能直接推为中国 AI 岗位招聘预测。

补充材料：麦肯锡，2026 年 8 月 7 日，关于 AI fluency 的文章。

文中的销售助手、转岗判断和工作样本设计为作者分析与假设推演，不是麦肯锡的案例、录用标准或已验证效果。

一名做了一年多 FDE、仍能独立回消息的活人。

继续做通才，还是押一个行业？下一个 AI 项目可能让你积累，也可能让你重启。

从售前、产品、咨询、研发转FDE：四种聪明人，分别会死在哪一关？

别先问自己适不适合FDE，先看这5件事你做过几件？

如果今天重新找AI工作，我会先看团队的这6个信号