这两年招人，一个信号越来越明显——不会用 AI 的投放，正在被会用 AI 的投放甩开。不是慢慢拉开，是断崖式。
以前一个优化师管 5 个账户就忙得脚不沾地，现在用 AI 的人，20 个账户还有空喝口咖啡。以前写素材靠灵感憋一整天，现在 AIGC 批量生成，一天能出上百条创意。
但问题来了。很多人聊 AI 投放，像在聊新闻联播。AIGC、智能投放、自动搭建、归因模型、强化学习，词儿一个接一个往外蹦，听着都懂。可一问到自己平时怎么用 AI 投、怎么判断 AI 出的素材好不好、AI 跑偏了成本飙升素材衰退怎么处理——立刻就虚了。
我们招人，不关心你听过多少 AI 名词，只关心一件事：你到底是在驾驭 AI，还是被 AI 驾驭。
驾驶员和观众，差在哪？同样是 AI 投放跑偏的问题
观众的回答是：AI 不行，关掉，手动调。
驾驶员的回答是：是素材问题还是出价问题？是冷启动还是衰退期？素材衰退的话，AI 预测的爆量周期和实际差多少？出价是 AI 自动执行还是规则触发？阈值设得对不对？
这就是差距——一个人懂不懂 AI 投放，不看他能蹦出多少名词，而看他能不能把 AI 接进自己的投放流程，让 AI 当延伸，而不是当替身。
一、看你有没有"体感"
面试开头，我们不会问"你了解 AIGC 吗"——这种题太好背了。我们问的是个很轻的问题："最近一年，AI 在广告投放上有什么变化，让你觉得原来还能这么玩？"这题不考你记没记住哪个产品发布，考你能不能把一个行业变化，转成自己的动作。
观众视角：AIGC 很火，现在都在用 AI 生成素材。
驾驶员视角：AIGC 出来后，我把素材生产分成了两层——一层是 AI 批量出的"量"，脚本、海报、短视频模板一天上百条；另一层是人来做判断的"质"，哪条值得放量、哪条 CTR 和 CVR 结构好，这个判断不能交给 AI。它对我的改变不是"多了一个新工具"，而是让我想明白：素材生产可以变成"AI 量产 + 人择优"的工程打法。
这就不一样了。你不是在背热点，是在把热点落到流程、策略、人机分工上。
二、看你的 AI 投放全流程
"从拿到投放任务到复盘结案，中间你怎么用 AI？讲一个最近真发生过的例子。"这题几乎没法背。
观众的回答：我用 AI 建计划，让它自动跑，我看数据就行。
驾驶员的回答：前段时间接了个教育行业的活儿，我没直接把 AI 全托管，先让它扒竞品爆款——爬素材、拆标题结构、文案风格、发布节奏。然后用 AIGC 批量出了一批脚本和海报，AI 自动打标签分类后，我专门挑了 CTR、CVR 结构好的几条放量。搭建阶段用批量工具建账户建计划，质检过了才上线。投放中 AI 实时监控转化成本，有次凌晨成本异常飙升，AI 自动熔断降预算，我第二天看到预警调了策略。最后跑了一遍多触点归因，发现有个素材浅转化一般但深度转化很好，单独拎出来又测了一轮放量。
这个回答不一定多高级，但很实。面试官能从中看出三件事：第一，你知道 AI 擅长帮你加速生产、批量搭建、实时监控；第二，你知道 AI 不懂你的业务判断——哪条素材值得放量，得人拍板；第三，你知道验证不是"跑一下看看数据"，是拆归因、看结构、做对比。
三、看 AI 跑不对时，你能不能归因
"有没有 AI 该跑好却没跑好的情况？讲个具体例子，当时卡在哪？"谁都会被坑，真正考的是归因能力。
差一点的回答：AI 跑偏了，我关掉自动投放手动调，或者换个更强模型。这不是工程思维，更像网不好就重启路由器。一个会驾驭 AI 的投放，应该能把"AI 跑不对"拆开看：
- 素材不适合 AI 放量：AI 预测的素材生命周期和实际偏差大，人工介入调放量节奏；
- 上下文信息不足：给 AI 补行业知识、历史数据、竞品分析当决策依据；
- 归因逻辑不合理：检查归因模型是否匹配业务，调窗口和权重；
- AI 止损过于激进：查阈值设置是否合理，区分正常波动和真实异常；
- 策略参数不匹配：调出价、人群定向、ROI 阈值，让 AI 在合理边界内执行。
好的回答不是"我关了 AI 就好了"，而是：我先判断它错在哪。素材衰退，就查 AI 预测的爆量周期和实际差多少；出价跑偏，看是阈值问题还是市场变了；归因不合理，就调模型和回传策略。你不是在祈祷 AI 变聪明，你是在控制输入、验证输出、缩小风险。
四、看你知不知道 AI 替代不了什么
很多人答"AI 替代不了什么"，爱说创造力、情感、共情。放在广告投放里，太虚。我们更想听的是：
- AI 替代不了责任归属。一个素材该不该放量，误杀和漏放怎么取舍，出了问题谁负责——这些不能让 AI 拍板；
- AI 替代不了私有知识。很多投放经验不在文档里，在老优化师脑子里——哪个时段流量质量好、哪类素材在哪个平台容易起量、某个客户的历史投放事故。AI 不知道这些，除非你把它们整理进知识库；
- AI 替代不了问题定义。难的常常不是"怎么投"，而是"这需求是不是真需求""这预算该不该花""现在放量会不会把模型跑偏"；
- AI 替代不了价值取舍。教育行业追表单量还是到店率？金融追开户量还是首交率？这不是算法题，是业务阶段、用户体验、合规风险一起决定的结果。
我们的判断标准，其实就是一张表
- 使用节奏：观众先问 AI、等 AI 告诉我怎么办；驾驶员我先想、让 AI 跑、我检查；
- 错误归因：观众关掉 AI 手动调；驾驶员判断是素材、策略、归因还是阈值问题；
- 验证方式：观众看看数据还行就行；驾驶员拆归因、看结构、做对比、做回归；
- 素材管理：观众 AI 出什么用什么；驾驶员 AI 量产 + 人择优，生命周期预测提前布局；
- 模式选择：观众一直全自动或一直手动；驾驶员按投放阶段选人工介入程度；
- AI 边界：观众说创造力、情感这些套话；驾驶员说责任、私有知识、问题定义、价值取舍。
关于岗位要求
我们不需要你会背多少 AI 名词，用过多少个 AI 工具，能说出多少行业趋势。我们需要你：信息流广告投放有使用 AI 投放工具的真实经验；能讲出"我怎么用"，而不是"我知道"；能独立完成从素材策略、投放执行到复盘归因的全流程；有归因思维——投放出了问题能拆解原因，而不是只会关掉重来；接受"AI 量产 + 人择优"的打法，不排斥工具，但也不迷信工具；有数据敏感度，能从多维数据里做判断和取舍。
加分项：有 Marketing API 或 RPA 工具使用经验；有 AIGC 素材生产经验；有多触点归因模型实战经验；有团队管理经验，能搭"人 + AI"的投放体系。
AI 会放大能力，也会放大问题。本来就懂怎么投的人，用 AI 更快、更准、更省；本来就没判断力的人，用 AI 只会更快把预算烧光。所以面试里最怕的，不是候选人说"我没用过 AI 投放"，而是他讲了半天 AI，最后结论只有一句："AI 挺厉害的。"这句话没错，但没用。真正能打动我们的结论应该是："所以我会这样调整我的投放流程。"我们配套的AIGC 素材与归因工具，正是给"驾驶员"用的延伸，而不是替身。
我们要找的，是驾驶员。