既懂AI又懂金融、既懂机械又懂数据分析、既懂算法又懂临床——跨界复合型人才正在成为全球招聘市场最稀缺的资源。PERSOLKELLY这份报告覆盖四大行业，揭示了一个共同趋势：单一技能的时代正在过去，“跨界能力”正在成为招聘的核心关键词。但这类人才极为稀缺——学术体系跟不上、跨行业竞争激烈、经验悖论叠加，让“找到对的人”成为最难解的方程。
银行业的“Biz-Tech”复合型人才荒
中国的银行、金融与保险行业正经历结构性重塑。招聘需求已从传统金融岗位转向“业务+技术”复合型技能——既懂人工智能又懂金融的专业人才严重短缺。能够将机器学习能力与金融产品、风险管理及监管知识相结合的人才供不应求。
风险与监管科技岗位同样难以招聘。随着监管要求不断提高，企业需要能够部署数据驱动监控工具、自动化合规框架并提升实时风险可视性的专业人士。这类岗位对技术深度和行业理解都有较高要求。
人才短缺由两个结构性因素驱动：学术体系滞后于数字化发展，毕业生缺乏将AI与金融结合的实践能力；跨行业竞争激烈，互联网和高科技企业以更灵活的文化和更具吸引力的薪酬吸引顶尖技术人才。
复合型人才的评估同样面临挑战。在投资岗位中，人脉资源和对特定行业的深入理解正变得比单纯的分析能力更重要，但过时的招聘方式仍然普遍存在。企业也可能过度强调基础技术资质，而忽视将技术转化为实际商业价值的能力。
工程领域的“数字+物理”复合型工程师
在制造与工业领域，一类新的“数字+物理”复合型工程师正在出现——将机械工程能力与数据分析、人工智能或工业网络安全能力相结合，成为智能制造转型中的关键力量。
这类复合型人才需要同时掌握传统工程能力和数字技能，但企业在招聘时通常面临两难：岗位定义过于狭窄但同时又期望具备复合能力。企业通常希望候选人既具备传统工程能力，又掌握物联网监测、数据分析或预测性维护建模等数字技能，但这类复合型人才在市场上仍然稀缺，延长了招聘周期。
刻板的薪酬体系同样阻碍复合型人才招聘。在国防、核能及专业基础设施等领域，高薪已成为常态而非例外。仍以历史薪酬水平作为参考的企业，容易流失候选人至提供更具竞争力薪酬的竞争对手。
医疗领域的“算法+临床”双领域人才
医疗AI岗位面临独特的复合型人才挑战。企业需要能够将先进算法能力与临床、影像或生物医学知识相结合的复合型人才——这类“双领域”人才极为稀缺。数字医疗、智慧医院系统、影像自动化、AI驱动药物研发以及真实世界数据应用等领域的需求快速增长。
医疗AI还需满足严格的验证隐私、安全及医疗器械注册要求，提高了招聘门槛。多模态模型、临床自然语言处理以及蛋白质建模等技术的快速发展，也要求人才持续提升技能。
雇主的误判主要体现在技能要求膨胀上。许多招聘负责人往往过度设定要求，希望候选人同时具备深厚技术能力、国际经验以及成熟领导力。但在实际市场中，这类人才极为稀缺且流动性强。
IT与通信的“AI+监管+全球化”三重能力
信息技术与电信行业最难招聘的岗位集中在先进AI架构与治理领域——能够设计自主、自我修正AI系统的架构师十分稀缺。这类人才需要掌握AI前沿技术、系统架构设计能力以及对AI治理的深刻理解。
AI伦理与治理岗位同样关键——企业需要能够处理算法合规、风险监督及负责任AI部署的专业人士。这类岗位位于法律、技术与战略交叉点，是一种在快速演变领域中较为罕见的复合能力。
具备全球经验的广告科技算法工程师同样供不应求。中国企业在海外扩张过程中，需要既熟悉高频程序化竞价环境，又了解多国数据隐私监管的人才。在多重监管环境下运作，使这一本已小众的技能组合更加复杂。
这些短缺背后存在两个结构性因素：首先是“经验悖论”——许多最受欢迎的技术仍属新兴领域，具备实际经验的人才数量有限；其次是地缘政治与安全因素导致的人才割裂。工程师越来越需要同时掌握西方与中国生态系统的能力，这种“双栈”能力极为稀缺。
复合型人才培养的未来方向
展望未来，企业最关键的转变是从以层级为中心转向以能力为驱动的人才体系。通过技术与业务部门之间的轮岗机制，培养内部复合能力，可减少对外部稀缺人才的依赖。
同时，企业需要建立技术与管理并行的双通道职业发展路径，有助于留住高价值专业人才。以情景为基础的评估以及战略前瞻能力，将变得尤为重要。
那些投资于数据与AI能力提升、采用灵活工作方式并强化雇主品牌的企业，将更有能力吸引并留住最紧缺的复合型人才。
