那次失败之后，她开始系统地训练自己的“文化适配直觉”。每次背调，她都会问几个AI不会问的问题：“这个人适合什么样的领导风格？在什么情况下他/她最有干劲？他/她上一个离开的岗位，真正的原因是什么？”慢慢地，这些问题的答案开始在她的笔记里形成一些模糊的判断框架。那不是一套可以写成公式的方法论，更像是一张只能在实践中积累的“感觉网”。

除了这些“软性直觉”，苏敏手里还有一张硬牌，就是她的“非公开人才池”。

这些年，苏敏维护着一个小圈子。不是招聘网站上挂着简历的人，而是那些她在一个行业里深耕多年之后逐渐认识、逐渐熟悉的从业者。他们中的大多数并没有求职意向，甚至简历都不更新。但苏敏知道，某芯片公司一位技术总监的期权什么时候到期；某大厂技术团队最近在重组，有几个核心骨干可能松动；某制造企业技术负责人虽然公开场合说“对现在很满意”，但她从他前同事那里听说，他对现任CEO的技术路线有保留。

这种信息不在任何AI的训练数据里，不在任何招聘网站的搜索框里，也不在任何社交媒体的公开档案里。它们存在于她与候选人多年积累的信任关系中，因为信任，对方愿意在还没有公开看机会的时候跟她“先通个气”。

这些隐性知识足够深、足够重要，但苏敏发现，仅仅有它们还不够。

最近一年里她开始感觉到，客户对她能力的要求正在从“识人”扩展到“识势”。过去客户问她：“这个人行不行？”现在客户问她：“我们这个行业正在发生什么变化？我们应该招什么样的人？我们的组织架构应该怎么调整？”

第一次被问到这类问题的时候，苏敏发现自己答不上来。她能判断一个人，但她没想过要判断一个行业的趋势、一个组织的演变方向、一个岗位在未来几年内会被AI改写成什么样。她开始意识到，AI对猎头的冲击不只是“替代基础寻访”，而是在倒逼她从“识人”升级到“识势”。

她开始花大量业余时间研究AI对不同行业的冲击阶段。她发现，不同行业的AI渗透节奏完全不同。化工行业的AI应用已在头部企业的生产运营和供应链环节快速渗透，但在人才招聘和组织变革层面的AI渗透还很浅，大量中小企业甚至尚未完成基础数字化，更谈不上用AI重塑组织。制造业呈现双速格局：头部企业已搭建AI中台，开始探索用AI智能体替代部分流程化岗位；大量中小企业仍处于观望期，其最紧迫的人力缺口往往不是‘做AI的人’，而是‘能判断哪些环节应该用AI的人’。”生物医药的AI需求正在从研发端向全产业链爆发。虽然部分地区（如深圳光明区）已开始发布‘AI药物发现工程师’等岗位的紧缺人才画像，但招聘市场上成熟、统一、被行业广泛认可的‘AI制药人才’标准画像仍然稀缺。企业往往不知道该如何定义这类岗位的胜任力模型。

苏敏把这张“AI冲击图谱”整理在了自己的笔记里。她发现，真正帮她赢得客户信任的，不是她能说出每个行业AI渗透的具体数字，而是她能告诉客户：“你的行业现在处在哪个阶段，所以你现在最需要的是哪类人才，以及这类人才在市场上为什么这么稀缺。”

另一个维度是组织变革的预见力。苏敏观察到，企业的组织架构正在发生深层变化，从金字塔转向网状，从职能制转向项目制，从固定岗位转向灵活的能力拼图。有的企业在全面拥抱AI智能体，试图以“数字员工”替代流程化岗位；有的企业在搭建数据中台，人力配置从垂直职能转向敏捷小组。她帮一个客户做过组织诊断，发现那家公司虽然还在招中层管理者，但AI已经开始替代中层最核心的两项职能，就是信息汇总和进度跟踪。她判断，未来两年这家公司的管理层级会大幅压缩，而他们最稀缺的人才不是“能管人的人”，而是“能在AI工具上直接做决策的人”。这个判断后来被客户验证了，半年后，那家公司裁掉了好几个中层职位，新设了两个“AI工具管理岗”，专门负责用AI做自动排产和智能质检。

最让苏敏着迷的是人才模型的重构。她发现，AI正在催生一批全新的岗位，这些岗位的共同特征是：市场上没有标准JD，没有成熟经验，甚至没有共识性的职业名称。

她最近半年接到过这些需求，有企业要招一个“提示词架构师”，不是写代码的，是专门设计和优化AI提示词的；有公司要找“AI协同设计师”，负责设计人类团队和AI智能体之间的工作流；还有客户要找“负责任AI合规顾问”，负责确保公司AI系统的决策不产生法律和伦理风险。这些岗位的共同特征是市场上没有标准JD，没有成熟胜任力模型，甚至没有共识性的职业名称。

这让苏敏的工作从“信息匹配”变成了“岗位定义”。她不再只是“根据JD找人”，而是在帮客户“把需求翻译成JD”，先搞清楚这个岗位要解决什么核心问题，再定义这个岗位需要什么样的能力组合，最后才在市场上找到那个匹配的人。这种能力的本质，正是行业观察者反复指出的：AI虽能替代重复性工作，但无法取代人类在建立信任、挖掘隐性需求等核心环节的价值。

苏敏有一次在整理笔记时，把AI时代的猎头隐性知识画成了两列。左列是识人，那些她过去八年积累的判断力，就像老师傅凭手感判断炉温、凭耳力听出机器故障一样，这是她最深的护城河。右列是识势，那些她现在正在补的能力，对行业趋势的判断、对组织演变的预见、对新岗位的定义。两列之间不是替代关系，而是递进关系，只有先识人，才能识势；只有识势，才能让识人的价值被重新标价。

她盯着这两列看了一会儿，在下面加了一行字：“过去我判断一个人能不能胜任一个岗位。现在我要先判断这个岗位为什么存在，再判断这个岗位在AI时代应该被重新定义成什么样，最后才能判断谁最适合它。判断的对象变了，但判断本身，AI还做不了。”

四

苏敏最近半年发现，自己接到的需求正在发生一种微妙但深刻的转变。

过去客户打来电话，说的是“帮我找一个Java架构师”，然后发来一份JD。现在客户打来电话，说的是“我们公司想做AI转型，你觉得我们需要招什么样的人？”第一个问题是“信息撮合”，客户知道自己要什么，她只需要找到匹配的人。第二个问题是“问题定义”，客户不知道自己要什么，需要她先帮客户定义“要什么”，然后才能开始找。

这个转变不是个例，它正在成为猎头行业从“交易型服务”向“价值共创型服务”跃迁的核心趋势。AI让信息撮合越来越廉价，简历搜索、关键词匹配、初面邀约，这些过去占据猎头大部分工作时间的环节，正在被AI工具系统性地替代。但与此同时，一个全新的价值空间正在打开，就是帮企业重新定义“我们需要什么样的人才组合来解决这个问题”。当“找到人”变成基础设施，“定义问题”就成了最稀缺的能力。

苏敏把这种转变称为“从信息撮合到问题定义与战略咨询”。她发现，这个核心趋势正在三个方向上同时展开。

第一个方向是增量市场的战略寻访。增量市场的特征是：客户进入了一个全新的领域，市场上没有现成的标准JD，客户自己也不清楚该招什么样的人。这正是猎头从“信息撮合”升级为“问题定义”的最佳场景。

苏敏第一次意识到这一点，是在她接了一个出海项目的单。某制造业客户要在东南亚建厂，需要“海外业务负责人”。客户发给她的JD是照着国内岗位模板改的，要求有制造业背景、英语流利、能带团队。苏敏按这个JD推了几个人，客户都不满意。她自己也不满意，但说不清哪里不对。

后来她专门去拜访了一位已经成功在越南建厂的同行。对方告诉她，海外业务负责人最核心的能力不是“制造业背景”，而是“能在当地政府、供应商、工会之间同时处理多层关系”，以及“能承受总部每隔几小时打来一次电话的压力”。这些能力在传统JD上完全没有体现。

苏敏重新定义了需求。她帮客户画了一张能力拼图：内部有一个有潜力的中层管理者，懂业务但不懂海外；外部需要一个“海外合规顾问”，专门负责当地法规、政府关系、供应商对接。客户最终采纳了这个方案，内部提拔一个人+外招一个专业顾问。这个项目的收费，比她过去招一个总监的佣金还高。更重要的是，客户后来把整个东南亚区的人才规划都交给了她。

这不是个例。猎聘平台数据显示，2025年1-10月中企出海相关职位逆势增长34.8%。出海岗位的爆发，正在重塑多个行业的人才需求结构。不仅是制造业的海外建厂，还包括新能源的全球化产能布局、电商与游戏的海外本地化运营、以及AI企业的出海探索。对于能帮客户定义“出海到底需要什么样的人”的猎头来说，这是一个巨大的增量市场。

AI新领域同样如此。脉脉高聘数据显示，2026年1-4月新发AI岗位量同比增长8.7倍，但苏敏发现，岗位定义正在快速分化。像“AI产品经理”这样的岗位，虽然招聘需求已经很大（脉脉数据显示其招聘指数位列行业前五），但不同企业对它的能力要求差异极大，有的要求懂技术架构，有的要求懂场景落地，有的要求两者兼备，统一的胜任力模型尚未形成。而“大模型训练师”“AI伦理合规顾问”等更前沿的岗位，市场上甚至连共识性的JD都还没有，企业自己也不知道该招什么样的人。能帮客户定义这些新岗位的猎头，价值远远大于“找到符合已有JD的人”。

苏敏有一个老客户，某中型科技公司，去年新设了一个岗位叫“提示词架构师”，不是写代码的，是专门设计和优化AI提示词的。客户在市场上找了几个月，发现这个岗位在猎聘上几乎搜不到。最后他们找到苏敏，说：“你别按JD找了，你帮我们定义一下，什么样的人能做这个。”

苏敏花了好几天研究这个岗位。她发现，提示词架构师需要的能力组合非常特殊：既要有业务场景拆解能力（把模糊需求转化为AI可执行的指令），又要有技术理解力（知道AI模型的能力边界和失效模式），还要有结构化表达能力（能用精确、无歧义的语言设计提示词逻辑）。最终她锁定了一个背景很有意思的候选人：语言学专业出身，转行做过几年产品经理，后来又自学了编程。这个人的简历按传统猎头标准是“不相关”的，没有计算机科班背景，也没有大厂算法经验。但苏敏判断，他的语义敏感度和业务拆解经验，恰好匹配这个新兴岗位的核心需求。客户试用后非常满意。

这单让苏敏彻底理解了“战略寻访”的本质：不是“找到符合标准的人”，而是“当标准还在快速分化、企业自己也不确定时，帮客户厘清到底需要什么样的人，然后找到匹配那个定义的人”。

第二个方向是存量市场的组织诊断。当企业的组织架构开始从金字塔转向网状结构，他们对人才的需求就不再是“填坑式招聘”，而是“能力拼图服务”，找一个人，他的能力要能和现有的几块拼图咬合在一起，形成一个新的能力结构。

苏敏第一次做这种服务，是被逼出来的。她有一个合作多年的客户，某中型制造企业，去年做了一次组织架构调整。调整之后，客户发现技术部门少了几个关键能力节点，比如数据分析、AI工具部署、跨部门协调。他们说不清楚该招什么人，只知道“现有团队搞不定我们想做的新业务”。

这两个岗位在传统JD上完全不相关，但在能力拼图上恰好弥补了那两个缺口。苏敏分别帮客户找到了合适的人。项目完成后，客户的人力总监跟她说了一句让她记到现在的话：“以前你帮我招人，现在你帮我设计团队。”

这种存量市场的组织诊断，正在成为苏敏最稳定的利润来源。因为它不是一次性交付，客户发现她能帮他们“重新理解自己需要什么样的人”之后，就不再满足于“帮我找一个XX岗位”的服务了。他们有新的业务，需要新的能力组合，第一反应不是去找传统猎头，而是找苏敏。

第三个方向是评估体系的共建。在评估真空期，当学历、证书、大厂履历这些传统信号正在失效，企业困惑于“怎么判断这个人行不行”的时候，能率先提供新评估框架的猎头，将成为企业最信任的人才伙伴。苏敏最近在帮客户做背调时，已经不再只依赖传统的背调公司，她开始要求候选人提供“判断日志”，记录他们在工作中做过的关键决策、信息不完整程度、以及决策依据。她自己也看候选人的GitHub仓库、开源贡献、技术博客。“简历上的‘精通Python’不再被信任，”她跟客户说，“但一个持续维护了几年的开源项目，能告诉我这个人真正的代码质量和协作能力。”

这种评估方式还不被行业主流认可，但苏敏发现，那些最前沿的客户，正在经历组织变革、急需找到“对的人”的企业，对她的新评估框架非常感兴趣。当他们困惑于旧评估体系已死、新评估体系未生时，苏敏提供的不是“帮你找到人”的服务，而是“帮你判断谁是对的人”的能力。

窗外，二线城市的傍晚，街灯正在亮起来。苏敏翻开自己的笔记，在其中一页的顶端写下了一行字：“从‘找到谁’到‘定义问题’，从‘匹配JD’到‘设计团队’，从‘卖信息’到‘卖判断’。”她知道自己还在这条转变的路上，但她已经看到了方向。

五

苏敏用了大半年，试着把自己的工作方式重新组装了一遍。不是推倒重来，她那些“识人”的底子还在，但她在上面加了一层新的东西。

第一件事，是重新定义自己和AI的关系。苏敏现在每天打开电脑，第一件事不是查邮件，而是打开AI招聘助手。她不再自己搜简历了，AI帮她完成初筛、匹配、邀约。那些过去耗掉她大半个上午的活儿，现在几十分钟就处理完了。但她没有把省下来的时间用来接更多单，她用来做另一件事：研究那些AI筛出来的候选人里，有哪些是“关键词匹配但可能不合适”的，有哪些是“关键词不匹配但值得看一眼”的。AI给她的是效率，她给AI补的是判断。这种“人机协同”模式正在成为猎头行业的新常态。新加坡安保企业Certis在同时使用LinkedIn Talent Insights和Hiring Assistant后，招聘人员产出提升了60%-70%。

苏敏发现，AI能帮她处理大量初筛工作，但真正需要判断的关键环节，比如候选人软技能评估、文化适配沟通、薪酬谈判，仍然是她的核心价值。正如行业观察者所指出的，AI并非替代猎头顾问，而是成为顾问的“高效合伙人”，让顾问能聚焦于AI难以替代的高价值环节，形成“AI提效、人做核心”的协同格局。

第二件事，是建立自己的情报系统。苏敏在笔记软件里建了一个文件夹，叫“AI冲击图谱”。里面按行业分类，包括化工、制造、生物医药、半导体、新能源，每个行业下面记录着几条关键信息：AI渗透到什么程度了，哪些岗位正在被替代，哪些新岗位正在冒出来，组织架构最近有什么变化。她的信息来源很杂：行业报告、客户访谈、候选人聊天、甚至饭局上听到的只言片语。每一条她都标注了日期和来源，过一段时间回过头来验证：当时判断的趋势，后来发生了没有？她不追求覆盖所有行业，只聚焦自己服务的几个领域，但她要求自己一个季度至少更新一次，确保在客户面前不是“听说”，而是“判断”。

第三件事，是升级自己的业务专业知识。苏敏发现，AI时代对猎头的专业要求，不是降低了，而是大幅提高了。过去一个猎头只需要懂招聘流程，怎么搜简历、怎么打电话、怎么谈offer。现在客户默认你能用AI完成这些基础工作，他们对你的期待变成了你能不能帮我画出这个细分领域的人才地图？这个岗位的薪酬结构在AI时代应该怎么设计？这个候选人的隐性离职动机是什么？

苏敏开始系统性地做几件事。第一，人才地图。她不满足于“知道几个人”，而是定期绘制自己聚焦的几个细分领域的人才流动地图。谁去了哪里、为什么跳槽、谁在观望、谁在升迁。第二，AI时代薪酬谈判。AI人才的薪酬结构比传统岗位复杂得多，比如现金、期权、AI工具补贴、弹性算力福利。苏敏发现，她必须理解这些新要素的市场行情，才能在客户和候选人之间找到平衡点。第三，服务产品化。苏敏开始把自己的判断整理成可复用的框架：出海东南亚的团队配置清单、AI转型企业常见的人才缺口图谱、跨文化管理的候选人评估维度。这些框架不是软件，是经验产品化的雏形。

第四件事，是她花了最多业余时间做的事，就是深钻AI变革知识。苏敏开始意识到，真正让她在客户面前有话语权的，不是她能找到多少人，而是她能告诉客户，你的行业正在经历什么变化，你的组织架构应该怎么调整，你的岗位定义需要怎么改写。这些东西不在传统猎头的技能树里，但她发现，一旦她开始提供这些洞察，客户就不再把她当“供应商”，而是当“顾问”。

她有一个合作了几年的老客户，某中型科技公司的人力总监。今年年初，这位总监在做一个组织架构调整方案，但一直拿不准该怎么处理中层管理岗。她找到苏敏，不是让苏敏帮她招人，而是问：“你在其他公司看到的趋势是什么样的？”

苏敏把自己过去大半年积累的“组织变革观察”整理成了一份简报发给她，里面写了她对几个趋势的判断：管理层级在压缩；中层最核心的两项职能，信息汇总和进度跟踪，正在被AI替代；未来几年能存活下来的中层不再是“管人的人”，而是“能在AI工具上直接做决策的人”。客户看完之后，调整了原方案。后来她告诉苏敏，那份简报帮她在和CEO的沟通环节节省了大量时间。

这件事让苏敏看到了一个新的可能性：她积累的行业洞察，不只是帮自己做判断的，还是可以产品化输出的。它可以是“组织变革诊断”，可以是“AI冲击阶段评估”，可以是“新岗位胜任力模型设计”。服务的边界，正在从“招聘”扩展到“组织”。

她把自己的行动框架提炼成了几层逻辑：最底层是AI工具，用它搬砖，但不是它的搬运工；往上一层是情报系统，建立自己的行业冲击图谱，持续更新、定期验证；再往上是业务专业知识升级，人才地图、薪酬设计、服务产品化；最顶层是AI变革知识，组织架构、人才模型、竞争格局的判断力。这四层不是分开的，AI工具替她省下来的时间，她用来做情报和洞察；情报和洞察积累到一定程度，就变成了产品化的服务；服务产品化之后，客户自然愿意为“判断”而非“找人”付费。

苏敏把这张图画在笔记本上，盯了很久。她想起几年前自己刚入行时，师傅跟她说：“猎头这行，不是信息的生意，是判断的生意。信息能被替代，判断不能。”师傅说的对，但她现在知道，判断的边界也在扩展。过去她判断的是“这个人行不行”，现在她还要判断“这个行业正在经历什么”“这个组织需要什么样的能力拼图”“这个岗位在AI时代应该被重新定义成什么样”。

她把笔记本合上，靠在椅背上。窗外又到了傍晚，街灯亮了一排。她还有很多东西要学，但至少，她已经不是那个在AI招聘助手面前发愣的自己了。她知道AI能做什么，也知道自己该做什么。两者之间，有一条越来越清晰的边界，这条边界，就是她未来的护城河。