在大廠干了421天設(shè)計(jì),我選擇裸辭去做這個(gè)崗位

小普
5 評(píng)論 7210 瀏覽 9 收藏 18 分鐘
🔗 B端产品需要更多地依赖销售团队和渠道合作来推广产品,而C端产品需要更多地利用网络营销和口碑传播来推广产品..

年底、裸辭、轉(zhuǎn)行?三個(gè)詞交織在一起,只能說相當(dāng)刺激!但蛋蛋后無所畏懼,只愿后來所遇皆良人,后來所成之事皆是心中所想吧!

我是23年畢業(yè)的,進(jìn)入杭州某大廠做交互設(shè)計(jì)。記得當(dāng)時(shí)面試了解到自己之后是負(fù)責(zé)all in一個(gè)AI的項(xiàng)目,我?guī)缀鹾敛华q豫地收拾好行李,直奔杭州!尤其是在那個(gè) AI剛剛開始嶄露頭角的時(shí)刻,我覺得AI這個(gè)風(fēng)口幾乎已經(jīng)明牌了,我覺得這樣的機(jī)會(huì)是不可以錯(cuò)過的。

其實(shí)在23年下半年,隨著GPT-4的火爆,AI終于不再是一個(gè)遙不可及的概念,而是越來越多的企業(yè)開始關(guān)注的焦點(diǎn)。AI這個(gè)領(lǐng)域仿佛一下子從學(xué)術(shù)圈走進(jìn)了商業(yè)化應(yīng)用,所有人都在談?wù)撍臐摿?、影響力、改變力。那些曾?jīng)猶豫不決、搞不清楚AI到底能做什么的公司,也在尋找它在自己業(yè)務(wù)中的“助力點(diǎn)”——而我,也在這個(gè)過程中找到了屬于自己的位置。

說實(shí)話,24年我最深的感受就是AI的崛起,被稱為“AI崛起之年”,而2025年,許多人已經(jīng)開始討論它的下一個(gè)階段:Agent元年。人類對(duì)AI的挖掘愈發(fā)深入,從單純的工具使用到賦能業(yè)務(wù)、優(yōu)化流程,再到變革產(chǎn)業(yè)。而我,也在24到25的這個(gè)檔口,做出了我職業(yè)生涯中的關(guān)鍵決策,我選擇裸辭 all in AI這個(gè)領(lǐng)域!

回望:設(shè)計(jì)-轉(zhuǎn)崗-AI訓(xùn)練師

感覺我一路走來,充滿了運(yùn)氣和巧合,不知道是愿力使然還是事態(tài)本身就會(huì)這樣發(fā)展,只不過恰巧結(jié)果都符合我的預(yù)期……

初入職場(chǎng),成為大廠設(shè)計(jì)師

很幸運(yùn),憑借著不要臉+執(zhí)著在面試設(shè)計(jì)崗的時(shí)候遇到了貴人,海投簡(jiǎn)歷的我在一開始根本沒有看崗位JD,可能打招呼語寫得過于不羈,引起了我當(dāng)時(shí)設(shè)計(jì)主管的興趣。不過我一看JD要求:

具備3-5年B端設(shè)計(jì)經(jīng)驗(yàn);

具備產(chǎn)品化思維,必要時(shí)需補(bǔ)位產(chǎn)品;

需撰寫產(chǎn)品需求文檔,并熟悉 AI工具(SD、MJ等);

大致的JD 崗位要求是這個(gè)樣子,也記不太清了。不過“需要3-5年工作經(jīng)驗(yàn)”這一條都給我勸退了。但是眼看招聘方對(duì)我如此感興趣,我也是認(rèn)真對(duì)待,積極爭(zhēng)取。

終于在我的毛遂自薦下,爭(zhēng)取到面試的機(jī)會(huì)……(這里忍不住說一下,各位正在找工作的同學(xué),一定不要怕展現(xiàn)自身優(yōu)勢(shì)?。?!畢竟短暫的交流想讓別人去解讀你根本不可能)

騷操作來了,招聘方給我發(fā)了一個(gè)文件,讓我大概了解下他們目前在做的項(xiàng)目,我直接逐頁(yè)解讀并且整理成文檔,而我也清楚這是一個(gè)AI的項(xiàng)目,不管三七二十一,我就把我對(duì)AI模型/工具的使用和理解也寫進(jìn)去了。在凌晨 3點(diǎn)左右給招聘方發(fā)過去,招聘方非常滿意,甚至沒有面試,只是簡(jiǎn)單打了個(gè)電話,就讓我去公司報(bào)道了。

就這樣,我被破格招進(jìn)去了,23年12月1日,開始了我的大廠設(shè)計(jì)之旅。

項(xiàng)目叫停,面臨被裁風(fēng)險(xiǎn)下的自救

一開始從0到1搭建AI一站式服務(wù)平臺(tái),目的是業(yè)務(wù)賦能。但受集團(tuán)財(cái)務(wù)壓力影響,24年整體設(shè)計(jì)類資金預(yù)算基礎(chǔ)在去年基礎(chǔ)上打了8折,但其實(shí)設(shè)計(jì)需求數(shù)量并沒有減少,并且在24年1-4月,設(shè)計(jì)計(jì)件費(fèi)用還上漲了18%,算下來預(yù)算撐不到年底,會(huì)出現(xiàn)較大資金缺口,可能導(dǎo)致設(shè)計(jì)資源開天窗??紤]業(yè)務(wù)經(jīng)營(yíng)壓力,計(jì)件類需求還是得正常支持,但又得考慮實(shí)實(shí)在在的資金缺口影響,我們只能借助智能化 AIGC 工具,通過提高交付效率的形式來降低計(jì)件類設(shè)計(jì)成本,規(guī)避下半年資金缺口過大讓設(shè)計(jì)資源為0的業(yè)務(wù)經(jīng)營(yíng)風(fēng)險(xiǎn)。

到后面平臺(tái)所承載的不再是單純的一條線,這也意味著在 AI&業(yè)務(wù) 的探索上勢(shì)必會(huì)受到資源影響。到后面資源已經(jīng)跟不上了,再加上內(nèi)部競(jìng)爭(zhēng)非常激烈,在探索方向上被告知暫緩,現(xiàn)有工具作為底層能力分布嵌入到其他業(yè)務(wù)平臺(tái)……

那作為all in 在這個(gè)項(xiàng)目的我,當(dāng)時(shí)是被明確告知要調(diào)到其他業(yè)務(wù)線或裁員。其實(shí)當(dāng)時(shí)已經(jīng)準(zhǔn)備作品集了,準(zhǔn)備找下家了哈哈哈,但后來因?yàn)檫@個(gè)項(xiàng)目的大多功能都是需要算法團(tuán)隊(duì)的支持,我和算法同學(xué)都比較熟,在某一次交談中聊到了模型訓(xùn)練這塊的底層訓(xùn)練和數(shù)據(jù)標(biāo)注,我非常感興趣。我就開始虛心請(qǐng)教,在我一而再再而三的“騷擾”之后,算法的 leader 注意到了我,并且讓我去上海(算法團(tuán)隊(duì)大本營(yíng))出差,給我培訓(xùn)下相關(guān)的大模型生成技術(shù)。

自此,在這個(gè)檔口,我也去報(bào)了系統(tǒng)課,私下瘋狂補(bǔ)模型訓(xùn)練相關(guān)的知識(shí),在算法訓(xùn)練模型時(shí),我也會(huì)主動(dòng)請(qǐng)纓參與模型規(guī)則制定、數(shù)據(jù)試標(biāo)和質(zhì)檢。

也許是看我確實(shí)對(duì)模型訓(xùn)練非常感興趣,算法的leader 主動(dòng)幫我申請(qǐng)調(diào)到算法團(tuán)隊(duì),自此成為一名不倫不類的AI訓(xùn)練師!為什么說不倫不類呢,因?yàn)檎5腁I訓(xùn)練師可能是偏執(zhí)行(標(biāo)注);也可能是偏管理(規(guī)則制定、組織試標(biāo));又或許是偏評(píng)估(數(shù)據(jù)質(zhì)檢、bad case分析)。而我三個(gè)都沾邊的同時(shí),更多的卻是構(gòu)造原料。尤其是多模態(tài)模型的訓(xùn)練,針對(duì)于圖片/模板/卡片 這樣的數(shù)據(jù),我需要進(jìn)行創(chuàng)作或者微調(diào)。

職能的交織使我疲憊,決定裸辭

多模態(tài)數(shù)據(jù)的構(gòu)造,不是簡(jiǎn)單地借助AI工具批量生成就可以了。每個(gè)模板中的元素都是有明確的設(shè)計(jì)規(guī)范的,如果數(shù)據(jù)不合規(guī),即便再好看,業(yè)務(wù)也是不會(huì)讓上的!這個(gè)相信干過設(shè)計(jì)的都可以共情吧??!有時(shí)候好不容易想出來一個(gè)方案,主管說不夠創(chuàng)新,要具備多樣性;而業(yè)務(wù)說不合規(guī),不符合展位規(guī)范。所以這個(gè)度,是很難把控的,一般具體的展位,都是由相對(duì)業(yè)務(wù)的設(shè)計(jì)師去維護(hù)的。但是我們作為底層模型能力的提供者,我們是需要足夠多的原料去投喂給模型的,而拿已上線的資源去訓(xùn)練,得到的結(jié)果只會(huì)是和原來的圖沒什么差別的數(shù)據(jù),模型的泛化能力很差。這個(gè)時(shí)候就需要我出場(chǎng)了,去和業(yè)務(wù)設(shè)計(jì)師溝通,并且拿到相應(yīng)展位的規(guī)范,然后借助AI工具做創(chuàng)新,制作的數(shù)據(jù)(圖、卡、模板)再拿去和業(yè)務(wù)審核,如果不符合規(guī)范就需要返工。

這部分的工作說白了還是設(shè)計(jì),而也確確實(shí)實(shí)是在模型訓(xùn)練階段中必要的一環(huán)。但我就開始迷茫了,我究竟是設(shè)計(jì)還是AI訓(xùn)練師?而我如果確實(shí)是想往模型訓(xùn)練這個(gè)方向去深耕的話,我會(huì)覺得我目前在做的事情完全在浪費(fèi)時(shí)間,所以我選擇停下腳步歇歇,在手頭上的項(xiàng)目基本交付后,也就是春節(jié)來臨的前一周我選擇裸辭。

裸辭:我選擇深耕模型訓(xùn)練

也很感謝算法leader 的成全,最終還是選擇放我走。在大廠呆的421天,我干過產(chǎn)品、干過設(shè)計(jì),最后也干了AI算法訓(xùn)練師。雖說被腌了一身大廠味,曾經(jīng)折磨我的“耦合”“顆粒度”和“勾兌”,現(xiàn)在也變得張口就說。但說句實(shí)話,學(xué)會(huì)了很多,不單單是技術(shù)層面的,更多的是為人處事和做事方法。

裸辭后,一身輕松。趕上過年,但我沒有回家,一個(gè)人在杭州。我花了幾天時(shí)間放空,也想明白了我究竟對(duì)什么感興趣,并且想做什么。

我整理了一下關(guān)于模型訓(xùn)練的項(xiàng)目和知識(shí),選擇躬身入局。并且我覺得我以往的設(shè)計(jì)經(jīng)驗(yàn)也并不完全就作廢掉了。

設(shè)計(jì)師價(jià)值

設(shè)計(jì)師具備優(yōu)秀的視覺表達(dá)、用戶體驗(yàn)和創(chuàng)意能力,而AI訓(xùn)練師則需要深度理解多模態(tài)數(shù)據(jù)、模型能力和業(yè)務(wù)需求。但設(shè)計(jì)轉(zhuǎn)模型訓(xùn)練,會(huì)有很多先天優(yōu)勢(shì)的。

跨學(xué)科融合

設(shè)計(jì)師轉(zhuǎn)崗后,能夠借助設(shè)計(jì)技能賦能模型訓(xùn)練前中后期的多個(gè)節(jié)點(diǎn)。例如可視化規(guī)則能夠顯著降低規(guī)則的理解成本,尤其在復(fù)雜的AI訓(xùn)練、數(shù)據(jù)標(biāo)注或模型優(yōu)化場(chǎng)景中。

自帶的高質(zhì)量數(shù)據(jù)評(píng)估技能

設(shè)計(jì)師的細(xì)節(jié)敏感度和對(duì)結(jié)構(gòu)化信息的理解,可以大幅提升數(shù)據(jù)標(biāo)注的質(zhì)量。例如,在圖像標(biāo)注任務(wù)中,設(shè)計(jì)師更擅長(zhǎng)識(shí)別細(xì)微差異,并有自己的評(píng)判思考和業(yè)務(wù)需求的契合敏感。

消化需求并快速響應(yīng)

設(shè)計(jì)師會(huì)經(jīng)常和業(yè)務(wù)運(yùn)營(yíng)對(duì)接,轉(zhuǎn)崗后可以更懂得如何承接業(yè)務(wù)需求。例如,一張圖片是否通過審核能上線,一般本來就是由業(yè)務(wù)設(shè)計(jì)師審核的,因此可以提升模型的良品率和適用性。這種角色職能的跳轉(zhuǎn)可以高效減少技術(shù)與業(yè)務(wù)之間的溝通成本。畢竟,設(shè)計(jì)肯定懂設(shè)計(jì),有的細(xì)節(jié)和合規(guī)點(diǎn)可以第一時(shí)間 Get 到。

所以,設(shè)計(jì)師轉(zhuǎn)崗成AI訓(xùn)練師,最佳方向一定是多模態(tài)。如果正在干設(shè)計(jì)的你也開始迷茫,對(duì)現(xiàn)在正在做的工作感覺到力不從心,更甚之你已經(jīng)決定轉(zhuǎn)行了,那我建議你去嘗試一下這個(gè)方向。

如果你是擔(dān)心學(xué)習(xí)成本太高,你學(xué)不會(huì)或者市場(chǎng)不穩(wěn)定,你進(jìn)不去。那大可放心,我已經(jīng)幫你探過路了,可以一試。

模型訓(xùn)練市場(chǎng)反饋

裸辭,誰不慌?。咳f一 gap幾個(gè)月,那我就得不償失了。所以我也不是愣頭青,我也會(huì)去看看目前市場(chǎng)上需要的是什么樣的人才,去探探市場(chǎng)。目前機(jī)會(huì)還是挺多的,尤其是年后機(jī)會(huì)更多,隨著Deepseek 的爆火,一夜之間家喻戶曉,連我七大姑都問我:什么是Deepseek?國(guó)產(chǎn)AI 在25年初 真正讓所有人都看見。

再加上DeepSeek正在豪擲千金招聘。在相關(guān)招聘網(wǎng)站,DeepSeek拿出52個(gè)崗位招聘,平均月薪均在兩萬元以上,“深度學(xué)習(xí)研究員-AGI”一職月薪甚至達(dá)到了8萬—11萬元,14薪,如此算來,年薪百萬。

在招聘網(wǎng)站上可以看到,DeepSeek目前在北京、杭州兩地均有辦公地點(diǎn),在團(tuán)隊(duì)研發(fā)人員方面設(shè)置大量崗位,包括深度學(xué)習(xí)研究員、核心系統(tǒng)研發(fā)工程師以及客戶端工程師、資深ui設(shè)計(jì)師等,月薪均在兩萬元以上。核心系統(tǒng)研發(fā)工程師月薪6萬—9萬元,深度學(xué)習(xí)研究員-AGI月薪甚至達(dá)到了8萬—11萬元,且均為14薪。不僅如此,DeepSeek對(duì)于實(shí)習(xí)生也開出誘人薪資:AGI大模型實(shí)習(xí)生崗位的工資為500元/天—1000元/天,深度學(xué)習(xí)-AGI實(shí)習(xí)生500/天-510元/天。

所以,目前來看,這部分的市場(chǎng)還是非常有前景的,尤其是25年被稱為Agent元年,到2030年,中國(guó)對(duì)AI專業(yè)人才的需求預(yù)計(jì)將達(dá)到600萬,而人才缺口可能高達(dá)400萬

清楚自己的市場(chǎng)價(jià)值

所以我不擔(dān)心市場(chǎng)問題,我只關(guān)注我的能力邊界。我也在春節(jié)這段時(shí)間投了很多簡(jiǎn)歷,在年關(guān)之際,工作如此難找的時(shí)段,我依然可以拿到幾個(gè)不錯(cuò)的offer。并不是我多優(yōu)秀,而是這行確實(shí)缺人,并且新行業(yè)沒有那么多既定的套路和分支,不像互聯(lián)網(wǎng)設(shè)計(jì)目前已經(jīng)定的很清晰了,什么視覺、交互、產(chǎn)品設(shè)計(jì)等等…… 每個(gè)崗位職能都有相對(duì)的技能所需。但是AI訓(xùn)練師目前并不是,一切都是新的,大家都是同一起點(diǎn),所以只要你想學(xué)AI并且具備一定的自驅(qū),是非常容易進(jìn)入的。

憑借著經(jīng)驗(yàn)和背書,我拿到了ZJ、XC等等幾家的offer,目前最高可以拿到17.5,最低也是在14k。所以我心里是有譜的,才提出了離職。只不過拿到的幾個(gè)offer都拒了,原因是我在看市場(chǎng)時(shí)投的都是北京上海。但我還是更想在杭州這邊發(fā)展,還有我確實(shí)想歇一段時(shí)間了……

下期我可以分享一下我的學(xué)習(xí)和面試技巧,給想要入局的朋友一些參考。

結(jié)語

從一開始對(duì)AI的好奇,到如今徹底改變職業(yè)路線,我經(jīng)歷了很多,也反思了很多。或許,AI就是那個(gè)能夠帶給我無限可能的領(lǐng)域,它不僅改變了世界,也改變了我的未來。而這一路走來,我的每一個(gè)決定,每一次轉(zhuǎn)變,都沒有后悔,反而讓我更加確信——這是我真正想做的事情。

愿后來所遇皆是良人,后來所成皆是心中所想吧。

本文由 @小普 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可,禁止轉(zhuǎn)載

題圖來自 Unsplash,基于CC0協(xié)議

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. UI/交互設(shè)計(jì)同學(xué)進(jìn)入AI領(lǐng)域,只能當(dāng)AI喂養(yǎng)員嗎?

    來自浙江 回復(fù)
    1. 不要把崗位狹義化,看看boss上關(guān)于數(shù)據(jù)標(biāo)注和ai訓(xùn)練師的內(nèi)容和要求,現(xiàn)在已經(jīng)不是單指流水線的標(biāo)注了

      來自浙江 回復(fù)
  2. 想請(qǐng)教一下產(chǎn)品經(jīng)理想進(jìn)入AI領(lǐng)域有什么合適的可結(jié)合的崗位嗎

    來自上海 回復(fù)
    1. 同問

      來自浙江 回復(fù)
    2. AI產(chǎn)品經(jīng)理啊,包括AI項(xiàng)目總監(jiān)。boss上崗位超級(jí)多!

      來自浙江 回復(fù)
专题
16782人已学习16篇文章
对于很多软件工程师来说,工作内容都与界面设计有很大的关联。本专题的文章分享了界面设计方法。
专题
17471人已学习13篇文章
出于文本易读性方面的考虑许多app都做了深色模式,本专题的文章分享了深色模式的设计指南。
专题
36193人已学习30篇文章
大数据时代已经到来,越早进入,越有优势。
专题
14107人已学习15篇文章
深度学习(Deep learning)是一种机器学习的分支,它是通过构建多层神经网络来实现自主学习和预测的能力。本专题的文章分享了解读深度学习。
专题
15668人已学习12篇文章
本专题的文章分享了交互设计文档的撰写指南。
专题
17009人已学习12篇文章
每年一到年底,各家APP平台就会陆续推出年度报告。本专题的文章分享了年度报告的设计思路。