医美老板最近最容易问错一个问题：
“你会不会 AI？”
这个问题看似先进，其实很危险。
因为现在会用 AI 的人很多，会写提示词的人很多，会把简历包装成“AI产品经理”“AI增长专家”的人也很多。
但真正能帮一家医美企业把 AI 落到经营结果上的人，很少。
医美行业真正需要的，不是一个会聊天机器人、会画图、会做 PPT 的“AI爱好者”。
而是一个能听懂咨询师的话、看懂医生的案例、理解运营的焦虑、知道老板要利润，还能把这些需求翻译成工具、流程和数据结果的人。
这类人，才是医美行业下一阶段最稀缺的 AI 人才。
一、医美企业为什么总是找不到AI人才？
因为很多企业从一开始就把岗位定义错了。
如果一家医美机构发招聘，写的是：
“招聘 AI 工程师，要求熟悉大模型、RAG、Agent、多模态、Python、算法优化……”
大概率很难招到真正合适的人。
不是因为市场没人。
而是因为你要找的，其实不是一个“实验室人才”。
你要找的是一个“业务翻译官”。
他要能把医美企业里的真实问题，翻译成 AI 可以解决的产品问题。
比如：
内容部门为什么每天都缺案例？
咨询师为什么跟进客户不及时？
老客为什么沉睡了没人激活？
医生为什么没有持续稳定的科普内容？
平台价格为什么总是失控？
老板为什么每天看不到真实经营数据？
这些问题，不是靠一句“我们要上 AI”就能解决的。
AI 落地的起点，不是模型。
是问题。
贝索斯曾经讲过一个非常重要的经营原则：对愿景要固执，对细节要灵活。
放到医美 AI 里，就是：
老板要固执地盯住经营结果，但不要迷信某一种工具。
今天可以用大模型，明天可以用 Agent，后天可以用自动化工作流。
工具会变，模型会变，平台会变。
但企业真正要固执的，是效率、转化、复购、信任和利润。
如果一个 AI 人才不能把这些结果讲清楚，他再懂技术，也很难真正适合医美行业。
二、医美行业的AI人才，可能不在AI公司里
很多老板以为，AI 人才一定在大厂、算法公司、模型公司。
这当然对，但不完整。
医美行业未来最有价值的 AI 人才，可能藏在几个更容易被忽略的地方。
第一类，是医美企业内部的业务骨干。
比如运营负责人、市场负责人、咨询主管、医生助理、培训负责人、数据分析岗。
这些人未必会写代码，但他们知道哪里低效，哪里重复，哪里靠经验，哪里最影响成交。
他们只要补上 AI 工具能力，就可能成为企业内部最早的 AI 产品经理。
很多时候，最懂问题的人，比最懂技术的人更接近答案。
第二类，是本地生活、内容平台和私域增长体系里出来的人。
美团、抖音、小红书、快手、本地生活服务商、MCN、代运营公司里，有一批人非常懂流量、内容、转化和履约。
他们不一定懂医美，但他们懂用户如何被影响、如何被种草、如何被转化。
医美本质上不是单纯的医疗服务，也不是单纯的消费品。
它是强信任、强内容、强决策链路的生意。
这类人一旦补上行业认知，很可能成为医美 AI 增长人才。
第三类，是能用 AI 工具做出小产品的人。
他们不一定是传统意义上的程序员，但可以用 Claude Code、Cursor、Coze、Dify、自动化工具，把一个真实需求快速做成可用版本。
这类人最重要的不是技术完美。
而是能从“老板一句话”走到“业务人员真的愿意用”。
在传统企业里，这种能力比写一份漂亮方案更稀缺。
第四类，是医疗信息化、CRM、SCRM、BI、数据中台里出来的人。
医美 AI 落地的深水区，一定会碰到数据。
客户数据、咨询数据、成交数据、复购数据、医生案例数据、平台价格数据、内容素材数据。
没有数据，AI 就只能停留在“生成一段文案”。
所以懂系统、懂数据、懂业务流程的人，会越来越重要。
第五类，是医学部、合规、培训和医生内容体系里的人。
医美行业和普通消费行业不同。
它涉及医疗表达边界、产品适应症、医生专业性、消费者信任、平台审核和监管风险。
未来医美企业做 AI，不只是“生成得快”。
还要“生成得准、能审核、能追溯、能控风险”。
所以，那些懂医学内容、懂医生表达、懂合规边界的人，也会成为 AI 落地里的关键角色。
三、企业真正要找的不是一个人，而是一种组合
如果医美老板只想招一个“全能 AI 人才”，大概率会失望。
因为这个岗位太难了。
他既要懂医美，又要懂产品。
既要懂技术，又要懂业务。
既要能沟通老板，又要能推进一线。
既要能做工具，又要能让别人用起来。
这种人不是没有，但极少，而且不便宜。
更现实的做法，是搭一个最小 AI 小组。
这个小组不需要一开始很大。
最开始可能只需要三类角色：
一个懂业务的一号位或项目负责人。
一个能把需求翻译成产品和流程的人。
一个能把工具做出来、接上数据、持续迭代的人。
在医美企业里，AI 落地最怕的不是技术不够强。
最怕的是技术做完以后，没人用。
乔布斯说过，创新不是对一千件事说“是”，而是对一千件事说“不”。
医美企业做 AI 也是一样。
不是所有环节都值得 AI 化。
真正高明的老板，不是看到什么都想做，而是先判断什么最值得做。
内容、咨询、老客、控价、医生案例、经营数据、人事筛选、医学文献分析。
每一个场景都可以做 AI。
但不是每一个场景都应该第一个做。
企业要先找到那个最痛、最高频、最能产生结果的点。
然后用一个小工具，把它打穿。
AI 小组的核心，不是“研发部门”。
而是“业务改造小队”。
它的考核也不应该是做了几个模型、上线几个功能，而应该是：
内容产出效率有没有提升？
咨询跟进质量有没有改善？
老客触达有没有更及时？
机构经营数据有没有更透明？
一线员工有没有真的减少重复劳动？
老板有没有因此做出更快的决策？
AI 人才的价值，最终要回到经营结果上。
四、企业该怎么找到他们？
第一，不要用“AI岗位”招人，要用“业务命题”招人。
不要只写“招聘 AI 产品经理”。
可以改成：
“我们正在搭建医美机构内容生产系统，希望找到一个能把医生案例、项目卖点、小红书内容和咨询话术打通的人。”
或者：
“我们正在做医美机构老客激活工具，希望找到一个懂私域、懂用户分层、懂 AI 自动化的人。”
真正的人才，不是被岗位吸引的。
是被问题吸引的。
第二，看作品，不要只看简历。
问他有没有做过一个真实工具。
有没有搭过一个工作流。
有没有把一个重复动作自动化。
有没有用 AI 帮业务部门节省过时间。
有没有把内容、数据、客户、流程中的某一环真正跑通。
医美企业招聘 AI 人才，最应该看的不是“他说自己懂什么”。
而是“他做出来过什么”。
第三，用小任务试人。
不要一上来聊战略。
给他一个真实场景。
比如：
请设计一个医生案例内容生成流程。
请设计一个老客激活的 AI 跟进方案。
请拆解咨询师每天最重复的 5 个动作，并判断哪些适合 AI 辅助。
请用一个工具原型说明，如何让运营人员每天少花 1 小时。
真正懂的人，会先问业务问题。
不懂的人，会先堆技术名词。
第四，从内部培养，比外部空降更稳。
医美行业有很强的业务语境。
外部 AI 人才来了以后，往往要花很长时间理解医生、咨询、运营、市场、渠道、合规和老板之间的关系。
所以最好的路径，可能不是单纯外招。
而是从内部找一批业务骨干，让他们成为 AI 种子用户。
老板要做的不是让所有人都学 AI。
而是先找出那 5% 对效率极度敏感、对新工具不排斥、愿意折腾真实问题的人。
这些人，就是企业内部最早的 AI 土壤。
第五，老板自己要成为第一招聘官。
医美企业做 AI，不能完全交给 HR。
因为 HR 很难判断一个人是不是真的能推动业务变革。
老板至少要亲自问三个问题：
你认为我们公司最适合 AI 改造的一个场景是什么？
你会怎么让一线员工愿意使用？
如果工具上线后没人用，你会怎么调整？
这三个问题，比问“你会不会大模型”更有价值。
五、AI人才不是成本，而是企业第二曲线的入口
世界经济论坛在《Future of Jobs Report 2025》中提到，AI 和大数据是未来增长最快的技能之一；同时，技能缺口被 63% 的雇主认为是企业转型的主要障碍。
这说明一件事：
AI 人才问题，不是医美行业自己的小问题。
它是所有行业都要面对的经营问题。
但医美行业更特殊。
因为医美既有医疗属性，又有消费属性。
既有医生专业，又有内容营销。
既有强线下履约，又有线上流量竞争。
既看品牌，也看转化。
既要信任，也要效率。
这意味着，医美行业的 AI 人才不能只懂技术。
他必须懂场景、懂人、懂信任、懂转化、懂组织阻力。
英特尔前 CEO 安迪·格鲁夫有本书叫《Only the Paranoid Survive》。翻译过来就是：只有偏执者才能生存。
这句话放在今天的医美行业，其实很准确。
过去医美机构拼渠道、拼医生、拼项目、拼价格。
未来三年，还会多一个新的竞争维度：
谁能更早把 AI 变成组织能力。
不是老板一个人在朋友圈转发 AI 新闻。
不是市场部偶尔用 AI 写几篇文案。
不是运营拿 AI 做几张图。
而是整个企业开始形成一种新的工作方式：
遇到重复工作，先想能不能自动化。
遇到内容低效，先想能不能标准化。
遇到客户流失，先想能不能数据化。
遇到管理盲区，先想能不能工具化。
这才叫 AI 组织浓度。
未来医美企业之间的差距，可能不只是医生、项目、渠道和价格的差距。
还会是 AI 组织浓度的差距。
谁能先找到这些人、培养这些人、授权这些人，谁就可能先把 AI 从“工具尝鲜”变成“经营系统”。
六、最后说一句真心话
医美行业不缺谈 AI 的人。
缺的是能把 AI 做进业务里的人。
不缺会生成内容的人。
缺的是知道什么内容能帮助成交、帮助信任、帮助复购的人。
不缺懂技术的人。
缺的是能把技术翻译成一线员工愿意使用的工作流的人。
所以，医美企业找 AI 人才，不要只去找“会 AI 的人”。
要去找那些真正懂需求、愿意下场、能把问题变成工具、把工具变成流程、把流程变成结果的人。
真正的需求，是 AI 的土壤。
而真正的 AI 人才，就是让这片土壤长出结果的人。
下一篇，我们继续聊：
医美企业如何搭建自己的AI小组？老板、业务、技术到底该怎么分工？
因为找到人只是第一步。
真正难的是，让这些人进入组织、穿过阻力、做出结果。
医美行业真正稀缺的不是 AI 工程师，而是 AI 业务翻译官。
这里是颜值Agent资本论，我是明策。
欢迎关注，下期见。
参考来源：
World Economic Forum, The Future of Jobs Report 2025 Andy Grove, Only the Paranoid Survive Walter Isaacson, Steve Jobs Jeff Bezos shareholder letters and Amazon management principles
