{"type":"rich","version":"1.0","provider_name":"Transistor","provider_url":"https://transistor.fm","author_name":"课代表立正","title":"对话 313｜AI时代，找工作的难度，远超你想象｜Jobright创始人分享一线求职数据","html":"","width":"100%","height":180,"duration":4931,"description":"我是孙煜征，大家叫我立正，康奈尔经济学博士、《真本事》作者、Superlinear Academy创始人。在这里，和我一起把AI、工作与人生中的重要问题想明白。\n了解我、阅读文章与查找往期节目\nhttps://www.lizheng.ai/\n本期内容\nAI 降低了投递成本，却没有降低判断成本：求职者批量申请，招聘方则被相似简历淹没。Ethan 表示，录制时 Jobright 以不到 10 名全职员工服务 200 多万注册用户，ARR 约 700 万美元。本期从平台和求职者两端拆解这场“双向噪音”。\n适合 New Grad、H-1B 求职者、转行者、Mid-to-Senior，以及在做招聘产品的 Founder，帮助你选择投递策略，并理解 AI-native 人才、产品壁垒和 distribution。\n这期你会听到\n• 为什么“海投还是精投”不是适用于所有求职者的二选一？\n• 企业需要的 AI-native 人才，为什么必须用领域判断完成 close the loop？\n• H-1B Filter 如何从用户访谈中长出来，并回应真实求职压力？\n• 实时职位数据和个性化推荐为何比单纯改简历更接近 Jobright 的产品壁垒？\n• AI 降低开发成本后，Founder 为什么仍要亲自理解用户并做 distribution？\n章节\n\n00:00 — AI 招聘市场的核心矛盾\n\n01:12 — Ethan、Carina 与 Jobright\n\n03:15 — 不到 10 人服务 200 多万用户，ARR 约 700 万美元\n\n05:15 — 招聘为何陷入“双向噪音”\n\n12:37 — 不同求职阶段需要不同策略\n\n24:51 — AI-native 人才的判断与闭环\n\n32:50 — Ethan 为什么首先不建议创业\n\n43:23 — 用户访谈如何催生 H-1B Filter\n\n60:27 — 收费、转化与 distribution\n\n74:20 — 给求职者与创业者的建议\n本期嘉宾\nEthan Zheng 是 Jobright 联合创始人兼 CTO，拥有机器学习与数据库博士背景，曾任 Twitter 机器学习工程师。Carina 录制时任 Expedia Data Scientist，分享了裁员与 H-1B 压力下的求职复盘。\n相关内容\n\n\n完整版131分钟：\nhttps://youtu.be/zrypqOaq3nM\n问问立正｜把问题想明白\n听完还有问题，或想把一个观点用到自己的处境里？试试我做的「问问立正」：AI会从我的公开文章、视频和《真本事》中寻找相关内容，整理回答，并附上出处。每天可免费提问3次。\nhttps://ask.lizheng.ai/\nSuperlinear Academy｜免费AI社区\n想和一群认真用AI的人一起交流？加入我创办的Superlinear Academy免费社区，看真实项目、找学习资料，带着你的问题参与讨论。\n拿出正在使用的求职或招聘方案，附上筛选信号与噪音样本，请大家改进判断机制。\nhttps://www.superlinear.academy/\nAI Builders｜系统学懂AI，真正用起来\n想系统学懂AI、用它做好重要工作，把想法做成作品？了解我和鸭哥一起做的AI Builders课程。\nhttps://ai-builders.com/","thumbnail_url":"https://img.transistorcdn.com/SrdgszKfQdMzHkFcqyor7qCKHRdyeQYSqgfLgUTg7CI/rs:fill:0:0:1/w:400/h:400/q:60/mb:500000/aHR0cHM6Ly9pbWct/dXBsb2FkLXByb2R1/Y3Rpb24udHJhbnNp/c3Rvci5mbS9kZTM0/ZmVjMjA2NzRkZGM5/YjI4ZGUxYjdkMTFj/NDM4YS5qcGc.webp","thumbnail_width":300,"thumbnail_height":300}