72%的员工称AI技能未被评估，PPC管理者如何在Google Ads中证明判断力

如果你负责管理 Google Ads 账户，那么具备良好的 AI 能力已是预期，但雇主可能从未核实过（或者不知道该如何核实）你是否具备这种能力。如果可以，能够展示你的判断力是职业发展的必备条件；如果不能，则会成为一种风险。

CodeSignal 的新研究调查了 1,000 名美国员工和 1,000 名美国管理人员，了解他们的 AI 准备情况；结果中有两个数字并列出现：受访员工中有 72% 表示，他们的 AI 技能从未经过正式评估；然而，69% 的管理人员认为，AI 能力是招聘时的重要或中等重要因素。这表明，雇主正在招聘一种他们大多并不衡量的技能。

我向 CodeSignal 提出了 15 个问题，询问这些数字有多可靠，以及从业者应该如何应对。书面答复比我预想的更加坦诚，包括对一个显而易见的利益冲突的回应：作为评估服务供应商，CodeSignal 得出的结论却是没人评估任何东西。以下是经得起推敲的部分、需要加注说明的部分，以及这对以付费搜索为生的人意味着什么。

CodeSignal 实际调查了谁

先了解这项调查是什么，以及不是什么。CodeSignal 于 2026 年 9 月通过 Pollfish 委托开展了两项在线调查，两个样本全部来自美国。该公司根据受访者所从事的工作，而不是职位名称来界定知识型工作者，也就是说，这些人的工作主要依赖计算机和数字工具。调查也没有排除不使用 AI 的人。12% 的人表示，他们从未在工作中使用 AI。

CodeSignal 报告称，要求或预期使用 AI 的岗位“增加了 78%”。我询问这是否意味着增加了 78 个百分点。并不是。这是一个相对增幅，由员工根据自身岗位自报，并以每个人在当前岗位任职期间的变化为衡量依据。受访者刚开始从事这些工作时，有 9.4% 的人表示岗位要求或预期他们使用 AI。如今，这一比例为 16.7%。

这几乎翻了一番。但仍不到五分之一。

付费搜索从业者可能早已远远超过了这条曲线，因为自动出价多年来一直是 Google 的默认推荐。因此，对我们这个领域而言，有价值的问题是：有没有人能够判断谁在有效地使用 AI。

另见：从 T 型到 M 型：无人讨论的 PPC 职业演变

培训开展了，然后却没有留下效果

有 62% 的员工告诉 CodeSignal，他们接受过雇主提供的如何在工作中使用 AI 的培训。只有 35% 的人表示，他们实际使用的 AI 技能是在雇主培训中培养的。

我询问，这其中大部分培训是否其实与 AI 无关，或者员工没有把它算作相关培训。CodeSignal 表示两种情况都不是。培训确实专门针对如何在工作中使用 AI，而该公司认为，这一差距表明培训不够实质性，或不够具体，因而无法应用到工作中。

后续数字更加糟糕。接受过培训的员工中，只有大约四分之一表示，他们能够应用雇主 AI 培训内容中的大部分或全部。其余 74% 的人只能应用一部分、很少应用，或完全没有应用。将这一比例放回完整样本中，大约有 46% 的全部员工接受过他们无法完全使用的 AI 培训。当 CodeSignal 询问阻碍因素时，员工提到了缺乏时间、培训与自身岗位不匹配，以及缺乏相关培训机会。

那么，人们在哪里学习？这个问题允许多选回答，因此各项数据相加不会达到 100%。人们自行找到的免费资源占 46%，其次是在工作中通过试错学习，占 39%；雇主培训占 35%。同事占 22%，自行付费参加的课程占 12%。

Tigran Sloyan，CodeSignal 联合创始人兼 CEO 表示：“企业正在购买 AI 课程或自行开发课程，但如果大多数员工都去其他地方学习，你就不得不怀疑这些培训是否真的有帮助。”

付费搜索长期以来一直如此。许多 PPC 管理者通过观察自己的账户，并在 LinkedIn 和 X 上阅读从业者的内容来学习出价。如今发生变化的是，他们通过试错学习的对象变成了广告平台自身的 AI，而每一次错误都要从客户预算中支付代价。

AI 没有制造衡量问题，而是暴露了它

72% 的员工表示，他们的 AI 技能从未经过正式评估，但 66% 的员工表示，他们的一般技能也从未经过正式评估。两者相差 6 个百分点。

我询问 CodeSignal，真实情况是否是企业几乎不评估任何东西，而 AI 只是让这一点显现出来。对方的回答以“是的，完全正确”开头。长期以来，企业一直依据简历、职位名称、任职年限和管理者印象等替代指标来做人员决策。CodeSignal 认为，这些一直都是薄弱信号，而当岗位在数月内发生变化时，依赖这些信号的代价会变得高昂。调查中，超过六成的管理者表示，他们做人员决策时依据的是假设，而不是可靠数据。

这件事在付费媒体领域对我的困扰，比其他几乎任何领域都更大。我们把广告系列精确到小数点后进行衡量。我们争论归因窗口、增量测试和转化延迟。然后，我们却用一年一次的“达到预期”来评判运营这些广告系列的人。对于一个建立在衡量之上的专业领域来说，这是一种奇怪的双重标准，而 AI 正让它越来越难以自圆其说。

CodeSignal 表示，招聘端已经显露出压力。当 AI 熟练度成为一个从未被衡量的标准时，人们会依据容易观察到的因素来评判候选人，例如谁最引人注目或听起来最自信，而不是依据其工作质量。

任何参加过代理商提案会的人都知道事情会如何发展。那个说“自动化会解决一切”的人，听起来可能比那个花了一下午阅读搜索词并添加否定关键词的人更熟练。只有其中一个人在保护预算。

“简历是一个人对自己技能的描述，”Sloyan 说。“工作成果才是证据。现在，大多数企业对人员做出最重要的决策时，依据的都是那段描述。”

另请参阅：PPC 自动化分层：聪明的广告主如何将自动化与策略结合起来

运营 PPC 时，AI 熟练度意味着什么

我请 CodeSignal 区分“AI 熟练度”与 AI 素养和提示词编写，因为这些术语常常被当作同义词使用。该公司做出了如下区分：AI 素养意味着理解 AI 是什么。提示词编写是一种技巧。熟练度意味着知道该把什么交给 AI，检查并纠正其输出，并且能够识别何时完全不该使用 AI。

这是我今年读到的，对现代 PPC 管理者最简洁、最准确的工作描述。

将其映射到 Google Ads 账户中，每个部分都会变成你可以明确指出的对象。委派意味着决定哪些广告系列使用智能出价、向其提供哪些转化操作，以及为它提供多少预算来进行学习。检查意味着查看系统生成的搜索字词、展示位置和自动创建的素材，然后纠正其中的问题。知道何时不使用 AI，是一种很少会出现在控制面板中的判断力。这可能意味着暂缓一个转化数据太少的广告系列，或在受监管的类别中保留人工把控广告文案。

这些都不会显示在证书上，但都会显示在账户中。

另请参阅：破坏智能出价的转化设置错误

Skillshop 证书无法展示的技能

我还请 CodeSignal 对其自身所在的产品类别进行了批评。一项限时模拟评估无法告诉你，一个人在工作中是否善于使用 AI？该公司回答说，一项评估的价值取决于它被设计和验证用来衡量什么。要了解某人的表现如何随时间变化，该公司表示，你需要查看他们的实际工作。

这个答案同样适用于大多数 PPC 从业者已经持有的证书。Google 在 Skillshop 上提供的 AI 驱动效果广告认证是免费的，第三方学习指南称这是一项限时、包含 50 道题的考试。参加这项考试是值得的，因为它能教你 Google 希望如何使用其 AI 广告系列类型。但这项考试由其建议有时会被优秀 PPC 管理者推翻的平台编写。通过考试表明你了解 Google 的操作方法，却无法表明你曾在某个下午决定不遵循它，也无法表明你没有遵循它时每次获客成本发生了什么变化。

然后是利益冲突。CodeSignal 销售评估服务，而其调查得出的结论是，技能并没有得到评估。我询问读者应如何权衡这一点，以及调查中的哪项发现与其自身业务相悖。

该公司表示，它之所以委托开展这项研究，正是因为它关注技能。随后，它主动提供了一个确实不利于自身立场的数据：82% 的员工表示，他们的经理非常了解或比较了解自己的技能。CodeSignal 称这种了解是真实且有价值的。它的保留意见是，这种了解属于非正式认知，因经理而异，员工换团队时不会随之转移，也无法在公司内部进行比较。

代理机构的员工会理解最后一点。当一名客户经理转到另一个客户团队时，其前任上司对其判断力所了解的一切通常都会留在原处。

我认可 CodeSignal 提供了 82% 这个数据。不过，在把这些数字中的任何一个视为确定结论之前，我仍希望看到完整的问卷；而且，该公司为其 Agentic Skills Intelligence 产品发布的公告完全没有描述调查方法。上面的细节来自该公司对我提问的答复。

如何证明你在 Google Ads 中的 AI 判断力

CodeSignal 给个人员工的建议很直接。声称自己什么都使用 AI，并不能证明多少。熟练运用 AI，意味着能够准确解释你如何使用它，同样重要的是，能够解释你何时不使用它。对于 PPC 管理者而言，这会变成一套简短的例行做法。

记录自动化日志。 Google Ads 的更改历史会记录账户中发生了哪些变化，但不会记录为什么会发生这些变化。每次你接受、拒绝或改写系统执行的某项操作时，都要记下任务、你让自动化处理的内容、你检查或更改的内容，以及结果。拒绝一条自动应用的建议、在广泛匹配扩展后批量添加否定关键词，或暂停一条自动生成的标题，都算在内。
把改写记录带到评审中。 到评审时，你将拥有具体案例，而不是泛泛而谈。CodeSignal 建议请经理根据你的职位或下一职位所需的技能，对这些工作进行评审。如果你想成为总监，这就是你应该展开的对话。
教会别人。 带一位初级同事了解你如何在新的 Performance Max 或 Smart Bidding 广告系列投放最初几周检查它。CodeSignal 的观点是，大声解释你的思考过程，能让你的技能显现出来，而不必由你自己推销。

如果你负责 PPC 团队或运营一家代理机构，那么这家公司针对一家没有评估预算、拥有 200 名员工的企业提出的建议同样适用。先从经理开始，因为大多数员工认为自己的经理已经了解他们的技能。然后，通过写下团队中每个职位的良好 AI 使用标准，为这些经理提供比“达到预期”更具体的评价依据。 specialist 的标准可能是在一周内发现不相关的搜索词；strategist 的标准可能是判断客户的转化跟踪是否足够准确，可以转向基于价值的出价。

接下来，在培训前以及培训后再次查看真实的账户工作。每人抽查几个账户，就足以看出是否发生了变化。

也要找出那些自学成才的专家。46% 的员工会自行利用免费资源学习，因此你的团队中很可能已经有人弄清楚了自动化哪里会出错。让他们向其他所有人展示。

最后，围绕人们每周实际从事的工作来设计培训，并给他们练习的时间。员工首先提到的障碍是缺乏时间。要跟踪人们是否应用了所学内容，而不是他们是否完成了课程。Skillshop 徽章只能衡量完成情况，而你绝不会只让客户依据展示次数来评判一个广告系列。

Sloyan 对此的说法值得引用。“培训只有围绕某人实际从事的工作来构建时才会奏效。”

账户历史就是你的证据

我的看法是，PPC 经理拥有这项调查中大多数知识工作者所没有的优势。我们的工作本身已经留下了记录。每次出价策略变更、每个否定关键词，以及我们驳回的每条建议，都会在某处留下日志，并附有绩效数据。

我们大多数人都把这份记录当作日常事务。那些把它转化为判断力证据的经理，会在雇主还在摸索如何衡量 AI 技能时获得晋升。

其他人都只能讲述一个故事。

更多资源：

特色图片：ImageFlow/Shutterstock