数据算法岗在能源风控里，交付模型还是交付行动？

消息提到，有能源团队借助 Genie 和 AI 业务流程，把窃电检测从单纯识别升级为受治理的行动。窃电指故意不付费使用燃气或电力。原文没有披露模型版本、参数规模或性能数字，也没说明“受治理的行动”由哪些角色执行。对求职者来说，这恰好是一个提醒：同一个检测任务，交付物可能完全不同。

一种做法是只交付模型：输出疑似窃电名单，交给业务团队处理，算法岗的考核是召回率、误报率。另一种做法是交付行动：模型输出要接入工单、现场核查、客户沟通，算法岗还要参与流程设计和效果复盘。两者面试问的问题、入职后每天做的事差别很大。读岗位描述时，看到“模型落地”“业务闭环”这类词，先别急着理解成技术深度，要确认 KPI 到底挂在模型指标还是处置结果上。

检测结果由谁执行、合规谁把关，面试怎么问？

可以用“模型输出—业务行动—合规审批”三层框架提问，把模糊的职责拆开。

  • 模型输出层：谁定义“疑似”的阈值？误报由谁复核？
  • 业务行动层：名单生成后谁执行现场核查？算法岗要不要跟工单系统对接？
  • 合规审批层：涉及用户用电数据的调用、留存和对外沟通，谁审批、依据什么规则？

假设场景：面试官说“我们要做端到端闭环”。你可以追问，闭环里哪一段由算法团队负责，哪一段由运营或法务负责，出现误判时责任怎么划分。这不是挑刺，而是判断团队有没有清晰分工。如果对方答不上来，说明这个岗位可能还在摸索阶段，你要评估自己是否愿意承担边界不清的工作。

没有模型细节披露时，怎么判断技术含量？

原文未披露具体模型版本、参数规模或性能数字，所以不能从产品宣传推断岗位的技术深度。更可靠的做法是问团队的数据来源、标注流程和模型迭代节奏：数据是自有采集还是外部采购？标注由业务专家还是外包完成？模型多久更新一次，上线前经过哪些验证？

这些问题的答案，比“我们用大模型”更能说明你入职后做什么。如果团队连标注流程都说不清，建模工作可能大量消耗在数据清洗上；如果迭代节奏明确、有专人负责验证，说明工程化程度较高。

一个实际可做的小建议：面试前把这三层问题写成三行，每轮面试挑一层追问，面完立刻记录对方的回答。几场下来，你就能比较出哪些岗位是真有分工，哪些只是把“落地”写进了 JD。