马斯克在12年前曾公开表示，值得一读Bostrom的《Superintelligence》，并说“我们对AI必须格外谨慎”，它可能比核武器更危险。这是多年前的观点，不是今天的招聘行情。补充检索里也有AI安全治理、安全与风控相关招聘信息，例如招聘平台上的“人工智能安全治理研究岗”。这些只是样例，具体在招状态、任职要求仍需以官方渠道核实。因此，警示不直接等于职业结论，而是一组待核查的提问。

先分清：你担心的是哪一类风险

AI风险至少可以分成几类：模型能力失控、数据隐私与合规、内容滥用、产品责任，以及更广义的社会影响。不同风险对应不同岗位职责。安全治理研究岗可能涉及政策研究、风险评估、标准制定；安全与风控岗位可能涉及滥用检测、应急响应；而普通算法或产品岗，风险工作可能只占一小部分。如果你担心的是“AI取代人类”，那和担心“数据合规”并不是同一件事。先写下你最在意的一条，再去读岗位描述，看它是否真的在回应这个问题。如果岗位描述里完全没有相关职责，说明这份工作可能不处理你担心的风险，而不是它不存在。

面试时怎么核查团队对风险的态度

马斯克推荐《Superintelligence》，说明风险讨论有公开的知识来源。你可以先读一点，再带着问题去面试。这不是要你假设面试官一定会问什么，而是你主动核查的抓手。可以问：模型上线前有没有固定的评估环节？出现有害输出时谁负责跟进？数据来源和授权怎么审查？如果对方只回答“我们很重视安全”，但说不出责任分工和具体流程，至少说明这个团队还没把风险当成日常流程的一部分。反过来，如果对方能讲清楚评估、复盘、升级路径，那风险治理就不是口号。这些提问同样适用于判断要不要继续留在当前方向：你所在团队有没有类似机制？如果没有，你能否推动，还是只能忍受？模拟问题是为了帮你收集信息，不是断言所有团队都该有同一套答案。

如果决定避开AI方向，怎么盘点相邻方向

避开AI不等于放弃技术或产品能力。你可以盘点自己已有的可迁移技能：数据分析、项目管理、用户研究、行业知识、合规经验，这些在非AI方向同样有用。比如你做过推荐系统的评估，那套“定义指标、看bad case、迭代”的方法，换到传统软件或运营岗也能用。但要注意，避开AI也要核查目标方向的实际要求：那个岗位是否需要重新学习工具？行业周期如何？招聘信息里是长期需求还是短期项目？招聘平台上的安全治理岗、媒体报道中的安全与风险招聘都只是样例，不能代表全行业门槛，也不能说明当前招聘趋势。你可以去目标行业招聘页面，重点看职责描述里有没有你愿意长期处理的问题，而不是只看岗位名称。

最后给一个实际可做的小建议：挑一个你感兴趣的AI相关岗位描述，把其中和风险、合规、评估、责任分工相关的句子圈出来。如果一条都没有，说明这份工作可能不碰你担心的风险；如果有，再逐条问自己是否愿意做这些事。这个动作花不了十分钟，却能帮你判断该进还是该退。